MétaCan
Menu
Retour à la cohorte
Enregistrement W1980820943 · doi:10.1007/s11746-007-1135-4

Aroma Release from Solid Droplet Emulsions: Effect of Lipid Type

2007· article· en· W1980820943 sur OpenAlexaff
Supratim Ghosh, Devin G. Peterson, John N. Coupland

Notice bibliographique

RevueJournal of the American Oil Chemists Society · 2007
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood Chemistry and Fat Analysis
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésAromaChemistryEmulsionChromatographyCrystallizationPartition coefficientChemical engineeringOrganic chemistryFood science

Résumé

récupéré en direct d'OpenAlex

Abstract Aroma compounds partition between the different phases of a food emulsion and the headspace but only those in the headspace are perceived. Phase transitions in the lipid droplets profoundly affect the position of the partitioning equilibria and hence headspace aroma concentration. The release of four volatile aroma compounds (ethyl butanoate, pentanoate, heptanoate and octanoate) from eicosane, hydrogenated palm fat or Salatrim ® emulsions stabilized with sodium caseinate were investigated as a function of fat crystallization, particle size and droplet concentration. For all compounds, the headspace aroma concentration in equilibrium with solid droplet emulsions was significantly higher than that in equilibrium with liquid droplet emulsions. The partitioning of volatile aroma compounds from emulsion does not depend on the type of liquid lipid, however, the interactions between solid lipid droplets and aroma compounds are significantly influenced by the nature of the crystalline fat. Notably, partitioning into the headspace was much lower for solid triglyceride droplet emulsions than for solid alkane emulsions. It was proposed that both residual liquid lipid in solid triglycerides and aroma co‐crystallization with solid lipid could be responsible for higher aroma absorption by solid triglycerides.

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 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 enseignants0,019
Score d'incertitude au seuil0,184

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,006
Tête enseignante GPT0,233
Écart entre enseignants0,227 · 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.

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

Citations25
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the American Oil Chemists SocietyMême sujetFood Chemistry and Fat AnalysisTravaux en français237 207