MétaCan
Menu
Retour à la cohorte
Enregistrement W2039293516 · doi:10.1021/jf803562q

Effect of Dynamic High Pressure Homogenization on the Aggregation State of Soy Protein

2009· article· en· W2039293516 sur OpenAlexaff
Maneephan Keerati‐u‐rai, Milena Corredig

Notice bibliographique

RevueJournal of Agricultural and Food Chemistry · 2009
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueProteins in Food Systems
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésHomogenization (climate)Soy proteinChemistryChromatographyDenaturation (fissile materials)Soybean ProteinsFood scienceNuclear chemistry

Résumé

récupéré en direct d'OpenAlex

Although soy proteins are often employed as functional ingredients in oil-water emulsions, very little is known about the aggregation state of the proteins in solution and whether any changes occur to soy protein dispersions during homogenization. The effect of dynamic high pressure homogenization on the aggregation state of the proteins was investigated using microdifferential scanning calorimetry and high performance size exclusion chromatography coupled with multiangle laser light scattering. Soy protein isolates as well as glycinin and beta-conglycinin fractions were prepared from defatted soy flakes and redispersed in 50 mM sodium phosphate buffer at pH 7.4. The dispersions were then subjected to homogenization at two different pressures, 26 and 65 MPa. The results demonstrated that dynamic high pressure homogenization causes changes in the supramolecular structure of the soy proteins. Both beta-conglycinin and glycinin samples had an increased temperature of denaturation after homogenization. The chromatographic elution profile showed a reduction in the aggregate concentration with homogenization pressure for beta-conglycinin and an increase in the size of the soluble aggregates for glycinin and soy protein isolate.

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 seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,005
Tête enseignante GPT0,184
Écart entre enseignants0,179 · 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

Citations163
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

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