MétaCan
Menu
Retour à la cohorte
Enregistrement W1965503246 · doi:10.1002/btpr.725

Soy protein recovery in a solvent‐free process using continuous liquid–solid circulating fluidized bed ion exchanger

2011· article· en· W1965503246 sur OpenAlexafffund
Andrew Prince, Amarjeet Bassi, Christine Haas, Jesse Zhu, Jennifer Dawe

Notice bibliographique

RevueBiotechnology Progress · 2011
Typearticle
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensWestern University
Organismes subventionnairesAgricultural Adaptation Council
Mots-clésFluidized bedProcess (computing)Ion exchangeFluidized bed combustionChemistryChromatographySolventIon-exchange resinIonChemical engineeringMaterials scienceBiochemistryInorganic chemistryOrganic chemistryComputer scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Soy protein concentrates and soy protein isolates act as ingredients in bakery, meat and dairy products, baby formulas, starting materials for spun textured vegetable products, and other nutritional supplements. In this study, the effectiveness of a liquid-solid circulating fluidized bed (LSCFB) ion exchanger is demonstrated for the recovery of soluble soy proteins from full fat and defatted soy flour. Under steady-state operating conditions, about 50% of the proteins could be recovered from the feed streams entering the ion exchanger. The LSCFB was shown to be a promising system for the recovery of soy protein from both defatted and full fat soy flour solutions. As the ion exchange process captures dissolved proteins, the system may offer a less damaging form of processing compared with the acid precipitation process where soy protein aggregates form and functionality is affected. In addition, the LSCFB allows simultaneous adsorption and desorption of the proteins allowing for a continuous operation. No prefiltration of feed containing suspended particles is required as well, because fluidization is used in place of packed bed technology to improve on current ion exchange processes.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,034
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,043
Tête enseignante GPT0,278
Écart entre enseignants0,235 · 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 tête enseignante, pas un consensus.

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

Citations9
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBiotechnology ProgressMême sujetFood composition and propertiesTravaux en français237 207