Improving beef hamburger quality and fatty acid profiles through dietary manipulation and exploitation of fat depot heterogeneity
Notice bibliographique
Résumé
BACKGROUND: Hamburger is the most consumed beef product in North America, but lacks in nutritional appeal due to its high fat content and high proportion of saturated fatty acids (SFA). Objectives of the present study were to improve the FA profiles of hamburgers made with perirenal fat (PRF) and subcutaneous fat (SCF) when feeding steers different diets along with examining differences in sensory attributes and oxidative stability. Diets included a control diet containing 70:30 red clover silage: barley based concentrate, a diet containing sunflower-seed (SS) substituted for barley, and diets containing SS with 15% wheat dried distillers' grain with solubles (DDGS-15) or 30% DDGS (DDGS-30). Hamburgers were made from triceps brachii and either PRF or SCF (80:20 w/w). RESULTS: Perirenal fat versus SCF hamburgers FA had 14.3% more (P <0.05) 18:0, 11.8% less cis (c)9-18:1 (P <0.05), and 1.82% more total trans (t)-18:1 mainly in the form of t11-18:1. During sensory evaluation, PRF versus SCF hamburgers had greater (P <0.05) mouth coating, but the difference was less than one panel unit. Examining effects of steer diet within PRF hamburgers, feeding the SS compared to the control diet increased (P <0.05) t-18:1 by 2.89% mainly in the form of t11-18:1, feeding DGGS-15 diet led to no further changes (P >0.05), but feeding DDGS-30 diet reduced the proportions of (P <0.05) of t-18:1 chiefly t11-18:1. Feeding SS and DDGS diets had small but significant (P <0.05) effects on hamburger sensory attributes and oxidative stability. CONCLUSIONS: Feeding high-forage diets including SS and 15% DDGS, and taking advantage of the FA heterogeneity between fat depots offers an opportunity to differentially enhance beef hamburgers with 18:2n-6 biohydrogenation products (i.e., t11-18:1) with potential human health benefits without compromising their sensory attributes and oxidative stability during retail display.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».