Impact of liposome-encapsulated enzyme cocktails on cheddar cheese ripening
Notice bibliographique
Résumé
Abstract Cheddar cheese proteolysis and lipolysis were accelerated using liposome-encapsulated enzymatic cocktails. Flavourzyme, neutral bacterial protease, acid fungal protease and lipase (Palatase M) were individually entrapped in liposomes and added to cheese milk prior to renneting. Flavourzyme was tested alone at three concentrations (Z1, Z2 and Z3 cheeses). Enzyme cocktails consisted of lipase and bacterial protease (BP cheeses), lipase and fungal protease (FP cheeses) or lipase and Flavourzyme (ZP cheeses). The resulting cheeses were chemically, rheologically and organoleptically evaluated during 3 months of ripening at 8 °C. Levels of free fatty acids and appearance of bitter and astringent peptides were measured. Certain enzyme treatments (BP and ZP) resulted in cheeses with more mature texture and higher flavor intensity in a shorter time compared with control cheeses. No bitter defect was detected except in 90-day-old FP cheese. A full aged Cheddar flavor was developed in Z3 and ZP cheeses, while treatment BP led to strong typical Cheddar flavor by the second month and did not exhibit any off-flavor when ripening was extended for a further month.
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 | 0,001 |
| 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) | 0,000 | 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 ».