MétaCan
Menu
Retour à la cohorte
Enregistrement W2055729159 · doi:10.1094/cchem.2000.77.1.70

Effects of Commercial Hydrolytic Enzyme Additives on Canadian Short Process Bread Properties and Processing Characteristics

2000· article· en· W2055729159 sur OpenAlexaffabout
O. Harada, E. D. Lysenko, K.R. Preston

Notice bibliographique

RevueCereal Chemistry · 2000
Typearticle
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensCanadian International Grains Institute
Organismes subventionnairesnon disponible
Mots-clésCellulaseChemistryFood scienceAmylaseEnzymeSofteningHydrolysisProteasesBread makingBiochemistryMaterials scienceComposite material

Résumé

récupéré en direct d'OpenAlex

ABSTRACT The effects of increasing levels of eight commercial enzymes representing four types of fungal hydrolytic enzymes (α‐amylases, proteases, xylanases, and cellulases) on Canadian short process (CSP) bread quality and processing characteristics were studied. Addition of all enzymes types at optimum levels resulted in increased loaf volume and bread score and softer crumb. All four types of enzymes appeared to be equally effective in improving bread properties compared with the controls. At high levels, greater tolerance to the addition of xylanases and cellulases compared with the addition of α‐amylases and proteases was apparent. Mixing requirements increased with increasing levels of α‐amylase but no change was apparent with the other enzymes. Addition of all enzymes reduced sheeting work requirements, indicating a dough softening effect. Optimum bread properties for all enzymes were attained within a relatively narrow range of dough sheeting work values, which presumably correspond to optimum dough handling properties. The similarity in response of bread and sheeting characteristics at optimum levels of addition for all four enzyme types suggests a common nonspecific mechanism for improver action that is probably related to water release and the resulting impact on physical dough properties.

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 enseignants0,722
Score d'incertitude au seuil0,678

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 Opus0,013
Tête enseignante GPT0,222
Écart entre enseignants0,209 · 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

Citations39
Publié2000
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCereal ChemistryMême sujetFood composition and propertiesTravaux en français237 207