Factors Influencing Gel Formation by Myofibrillar Proteins in Muscle Foods
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract: Considerable research has been done to better understand the basis for gel formation by myofibrillar proteins (MPs) in effort to manufacture acceptable processed meats with lower cost and more desirable nutritional characteristics. Results from research available indicate that there is no substitute for the myofibrillar protein myosin in gel formation by proteins from a wide variety of animal and fish species. This report consolidates information on determinants of protein gel formation, examining types of muscles and fibers, the species influence, and interactions of the MPs actin and myosin with each other and with fat, gelatin, starch, hydrocolloids, some protein soy, whey, and nonprotein additives such as phosphates and acidifiers, and the influences of pH, ionic strength, rates of heating, and its absence, protein oxidation, as well as the use of transglutaminase and high hydrostatic pressure. It is of interest that myosin alone will form acceptable gels. Gel formation by MPs is optimized at pH 6, an ionic strength of 0.6 M, and at 60 to 70 °C. The observations that collagen‐derived gelatin can reduce the rubbery texture of low‐fat products and that solubilization of MPs is not always essential for gel formation, and the observation that good gels can be formed in the absence of salt, are exciting developments that should be considered as pressure mounts to continue to reduce fat and salt in the diet.
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.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découle