MétaCan
Menu
Retour à la cohorte
Enregistrement W2466508151 · doi:10.1021/bk-2005-0920.ch001

Importance of Non-Triacylglycerols to Flavor Quality of Edible Oils

2005· book-chapter· en· W2466508151 sur OpenAlexaff
Fereidoon Shahidi, Fayez� Hamam, Muhammad Ahmad Khan

Notice bibliographique

RevueACS symposium series · 2005
Typebook-chapter
Langueen
DomaineChemistry
ThématiqueEdible Oils Quality and Analysis
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésDegree of unsaturationUnsaponifiableChemistryFood scienceFlavorOdorAnimal fatOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Edible oils from vegetable and animal sources are composed primarily of triacylglycerols and to a lesser extent minor components referred to as unsaponifiable matter. During processing of oils and as a result of reactions in production of structured and other novel lipids many of these components are removed and hence the relative stability of the preparation is compromised. Presence of chlorophyll in the oils, both endogenous and in the additives, resulted in enhanced production of odor-active aldehydes under fluorescent light. However, simultaneous removal of non-triacylglycerol components reduced the stability of oils under Schaal oven conditions. In enzymic acidolysis of algal oils with capric acid we found that the resultant oils were much less stable than their unaltered counterparts despite a decrease in the degree of unsaturation of the products. Experiments carried out in the absence of any enzyme showed that removal of endogenous antioxidants was indeed responsible for this phenomenon.

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,025
Tête enseignante GPT0,287
Écart entre enseignants0,262 · 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.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS symposium seriesMême sujetEdible Oils Quality and AnalysisTravaux en français237 207