MétaCan
Menu
Retour à la cohorte
Enregistrement W2803093639 · doi:10.3390/molecules23040925

Pectin from Citrus Canning Wastewater as Potential Fat Replacer in Ice Cream

2018· article· en· W2803093639 sur OpenAlexaff
Hua Zhang, Jianle Chen, Junhui Li, Chaoyang Wei, Xingqian Ye, John Shi, Shiguo Chen

Notice bibliographique

RevueMolecules · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePolysaccharides and Plant Cell Walls
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésPectinFood scienceIce creamChemistryRheologyFlavorMaterials science

Résumé

récupéré en direct d'OpenAlex

Pectin had been recovered from canning wastewater produced by chemical treatment of segment membrane during preparation of canned citrus in our previous research. The purpose of this study was to characterize the extracted pectin from canning wastewater, and to evaluate its application as a fat alternative to replace fat in ice cream. The monosaccharide composition and rheological properties of the pectin were determined. The influences of fat reduction and pectin addition on the physicochemical, rheological and sensory properties of low-fat ice cream were determined. The rheological results showed that pectin solutions were typical pseudoplastic fluids. The addition of pectin in ice cream can cause an increase in viscosity, overrun, and hardness, and a decrease in meltdown of the ice cream. When 0.72% pectin (w/w) is incorporated into ice cream, a prototype product of ice cream with 45% lower fat content compared to the control was made. Results indicated that their qualities such as appearance, flavor, and taste were not significantly different. The low-fat ice cream had higher smoothness scores and lower mouth-coating scores. Hence, pectin extracted from citrus canning wastewater can be potentially used as fat replacer in ice cream, which benefits both the environment and the food industry.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,143
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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)0,0020,000

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 Opus0,010
Tête enseignante GPT0,206
Écart entre enseignants0,196 · 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.

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

Citations52
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMoleculesMême sujetPolysaccharides and Plant Cell WallsTravaux en français237 207