MétaCan
Menu
Retour à la cohorte
Enregistrement W2164855796 · doi:10.1139/w00-118

The effect of the addition of proteases and glucanases during yeast autolysis on the production and properties of yeast extracts

2001· article· en· W2164855796 sur OpenAlexaffvenue
J. Conway, Hélène Gaudreau, Claude P. Champagne

Notice bibliographique

RevueCanadian Journal of Microbiology · 2001
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueEnzyme Production and Characterization
Établissements canadiensLallemand (Canada)
Organismes subventionnairesnon disponible
Mots-clésAutolysis (biology)ProteasesYeastProteaseYeast extractPapainFood scienceBiochemistryBiologyHydrolysisChemistryFermentationEnzymeMicrobiology

Résumé

récupéré en direct d'OpenAlex

Yeast extracts (YE) were produced with the addition of proteases or glucanases during bakers' yeast (Saccharomyces cerevisiae) autolysis. Chemical composition, physical properties, and biological value of the YE were examined. Proteases had the highest impact on the turbidity and filterability of YE. All 11 proteases and two glucanases increased YE yields (% yeast solids solubilized) obtained from heated (80 degrees C/15 min) bakers' yeast creams (BYC). However, when proteases were added to native (unheated) BYC during autolysis, few increased YE yields, with papain being the most effective. The increased yields were generally related to increased levels of total nitrogen (TN) and alpha-amino nitrogen (alpha-AN) in the YE. Media were supplemented with the various yeast extracts, and the highest growth rates (mumax) and biomass values (ODmax) of Lactobacillus acidophilus were noted. The best growth was obtained with YE produced with native BYC treated with a fungal protease, and results of this study show that some enzymes could be used to produce improved YE for microbiological media.

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)0,001
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
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
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 recherche0,0000,001
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 Opus0,006
Tête enseignante GPT0,177
Écart entre enseignants0,170 · 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

Citations23
Publié2001
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of MicrobiologyMême sujetEnzyme Production and CharacterizationTravaux en français237 207