Impact of Autolytic, Proteolytic, and Nisin-Producing Adjunct Cultures on Biochemical and Textural Properties of Cheddar Cheese
Notice bibliographique
Résumé
The effect of incorporating a highly autolytic strain (Lactobacillus delbrueckii subsp. bulgaricus UL12) a proteolytic strain (Lactobacillus casei subsp. casei L2A), or a nisin Z-producing strain (Lactococcus lactis, subsp. lactis biovar diacetylactis UL719) into Cheddar cheese starter culture (Lactococcus lactis KB and Lactococcus cremoris KB) on physicochemical and rheological properties of the resultant cheeses was examined. Cheeses were ripened at 7 degrees C and analyzed over a 6-mo period for viable lactococcal and lactobacilli counts, pH, titratable acidity (TA), lipolysis, proteolysis, and textural characteristics. The combination of the nisin-producing strain and autolytic adjuncts significantly increased the production of water-soluble nitrogen, free amino acids, and free fatty acids. The effect of Lc. diacetylactis UL719 alone or of Lb. casei L2A on water-soluble nitrogen and free amino acid contents were also significant, whereas their effect on free fatty acids was not. Viable counts of Lb. bulgaricus UL12 were significantly reduced in the presence of Lc. diacetylactis UL719. Lactobacilli-containing cheeses showed significantly lower values for hardness, fracturability, and springiness. It could be concluded that the addition of Lb. bulgaricus UL12 together with a nisin-producing strain produces a greater increase in cheese proteolysis and an improvement in Cheddar cheese texture.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».