MétaCan
Menu
Retour à la cohorte
Enregistrement W2499033639 · doi:10.20286/nova-jmbs-050202

Some Functional Properties of Kafirin Extracted from a- High- Tannin Sorghum Cultivar

2016· article· en· W2499033639 sur OpenAlexvenueno aff
Abd Elmoneim O. Elkhalifa, Sarah A. Ahmed, Sohair M. Ahmed

Notice bibliographique

RevueNova Journal of Medical and Biological Sciences · 2016
Typearticle
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSorghumTanninChemistryFood sciencePorosityAgronomyBiology

Résumé

récupéré en direct d'OpenAlex

Kafirin was extracted form a whole high tannins sorghum flour (Fetarita). Different functional properties of produced protein were studied and sorghum flour was used as a control. Results showed that the extracted kafirin has a significant low loose and packed bulk densities compared to the control sorghum flour. The porosity of the control (0.374 g/ml) significantly higher than the extracted kafirin (0.196 g/ml). The Carr index for the kafirin was 20.4%, while it was 39.2% for the sorghum flour Alkaline water retention, as well as water and oil holding capacity of the extracted protein were highly significant than the control, and the results showed that kafirin was highly viscous with a water holding capacity of 2.01 ml H2O/g protein, oil holding capacity of 2.10 ml oil/g protein. There is no significant differences between the emulsifying activity of the kafirin and the control, while the kafirin had high emulsifying stability than the control by 11%. No foam capacity and stability were observed for the control, while the kafirin showed 2.75% foam capacity with no foam stability reported. Results shows that the control sorghum flour took longer time (84.9 sec) to completely be wet in cold water than the extracted kafirin (25.0 sec). SEM results of the kafirin supports the development in functional properties.Keywords: Sorghum, Kafirin, Functional properties; SEM.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,476
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,137
Tête enseignante GPT0,294
Écart entre enseignants0,157 · 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
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

Citations7
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNova Journal of Medical and Biological SciencesMême sujetFood composition and propertiesTravaux en français237 207