MétaCan
Menu
Retour à la cohorte
Enregistrement W2057674351 · doi:10.1002/star.200700623

Use of Iodine as a Tool to Understand Wheat Starch Pasting Properties

2008· article· en· W2057674351 sur OpenAlexaff
Debora Saibene, Koushik Seetharaman

Notice bibliographique

RevueStarch - Stärke · 2008
Typearticle
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésAmyloseStarchIodineSwellingGranule (geology)SlurryChemistryLeaching (pedology)ViscosityPolymerPolysaccharideChemical engineeringFood sciencePolymer chemistryNuclear chemistryMaterials scienceOrganic chemistryComposite material

Résumé

récupéré en direct d'OpenAlex

Abstract The ability of iodine to bind amylose has been used to understand a variety of structural and functional aspects of starch in food systems. In this study, the changes in starch granule swelling, polymer leaching and their relationship to pasting properties was investigated by adding iodine to the starch slurry at either room temperature or 95°C. The objective of the study was to investigate the contribution of leached and solubilized starch polymers on the pasting behavior of wheat starch. The addition of very small amounts of iodine (0.1%, dry basis, db) at room temperature increased peak and final pasting viscosities as compared to when no iodine was added. Further increases in iodine concentration resulted in a decrease in peak and final pasting viscosities. The amount of iodine required to completely inhibit granule swelling was more than that required to minimize amylose leaching from the granule. Adding increasing amounts of iodine at 95°C to the starch slurry resulted in the gradual decrease in peak and final pasting viscosities. The contrasting effects of iodine on paste viscosity behavior when added at room temperature or at 95°C suggest that the contribution of extra‐granular amylose on the setback viscosity is minimal and a larger proportion of amylose is retained in the intragranular spaces.

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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,220
Score d'incertitude au seuil0,740

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 Opus0,153
Tête enseignante GPT0,291
Écart entre enseignants0,138 · 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

Citations10
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStarch - StärkeMême sujetFood composition and propertiesTravaux en français237 207