MétaCan
Menu
Retour à la cohorte
Enregistrement W2158425448 · doi:10.1016/j.lwt.2012.10.019

Inhibitory effect of soy protein coating formulations on walnut (Juglans regia L.) kernels against lipid oxidation

2012· article· en· W2158425448 sur OpenAlexaff
Hye Jin Kang, Sungjin Kim, Young-Sun You, Monique Lacroix, Jaejoon Han

Notice bibliographique

RevueLWT · 2012
Typearticle
Langueen
DomaineMedicine
ThématiquePhytochemicals and Antioxidant Activities
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesNational Research Foundation of Korea
Mots-clésJuglansChemistryFood scienceJuglandaceaeSoy proteinBiochemistry

Résumé

récupéré en direct d'OpenAlex

The aim of this study was to improve the fat stability in walnut ( Juglans regia L.) kernels using an edible coating treatment. Coating solutions were composed of soy protein isolate (SPI), carboxymethylcellulose (CMC) and catechin (CT). Walnuts were dipped in coating solution, dried and stored under abuse temperature condition (35 °C) for 21 days. Lipid oxidation was evaluated by peroxide and thiobarbituric acid reactive substance (TBARS) measurements. Results showed a slight decrease in peroxide values (POV) and a significant reduction of TBARS by coating treatment. The SPI–CT and SPI/CMC–CT coatings were the most effective and decreased the POV by 27 and 31%, respectively, as compared to uncoated walnut after 21 days. The SPI–CT and SPI/CMC–CT coatings also decreased the TBARS value by 16 and 26%, respectively. The incorporation of CT in SPI-based coatings resulted in a synergistic effect on the lipid oxidation preservation. The results of this study show that soy protein-based coating could be a good carrier for antioxidant molecules, and an effective preservative method for extending shelf life and improving the quality stability of oxidation-sensitive kernels.

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 seuil0,002

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)0,0000,000

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 Opus0,014
Tête enseignante GPT0,271
Écart entre enseignants0,257 · 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

Citations93
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLWTMême sujetPhytochemicals and Antioxidant ActivitiesTravaux en français237 207