Application of Barley‐ and Lentil‐Protein Concentrates in the Production of Protein‐Enriched Doughnuts
Notice bibliographique
Résumé
Abstract Barley and lentil proteins have good emulsifying and foaming capacity, which make them suitable ingredients in many food formulations. The aim of this research was to develop protein‐enhanced foods based on barley and lentil proteins using doughnut as a food model. In enriched doughnut formulations, barley proteins were used to substitute for 20% of the wheat flour (doughnuts labeled as barley doughnut, barley/lentil doughnut [BLD], and vegan doughnut [VD]) and lentil proteins were used as an egg replacer (in BLD and VD doughnuts). A VD formulated with barley and lentil proteins to replace egg white protein and milk was also tested. The physicochemical parameters, proximate composition, and sensory qualities of the prepared doughnuts were studied and compared with the control doughnut (CD) containing egg white and milk. The protein‐enriched doughnuts showed better cooking characteristics with reduced cooking loss and diameter reduction compared to the control. In addition, they had a higher protein and β‐glucan content. During the storage‐stability test, the doughnuts containing lentil and barley proteins showed higher values for hardness, chewiness, and gumminess compared to the control. However, the sensory scores for appearance, flavor, and overall liking were rated more favorable toward the CD. It is also noticed that the fat content and caloric values increased for some protein‐enriched doughnut formulations. Considering the consumers’ demand of high‐protein convenient snack foods, the doughnuts prepared with barley and lentil proteins may have potential for commercialization with some improvements.
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 | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 ».