MétaCan
Menu
Retour à la cohorte
Enregistrement W2102996761 · doi:10.5539/jfr.v3n3p57

Post-Mortem Chemical Changes in Poultry Breast Meat Monitored With Visible-Near Infrared Spectroscopy

2014· article· en· W2102996761 sur OpenAlexvenueno aff
Samantha A. Hawkins, Brian Bowker, Hong Zhuang, Gary R. Gamble, Ronald A. Holser

Notice bibliographique

RevueJournal of Food Research · 2014
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueMeat and Animal Product Quality
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMyoglobinMyofibrilBroilerSpectroscopyNear-infrared spectroscopyInfrared spectroscopyChemistryPostmortem ChangesChicken breastAnalytical Chemistry (journal)Food scienceBiologyPathologyBiochemistryChromatographyMedicine

Résumé

récupéré en direct d'OpenAlex

Chicken meat undergoes significant chemical and structural changes with postmortem time that influence meat quality characteristics. The objective of this study was to measure the visible-near infrared (vis-NIR) spectral differences in broiler breast fillets at 0.5, 4, 24, and 120 h postmortem. Muscle samples were flash frozen and freeze-dried prior to spectra analysis. In the visible region of the spectra (400-700 nm) changes in myoglobin protein peaks were observed with postmortem time. Freeze-drying muscle samples provided additional information from the NIR region of the spectra (800-2500 nm) on muscle protein changes during postmortem aging. Alterations to the b-sheet and a-helix structures of myofibrillar proteins and changes in the amount of bound water were observed in the NIR region with postmortem aging. Data from this study demonstrate that changes in breast fillets with postmortem time that are related to meat quality traits are detectable using vis-NIR spectroscopy.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,059
Tête enseignante GPT0,322
Écart entre enseignants0,263 · 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 source (Gemma direct ou Codex distillé), 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
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Food ResearchMême sujetMeat and Animal Product QualityTravaux en français237 207