Study of morphology, chemical, and amino acid composition of red deer meat
Notice bibliographique
Résumé
AIM: The aim of this study was to evaluate red deer (maral) meat quality based on chemical composition, pH, water-binding capacity (WBC), and amino acid content. MATERIALS AND METHODS: Maral meat surface morphology measurements were obtained by scanning electron microscopy. Active acidity (pH) was determined by potentiometry. Samples were analyzed for WBC by exudation of moisture to a filter paper by the application of pressure. Chemical composition (moisture, protein, fat, and ash fractions) was obtained by drying at 150°C and by extraction, using ethylic ether, and ashing at 500-600°C. The amino acid composition was obtained by liquid chromatography. RESULTS: Maral meat, with a pH of 5.85 and an average moisture content of 76.82%, was found to be low in fat (2.26%). Its protein content was 18.71% while its ash content was 2.21%. The amino acid composition showed that lysine (9.85 g/100 g), threonine (5.38 g/100 g), and valine (5.84 g/100 g) predominated in maral meat, while phenylalanine (4.08 g/100 g), methionine (3.29 g/100 g), and tryptophan (0.94 g/100 g) were relatively low in maral meat compared to other meats. The average WBC was found to be 65.82% and WBC was found to inversely correlate with moisture content. CONCLUSION: Low-fat content, high mineral content, and balanced amino-acid composition qualify maral meat as a worthy dietary and functional food.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».