MétaCan
Menu
Retour à la cohorte
Enregistrement W2161054957 · doi:10.1111/1750-3841.12702

Effect of β‐Glucan–Rich Barley Flour Fraction on Rheology and Quality of Frozen Yeasted Dough

2014· article· en· W2161054957 sur OpenAlexaff
A. A. Hamed, Sanaa Ragaee, El‐Sayed M. Abdel‐Aal

Notice bibliographique

RevueJournal of Food Science · 2014
Typearticle
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensAgriculture and Agri-Food CanadaMinistry of Agriculture, Food and Rural AffairsUniversity of Guelph
Organismes subventionnairesArcher Daniels Midland
Mots-clésRheologyFood scienceGlutenChemistryGluten freeBarley flourWheat flourCongelationMaterials scienceComposite material

Résumé

récupéré en direct d'OpenAlex

Research has shown that prolonged frozen storage of bread dough reduces the quality of the end product. In this study, the effect of air-classified barley flour fraction rich in β-glucan (approximately 25%) on rheology and quality of frozen yeasted bread dough was investigated. Wheat flour (W) was replaced by air-classified barley flour fraction (B) at 10% without or with 1.4% vital gluten to produce β-glucan enriched barley dough (WB) or barley dough plus gluten (WB + G). Dough products were stored at -18 ºC for 8 wk and their rheological properties were investigated weekly. During frozen storage dough extensibility increased, while elastic and viscous moduli decreased. Differential scanning calorimeter and nuclear magnetic resonance data indicated that WB and WB + G dough products contained approximately 10% less freezable water and 9% more bound water compared to the control dough (W). β-Glucan enriched dough also exhibited less changes in gluten network as shown by SEM photographs. The addition of air-classified barley flour fraction at 10% in frozen dough reduced deterioration effects caused by frozen storage via minimizing water redistribution and maintaining rheological properties of frozen dough.

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 Opus0,028
Tête enseignante GPT0,315
Écart entre enseignants0,288 · 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

Citations25
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Food ScienceMême sujetFood composition and propertiesTravaux en français237 207