Effect of Ferulic Acid and Catechin on Sorghum and Maize Starch Pasting Properties
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
ABSTRACT The effects of ferulic acid and catechin on starch pasting properties were studied as part of an investigation into the structure and functionality of phenolics in starch‐based products. Commercial maize starch, starches from sorghum cultivars (SV2, Chirimaugute, and DC‐75), and the phenolic compounds ferulic acid and catechin were used in the investigation. Pasting properties were measured using rapid viscosity analysis. Ferulic acid and catechin (up to 100 mg each) were added to maize or sorghum starch (3 g, 14% mb) in suspensions containing 10.32% dry solid content. Addition of catechin resulted in pink‐colored pastes, whereas ferulic acid had no effect on paste color. Ferulic acid and catechin decreased hot paste viscosity (HPV), final viscosity, and setback viscosity of maize and sorghum starch pastes, but had no influence on the peak viscosity (PV) of the former. Both phenolics increased breakdown viscosity. Ferulic acid had greater influence on HPV, final viscosity, breakdown, and setback than catechin. Addition of catechin under acidic conditions (pH 3) decreased HPV, final viscosity, and setback of maize starch, but alkaline conditions (pH 11) slightly increased setback. Both acidic and alkaline conditions resulted in increased breakdown. Investigations on model‐system interactions between ferulic acid or catechin and starch demonstrated that phenolic type and pH level both significantly influence starch pasting properties, with ferulic acid producing a more pronounced effect than catechin. The significance of these interactions is important, especially in food matrices where phenolics are to be added as functional food ingredients.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 découle