MétaCan
Menu
Retour à la cohorte
Enregistrement W2770772215 · doi:10.1111/ijfs.13681

Effect of seaweed flakes addition on the development of bioactivities in functional Camembert‐type cheese

2017· article· en· W2770772215 sur OpenAlexafffund
Attara Hell, Steve Labrie, Lucie Beaulieu

Notice bibliographique

RevueInternational Journal of Food Science & Technology · 2017
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueProtein Hydrolysis and Bioactive Peptides
Établissements canadiensUniversité LavalUniversité du Québec à Rimouski
Organismes subventionnairesInstitut sur la Nutrition et les Aliments FonctionnelsMinistère de l'Agriculture, des Pêcheries et de l'Alimentation
Mots-clésFood scienceFunctional foodRipeningChemistryAntioxidantComposition (language)Antioxidant capacityBotanyBiologyBiochemistry

Résumé

récupéré en direct d'OpenAlex

Summary The effect of adding Palmaria palmata or Saccharina longicruris to Camembert‐type cheese on both the antioxidant capacity ( ORAC ) and Angiotensin I‐converting enzyme ( ACE )‐inhibitory activity has been studied with the aim of developing a functional food. The nutritional composition showed that P. palmata had the highest total protein and carbohydrate contents while S. longicruris demonstrated the highest total fibre and minerals contents. The bioactivities determined in the S. longicruris soluble extract were the highest. Three cheese model curds were studied: cheese control ( CC ), 2% of P. palmata (C2 PP ) and 2% of S. longicruris (C2 SL ). During ripening (20 days), the curd pH of all treatments was significantly similar, as their ORAC values, starting at 0 and reaching 41.28 mmol TE g −1 . The ACE ‐inhibitory activity of the three treatments was significantly similar, at day 0 (13.20%) and day 20 (58.27%). The feasibility of including these two seaweeds into Camembert‐type cheeses was validated through the adequate development of bioactivities during ripening supporting promising food applications.

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 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 enseignants0,014
Score d'incertitude au seuil0,306

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 ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,016
Tête enseignante GPT0,289
Écart entre enseignants0,273 · 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.

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

Citations33
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Food Science & TechnologyMême sujetProtein Hydrolysis and Bioactive PeptidesTravaux en français237 207