Effect of Xanthan and Arabic Gums on Foaming Properties of Pumpkin (Cucurbita pepo) Seed Protein Isolate
Notice bibliographique
Résumé
Understanding how foaming properties of proteins are affected by factors such as pH, salt concentration and temperature is essential in predicting their performance and utilisation. In this study, the effects of pH and salt concentration were studied on the foaming properties of pumpkin seed protein isolate (PSPI) and PSPI- xanthan (XG)/Arabic (GA) gum blends. The foaming properties of the PSPI-GA/XG blends were also compared with egg white. Foam stability (FS) was significantly affected by pH with PSPI: GA (25:4) and PSPI: XG (25:1) having a significantly higher stability at pH 2 with the lowest foam stability at pH 4. Sodium chloride (0.2-1.0 M) did not significantly affect foaming properties although PSPI: GA (25:4) had the highest FC (89.33 ± 3.24%) and FS (76.83 ± 1.53 min) at 0.2 M sodium chloride concentration. The foaming capacity (FC) of PSPI: GA (25:4) blend (128.00 ± 0.91%) was significantly higher (p < 0.05) than that of egg white (74.00 ± 1.33%) but its FS was significantly lower. It was further revealed that the FC of egg white (74.00 ± 1.33%) was comparable to the PSPI:XG (25:1) blend (74.00 ± 1.46%) but the FS for egg white (480.00 ± 2.67 min) was significantly higher (p < 0.05) than the FS (116.21 ± 0.86 min) of PSPI:XG (25:1). The foaming properties of PSPI and PSPI-xanthan (XG)/Arabic (GA) blends were significantly affected by pH. Optimum foaming properties, PSPI:XG (25:1) and PSPI:GA (25:4) were observed at pH 2 and heat treatment temperature of 80 ºC.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».