Impact of Nisin Producing Culture and Liposome-encapsulated Nisin on Ripening of Lactobacillus added-Cheddar Cheese
Notice bibliographique
Résumé
This study aimed to evaluate the effects of incorporating liposome-encapsulated nisin Z, nisin Z producing Lactococcus lactis ssp. lactis biovar. diacetylactis UL719, or Lactobacillus casei-casei L2A adjunct culture into cheese milk on textural, physicochemical and sensory attributes during ripening of Cheddar cheese. For this purpose, cheeses were made using a selected nisin tolerant cheese starter culture. Proteolysis, free fatty acid production, rheological parameters and hydrophilic/hydrophobic peptides evolution were monitored over 6 mo ripening. Sensory quality of cheeses was evaluated after 6 mo. Incorporating the nisin-producing strain into cheese starter culture increased proteolysis and lipolysis but did not significantly affect cheese rheology. Liposome-encapsulated nisin did not appear to affect cheese proteolysis, rheology and sensory characteristics. The nisinogenic strain increased the formation of both hydrophilic and hydrophobic peptides present in the cheese water extract. Sensory assessment indicated that acidic and bitter tastes were enhanced in the nisinogenic strain-containing cheese compared to control cheese. Incorporating Lb. casei and the nisinogenic culture into cheese produced a debittering effect and improved cheese flavor quality. Cheeses with added Lb. casei and liposome-encapsulated nisin Z exhibited the highest flavor intensity and were ranked first for sensory characteristics.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».