Preparation of Salad Dressing Emulsions Using Lentil, Chickpea and Pea Protein Isolates: A Response Surface Methodology Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract The effect of pulse protein, egg yolk and oil contents on the physical properties (i.e., static and dynamic rheological behavior, texture) of lentil‐, pea‐ and chickpea‐supplemented salad dressings was studied using a three‐factor central composite design (CCD). Multiple regression equations were developed to describe the effects of the independent variables on several response variables. In general, an increase in oil and emulsifier (pulse protein or egg yolk) contents modified the rheological and textural properties and led to either a linear or a nonlinear increase in several parameters, including , m , η ap , σ 0 , Q (t) % and firmness. Response surface methodology was used to optimize the salad dressing formulations based on selected response variables, which were either maximized or minimized, or targeted using average values of parameters for several commercial salad dressings. The validation test confirmed the overall adequacy of the response surface models in predicting specific properties of the set formulations. Practical Applications The use of egg yolk as an emulsifier in the formulation of salad dressings may be a concern for those with high cholesterol. Proteins prepared from pulses may be promising value‐added replacements for such reduced egg‐yolk emulsion‐type food products. We have demonstrated the feasibility of making pulse protein‐supplemented salad dressings with physical properties similar to those of commercial dressings by varying levels of pulse protein, egg yolk and oil in salad dressing emulsion systems.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,001 |
| 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) | 0,000 | 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 découle