Textural and Rheological Properties of Oat Beta-Glucan Gels with Varying Molecular Weight Composition
Notice bibliographique
Résumé
The impact of oat β-glucan concentration and molecular weight (MW) on gel properties was investigated. Mixed MW gels/viscous solutions at 3, 4, and 5% β-glucan with high molecular weight (HMW):low molecular weight (LMW) ratios of 0:100, 25:75, 50:50, 75:25, and 100:0 were evaluated. The 100:0 and 50:50 gels had the lowest tan δ values. The 50:50 gels had the highest storage moduli ( G ′), whereas 100:0 solutions did not gel. Peak melting temperature ( T P ) was highest for 0:100 gels and decreased with the addition of HMW β-glucan. Hardness, at 40% compression, increased with concentration, and 25:75 and 50:50 gels were hardest at each concentration. Ordered microstructure, apparent in 0:100 gels, diminished with HMW β-glucan addition. Glucose addition resulted in lower tan δ values and firmer, harder gels compared to gels without glucose. Thus, the textural properties and melting profiles of β-glucan gels can be manipulated by adjusting the ratios of molecular weight fractions or addition of sugar for different applications.
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 | 0,000 | 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) | 0,001 | 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 ».