Optimizing the Orosensory Properties of Model Functional Beverages: The Influence of Novel Sweeteners, Odorants, Bitter Blockers, and Their Mixtures on (+)‐Catechin
Notice bibliographique
Résumé
UNLABELLED: The use of flavor-modifying strategies are important to improving the sensory profile of some excessively bitter and astringent functional ingredients, such as (+)-catechin (CAT). Two bitter blockers (ß-cyclodextrin [CYCLO], homoeriodictyol sodium salt [HED]), two sweeteners (sucrose [SUC], rebaudioside A [REB]), and two odorants (vanillin [VAN], black tea aroma [TEA]) were assessed for their efficacy at modifying the bitterness and astringency of CAT in model aqueous solutions. The intensity of oral sensations elicited by CAT was determined in duplicate in binary, ternary, and quaternary mixtures of these stimuli by a trained panel (n = 15) using a 15 cm visual analogue scale. Overall, bitterness and astringency were most effectively reduced by ternary solutions containing CYCLO + REB or CYCLO + SUC (68%, 60%, and 45%, 43% for bitterness and astringency, respectively). Odorants were not effective at modifying the bitterness or astringency of CAT. We conclude that the use of select bitter blockers and sweeteners may be of value in optimizing the flavor and acceptance of functional food and beverages fortified with phenolic compounds. PRACTICAL APPLICATION: (+)-Catechin is a bitter-tasting plant-derived health-promoting phenolic compound of interest to functional food and beverage manufacturers. We investigated the efficacy of bitter blockers, plant-based sweeteners, and odorants in decreasing the bitterness and astringency elicited by (+)-catechin. Some of these additives, both alone and in combination, reduced bitterness and astringency, and may therefore assist in optimizing the flavor and consumer acceptance of some phenolic-based functional foods and beverages.
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 ».