Microstructure and nutrient distribution in oats: influence on quality
Notice bibliographique
Résumé
Oats have long been recognized as having superior quality among cereals with respect to protein and lipid composition as well as soluble dietary fibre (β-glucan). The microstructure and chemistry of oats influence oat quality, and thus are determinants of the end products derived from oats. Light and scanning electron microscopies have been used to elucidate microstructure and nutrient distribution in oats. The influence of variation in these parameters on oat quality can be demonstrated, from milling through to oat products for consumption. Milling quality is determined in part by hull architecture. SEM examination of oat hulls can help predict ease of dehulling, which affects the efficiency and economics of oat milling. In addition to protein and lipid, β-glucan is an important nutritional component of oats. Fluorescence microscopy can reveal both the relative amount and distribution of β-glucan in oat kernels. Consumption of oats or oat products containing β-glucan has been shown to have beneficial effects on carbohydrate and lipid metabolism. These health benefits have generated a demand for new and palatable ways to incorporate oats into the diet as consumer demand increases. To help meet this need, we have been investigating the use of micronized naked oats as a whole grain to be cooked and consumed as a rice alternative. Different varieties of naked oats had dramatically different acceptance levels from a sensory panel. SEM of the pericarp, light microscopy of the endosperm, and analyses of starch properties of the different varieties revealed differences that corresponded with sensory data.
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 | 0,000 | 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 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 ».