Effect of Formulation and Processing Treatments on Viscosity and Solubility of Extractable Barley β‐Glucan in Bread Dough Evaluated Under In Vitro Conditions
Notice bibliographique
Résumé
ABSTRACT β‐Glucan shows great potential for incorporation into bread due to its cholesterol lowering and blood glucose regulating effects, which are related to its viscosity. The effects of β‐glucan concentration, gluten addition, premixing, yeast addition, fermentation time, and inactivation of the flour enzymes on the viscosity of extractable β‐glucan following incorporation into a white bread dough were studied under physiological conditions, as well as, β‐glucan solubility in fermented and unfermented dough. β‐Glucan was extracted using an in vitro protocol designed to approximate human digestion and hot water extraction. The viscosity of extractable β‐glucan was not affected by gluten addition, the presence of yeast, or premixing. Fermentation produced lower ( P ≤ 0.05) extract viscosity for the doughs with added β‐glucan, while inactivating the flour enzymes and increasing β‐glucan concentration in the absence of fermentation increased ( P ≤ 0.05) viscosity. The physiological solubility of the β‐glucan concentrate (18.1%) and the β‐glucan in the unfermented dough (20.5%) were similar ( P > 0.05), while fermentation substantially decreased ( P ≤ 0.05) solubility to 8.7%, indicating that the reduction in viscosity due to fermentation may be highly dependent on solubility in addition to β‐glucan degradation. The results emphasize the importance of analyzing β‐glucan fortified foods under physiological conditions to identify the conditions in the dough system that decrease β‐glucan viscosity so that products with maximum functionality can be developed.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».