Optimization of Physical Force-Assisted Alkaline Extraction of Rice Bran Protein
Notice bibliographique
Résumé
This study comparatively evaluated the efficiencies of alkaline extraction, colloid milling-assisted alkaline extraction, ultrasonic-assisted alkaline extraction, and colloid milling, ultrasonic-assisted extraction for the extraction of rice bran protein(RBP) with respect to RBP yield and purity. It was shown that a significantly increased extraction yield and a RBP purity of 74.27% were obtained by the colloid milling, ultrasonic-assisted extraction method. In this method, the extraction parameters ultrasonic power, solid-to-solvent ratio, temperature and extraction time were optimized by response surface methodology using the Design Expert 8.0.6. The optimum extraction conditions for maximizing RBP yield were determined as 40 mesh, 9, 69 W, 4 s, 2 s, 20:1(mL/g), 40 min and 46 ℃ for rice bran granularity, pH, ultrasonic power, working time, intermittent time, solid-to-solvent ratio, ultrasonication time and extraction temperature, respectively. The predicted extraction yield of RBP was 92.14%, agreeing with the experimental value(90.84%). The colloid milling, ultrasonic-assisted extraction method could significantly increase the extraction yield of RBP and shorten the extraction time and thus could provide a foundation for for further study of rice bran protein.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 tête enseignante, 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 ».