MétaCan
Menu
Retour à la cohorte
Enregistrement W2008454426 · doi:10.5539/jfr.v1n3p138

Development of Fermented Beverage Using RSM and Nutrients Evaluation – I. Fermented Ashgourd Beverage

2012· article· en· W2008454426 sur OpenAlexvenueno aff
C.S. Devaki, K. S. Premavalli

Notice bibliographique

RevueJournal of Food Research · 2012
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvances in Cucurbitaceae Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFermentationFood scienceChemistryYeastRiboflavinVitaminThiamineBiochemistry

Résumé

récupéré en direct d'OpenAlex

<p>Ash gourd<strong> </strong>(<em>Benincasa hispida</em>)<strong> </strong>is valued for its nutritive and medicinal properties and further value addition is being attempted by fermentation process. In the present study, the optimization of the fermentation process with reference to yeast concentration and the period has been attempted by using RSM. The statistical design gave 13 formulations, where yeast concentration was from 1 to 5.8% and the fermentation process period varied from 0.5 to 17.5 days. The product varied formulations had total phenols ranged from 24.8 to 43.6mg%, antioxidant 12.3 to 27%, acidity 0.067 to 0.6%, total volatiles 0.0025 to 0.078%, alcohol 4.6-12.4%, overall acceptability 6.9 to 8.4, thiamine 115.7 to 367 ug%, riboflavin 32.4 to 159 ug%, niacin 6.7 to 139.4 ug%, pyridoxine 71.68 to 174.1 ug% and vitamin C from 0.02 to 0.21mg%. Yeast concentration of 3% and fermentation time for 3 days was the optimized process conditions achieved with the best fit of desirability 0.92.</p>

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)0,005
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,011
Score d'incertitude au seuil0,450

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,170
Tête enseignante GPT0,463
Écart entre enseignants0,294 · 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

Citations9
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Food ResearchMême sujetAdvances in Cucurbitaceae ResearchTravaux en français237 207