MétaCan
Menu
Retour à la cohorte
Enregistrement W2383230271

Effect of Glycosylation under Wet-Heating Condition on Functional Properties of Soybean Protein Isolate

2014· article· en· W2383230271 sur OpenAlexaff
Wang Son

Notice bibliographique

RevueFood Science · 2014
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueProteins in Food Systems
Établissements canadiensScience North
Organismes subventionnairesnon disponible
Mots-clésGlycosylationDistilled waterChemistrySolubilityEmulsionSoy proteinFood sciencePea proteinChromatographyBiochemistryOrganic chemistry
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The effect of glycosylation under wet-heating conditions on functional properties of soybean protein isolate(SPI) was investigated by determining the pH, solubility and gel propert ies of glycosylated products from the reaction between 8 g/100 mL of SPI and glucose with a weight ratio of 4:1 in double distilled water at 70, 80 and 90 ℃ for 0, 1, 2, 3, 4, 5 and 6 h, respectively. The results showed that the color of the model system at each temperature became darker with extended heating time, the pH was decreased, the sobubility, emulsifying activity and emulsion stability were signifi cantly improved(P 0.05), and the gel springiness and hardness tended to initially increase and then decrease. The most obvious improvement was observed when the glycosylation reaction temperature was 90 ℃. The solubility and emulsifying activity were increased from 17.37% and 0.168 at 0 h to 38.7% and 0.574 at 6 h, and the highest gel hardness and springiness, 81.3 g and 0.936 were obtained at 3 h. Hence, glycosylated modifi cation can effectively improve functional properties of soy protein isolate.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,010
Score d'incertitude au seuil0,171

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
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 recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,029
Tête enseignante GPT0,225
Écart entre enseignants0,197 · 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 tête enseignante, 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

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFood ScienceMême sujetProteins in Food SystemsTravaux en français237 207