MétaCan
Menu
Retour à la cohorte
Enregistrement W2030365834 · doi:10.1021/jf0400922

Production of Soy Protein Concentrates Using a Combination of Electroacidification and Ultrafiltration

2004· article· en· W2030365834 sur OpenAlexaff
Martin Mondor, Denis Ippersiel, F. Lamarche, Joyce I. Boye

Notice bibliographique

RevueJournal of Agricultural and Food Chemistry · 2004
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueEnzyme Production and Characterization
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésUltrafiltration (renal)SolubilityChemistryChromatographySoy proteinPotassiumPrecipitationPermeationPhosphorusMembraneFood scienceBiochemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Soy protein concentrates produced by combining electroacidification and dead-end ultrafiltration with a membrane of 100 kDa (pH 7 and 6) were compared with concentrates produced by ultrafiltration (pH 9) and a traditional acid precipitation procedure at pH 4.5. Mineral removal during ultrafiltration (mainly potassium, phosphorus, and calcium) was enhanced for the pH 6 electroacidified extract, compared to the extract at pH 9. This yielded a concentrate with improved solubility characteristics. The solubility for the concentrate prepared at pH 6 was enhanced by as high as 45% when compared to the concentrate at pH 9. The concentrate produced according to the traditional acid precipitation process showed mineral contents and solubility profile similar to those of the pH 6 concentrate, but required twice as much water during the process. The effect of electroacidification treatments on ultrafiltration permeate flux was quantified through the measurement of the different hydraulic resistances. Cake resistance was the main resistance to the permeate flux, and it was minimum at pH 9, maximum at pH 7, and intermediate at pH 6.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,008
Tête enseignante GPT0,201
Écart entre enseignants0,194 · 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 source (Gemma direct ou Codex distillé), 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

Citations37
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural and Food ChemistryMême sujetEnzyme Production and CharacterizationTravaux en français237 207