Preparation of Salad Dressing Emulsions Using Lentil, Chickpea and Pea Protein Isolates: A Response Surface Methodology Study
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, ηap, σ0, 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.
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 | 0,000 |
| 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 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 ».