MétaCan
Menu
Retour à la cohorte
Enregistrement W1963531788 · doi:10.1021/jf0348469

Effect of Conductivity Control on the Separation of Whey Proteins by Bipolar Membrane Electroacidification

2004· article· en· W1963531788 sur OpenAlexaff
Laurent Bazinet, Denis Ippersiel, Behzad Mahdavi

Notice bibliographique

RevueJournal of Agricultural and Food Chemistry · 2004
Typearticle
Langueen
DomaineEngineering
ThématiqueMembrane-based Ion Separation Techniques
Établissements canadiensHydro-QuébecAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésWhey protein isolateChemistryWhey proteinPrecipitationConductivityDispersion (optics)Protein precipitationFractionationChromatographyViscosityMembraneUltrafiltration (renal)Chemical engineeringAnalytical Chemistry (journal)Materials scienceBiochemistryHigh-performance liquid chromatography

Résumé

récupéré en direct d'OpenAlex

Since the limiting factor of the bipolar membrane electroacidification (BMEA) process at 20% WPI (whey protein isolate) was hypothesized to be the lack of mobile ion inherent to the protein solution at pH 5.0, the aim of the present work is to study the effect of the conductivity control on the precipitation behavior of whey protein. BMEA performances were evaluated by measuring electrodialytic parameters, protein kinetic precipitation, molecular profiles, and isolate chemical composition and purity. The highest protein precipitation with 10% WPI solution was obtained at pH 4.6 and at a conductivity level of 200 microS/cm maintained with many 0.4-mL additions of 1.0 M KCl (200 microS[+]), with a 46% precipitation of the total protein, beta-lg composing the main part of the precipitated protein. With a 20% WPI solution, it was possible to reach pH 4.65 with conductivity control at 350 microS/cm. However, the 27% protein precipitation was still low. The changes in viscosity as pH decreases observed at 20% WPI would decreased the final precipitation rate of beta-lg, since the viscosity of the 20% WPI dispersion was very different.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,005
Tête enseignante GPT0,207
Écart entre enseignants0,201 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural and Food ChemistryMême sujetMembrane-based Ion Separation TechniquesTravaux en français237 207