The Influence of Particle Size and Protein Content in Particle-Filled Myofibrillar Protein Gels
Notice bibliographique
Résumé
The addition of glass microspheres as a model insoluble, hydrophilic filler in comminuted meat gels was investigated. The influence of protein content (9, 11, and 13%), filler size (∼4 μm, 7 to 10 μm, and 30 to 50 μm), and volume fraction filler (ϕf) on the microstructure, cooking losses, and large deformation/textural properties were evaluated. Microstructural analysis indicated the glass microspheres did not strongly interact with the gel matrix. For all protein levels investigated, cooking losses decreased with increasing ϕf, and this impact was more pronounced with smaller filler particles. The textural attributes of the 9 and 11% protein gels exhibited a similar dependence on filler size. When incorporating the 4 μm and 7 to 10 μm particles at increasing ϕf, the Hardness, Resilience, Cohesiveness, and Springiness all displayed a sharp increase to a plateau. The larger 30 to 50 μm particles exhibited no increase in any of the textural properties until higher ϕf were employed. In the 13% protein gels, the influence of the particles were diminished, and the effect of particle size was substantially reduced. The influence of these insoluble model filler particles was attributed to their ability to decrease the mobility of the aqueous phase, which explains their minor impact on more stable formulations. Through this work, it has been demonstrated that micrometer-sized hydrophilic particles have the potential to improve the stability and enhance the textural properties of comminuted meat gels. These findings suggest that micrometer-sized inert particles might function as an effective stabilizer in comminuted meat batters at low concentrations.
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 ».