MétaCan
Menu
Retour à la cohorte
Enregistrement W2736051956 · doi:10.1111/jtxs.12283

Quality attributes of bread fortified with staghorn sumac extract

2017· article· en· W2736051956 sur OpenAlexaff
Sunan Wang, Fan Zhu

Notice bibliographique

RevueJournal of Texture Studies · 2017
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueMedicinal Plant Research
Établissements canadiensNiagara College
Organismes subventionnairesnon disponible
Mots-clésFood scienceIngredientPreservativeFlavorAnacardiumAromaPolyphenolChemistryShelf lifeDried fruitTraditional medicineBiologyHorticultureMedicineBiochemistry

Résumé

récupéré en direct d'OpenAlex

Staghorn sumac (Rhus typhina) is rich in polyphenols and may be used as an innovative ingredient in maintaining and enhancing food quality. In this report, aqueous extracts of sumac fruit powder were added up to 10% in wheat bread formulation. The extract concentration-dependently delayed the mold growth (up to 5 log reduction in 7-day storage) and the staling of bread. Adding sumac extracts dose-dependently increased the total phenolic and anthocyanin contents of the breads. Minimal changes were observed in loaf volume, water activity, moisture content, texture (cohesiveness, springiness, and adhesive), and aroma of breads containing extracts of less than 4%. Overall, sumac addition altered several quality attributes of bread, including hardness, color, and sensory acceptance in appearance, flavor, and texture. Sumac holds potential as a natural preservative and an antistaling agent in bread formulation. PRACTICAL APPLICATIONS: The rising healthy food market demands bakery products fortified with novel functional ingredients. Staghorn sumac is an emerging healthy food ingredient that has attracted much research attention recently. This study provides a scientific basis to develop bread fortified with sumac-derived functional ingredients. The results pointed out the feasibility of making sumac-fortified breads with enhanced phenolic content, increased shelf life, and acceptable sensory profile.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0010,000

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 Opus0,197
Tête enseignante GPT0,410
Écart entre enseignants0,213 · 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 source (Gemma direct ou Codex distillé), 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

Citations18
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Texture StudiesMême sujetMedicinal Plant ResearchTravaux en français237 207