Rheological Approaches Suitable for Investigating Starch and Protein Properties Related to Cooking Quality of Durum Wheat Pasta
Notice bibliographique
Résumé
Abstract Starch and protein properties of semolina and pasta samples were investigated using MVAG and GPT, which are generally used for starch and common wheat flour characterization. From two semolina, which have different starch and protein content and pasta‐making qualities, four spaghetti samples were produced and dried using low‐ or high‐temperature drying. Starch and protein arrangements in dried pasta were related to pasta cooking behavior. The tests discriminated semolinas according to their technological quality. Good quality semolina (A) exhibited a high pasting temperature, low hot viscosity, and high and earlier protein aggregation properties. In regard to pasta, when dried at a low temperature, spaghetti from sample A showed lower cooking loss than pasta from poor quality semolina (B), which is probably related to the low starch swelling and a strong network. The use of HT cycle lowered the differences in cooking quality and starch and protein properties related to the raw‐materials features. Practical Applications The development of a rapid method for evaluating semolina quality and how it relates to starch, protein properties and pasta cooking quality is of great interest for the pasta‐making industry. This research highlights that MVAG and GPT tests are able to discriminate semolina according to their technological quality in a short time and using a low amount of sample. In addition, the tests gave useful information for understanding the effect of both raw‐materials characteristics and drying conditions on starch and protein macromolecules in determining the final cooking quality.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».