Study of chemical stability of lemon oil components in sodium caseinate–lactose glycoconjugate-stabilized oil-in-water emulsions using solid-phase microextraction-gas chromatography
Notice bibliographique
Résumé
A headspace solid-phase microextraction (HS-SPME) combined with gas chromatography-mass spectrometry (GC/MS) method was developed to quantify lemon oil components and their degradation products in oil-in-water (O/W) emulsions prepared with sodium caseinate-heated-lactose (NaC-T + Lact) glycoconjugates as wall materials at two pH values (3.0 and 6.8). NaC-T + Lact conjugates had a significantly lower solubility at both pHs. Hydrolysis prior to glycation enhanced the solubility of glycoconjugates. Glycation with lactose did not improve the emulsion activity of NaC, while caseinate glycoconjugates showed much stronger antioxidant activity than the NaC-control sample. This might be due to the presence of melanoidins formed between the sugar and amino acid compounds as supported by the increase in browning intensity. Among the SPME-fibres tested, carboxen/polydimethylsiloxane (CAR/PDMS) provided better results in terms of sensitivity and selectivity for oil lemon components and their degradation products. Storage studies of these emulsions demonstrated that glycated NaC-T + Lact showed protection against peroxidation compared to the control. However, acidic pH conditions altered their stability over storage time. The major off-flavor components (α-terpineol and carvone) were inhibited in emulsions stabilized with glycated NaC, particularly at pH 6.8. The use of NaC-T + Lact conjugates showed improved encapsulation efficiency and stability and could be used as potential food ingredient-emulsifiers for stabilising citrus oils against oxidative degradation in food and beverage applications.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».