MétaCan
Menu
Retour à la cohorte
Enregistrement W2118428781 · doi:10.1039/c3fo60654f

Oil binding capacities of triacylglycerol crystalline nanoplatelets: nanoscale models of tristearin solids in liquid triolein

2014· article· en· W2118428781 sur OpenAlexafffund
M. Shajahan G. Razul, Colin MacDougall, Charles B. Hanna, Alejandro G. Marangoni, Fernanda Peyronel, Erzsēbet Papp-Szabó, David A. Pink

Notice bibliographique

RevueFood & Function · 2014
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood Chemistry and Fat Analysis
Établissements canadiensUniversity of GuelphSt. Francis Xavier University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaU.S. Food and Drug AdministrationAdvanced Foods and Materials NetworkUniversities Space Research AssociationNational Science Foundation
Mots-clésTrioleinAnhydrousChemistryChemical engineeringChromatographyOrganic chemistryFood scienceMaterials scienceLipase

Résumé

récupéré en direct d'OpenAlex

Polycrystalline particles composed of triacylglycerol (TAG) molecules, and their networks, in anhydrous TAG oils find extensive use as edible oils in the food industry. Although modelling studies of TAG systems, have been carried out, none have attempted to address a problem of central concern to food science and technology: the "oil binding capacity" of a system of such edible oils. Crystalline nanoparticles (CNPs) have recently been identified as the fundamental components of solid fats in oils. Oil binding capacity is an important concept regarding the ability of fats particles to retain oil, and the ability of these CNPs to bind oil is important in designing healthy foods. We have carried out atomic scale molecular dynamics computer simulations to understand the behavior of a triacylglycerol oil (triolein) in nanoscale confinements between tristearin CNPs. We define a nanoscale oil binding capacity function by utilizing the average oil number density, 〈Φ(d)〉, between two CNPs as a function of their separation, d. We modelled pure tristearin CNPs as well as tristearin CNPs in which the surfaces are covered with an interface comprising soft permanent coatings. Their surfaces are "hard" and "soft" respectively. We found that for a pair of hard-surface tristearin CNPs a distance d apart, (i) triolein exhibits number density, and therefore density, oscillations as a function of d, and (ii) the average number density between two such CNPs decreases as d decreases, viz. the oil binding capacity is lowered. When a soft layer of oil covers the CNP surfaces, we found that the oscillations are smeared out and that the average number density between the two CNPs remained approximately constant as d decreased indicating a high oil binding capacity. Our results might have identified important nanoscale aspects to aid in healthy food design.

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 enseignants0,046
Score d'incertitude au seuil0,251

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 Opus0,019
Tête enseignante GPT0,185
Écart entre enseignants0,166 · 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

Citations21
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFood & FunctionMême sujetFood Chemistry and Fat AnalysisTravaux en français237 207