MétaCan
Menu
Retour à la cohorte
Enregistrement W2036832060 · doi:10.1021/jf800897s

Protein Recovery in Soymilk and Various Soluble Fractions as a Function of Genotype Differences, Changes during Heating, and Homogenization

2008· article· en· W2036832060 sur OpenAlexaff
Amir Malaki Nik, Susan M. Tosh, Vaino Poysa, L. Woodrow, Milena Corredig

Notice bibliographique

RevueJournal of Agricultural and Food Chemistry · 2008
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueProteins in Food Systems
Établissements canadiensUniversity of GuelphAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésHomogenization (climate)Food scienceGenotypeChemistryChromatographyBiologyBiochemistry

Résumé

récupéré en direct d'OpenAlex

Harovinton, a variety of tofu type soybean, and 11 derived null soybean genotypes lacking specific glycinin (11S) and beta-conglycinin (7S) protein subunits were investigated to determine whether changes in protein composition affected the protein recovery in soymilk and its soluble fractions after various centrifugation steps. As both heating and homogenization have a marked effect on the increase in protein solubility, the changes occurring during these processing steps were studied for each soybean genotype. Harovinton and 11S-null genotypes showed significantly higher protein yields than the other genotypes evaluated. Subunits of group I (A(1), A(2)) of glycinin had a negative impact on protein solubility in all treatments, but this effect was the greatest in unheated soymilk samples. Samples containing a high beta-conglycinin to glycinin ratio showed an effect of heating on the solubility of the protein, as beta-conglycinin subunits aggregate with heating. The presence of the alpha' subunit of beta-conglycinin aids in the recovery of protein in the supernatant prepared from lines containing group I (A(1,4) A(2)) glycinin. The results of this study will help determine which specific protein composition will confer an increased stability in soymilk and soymilk-derived products.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,818
Score d'incertitude au seuil0,173

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,016
Tête enseignante GPT0,182
Écart entre enseignants0,166 · 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

Citations15
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural and Food ChemistryMême sujetProteins in Food SystemsTravaux en français237 207