MétaCan
Menu
Retour à la cohorte
Enregistrement W2889370577 · doi:10.1002/cche.10100

Baking tests: Effect of sucrose and water on yeast gassing power

2018· article· en· W2889370577 sur OpenAlexaff
Pierre Gélinas, Carole McKinnon

Notice bibliographique

RevueCereal Chemistry · 2018
Typearticle
Langueen
DomaineNursing
ThématiqueMicrobial Metabolites in Food Biotechnology
Établissements canadiensCegep de Saint HyacintheAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésChemistryYeastFood scienceSucroseSugarFermentationVolume (thermodynamics)Biochemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Background and objectives Baking tests must be performed with formulations giving controlled gas production. The aim of this study was to investigate the effect of sucrose and water on yeast gassing power in dough. Total gas production, gas production rate, and residual fermentable sugars were determined in dough made with white flour and ten wholemeal samples. Findings With white flour adjusted for diastatic activity, gas produced after 3 hr at 38°C was constant in dough containing up to 6% sucrose. In the latter, yeast gassing power increased according to water content contrary to non‐sugared dough which gave uniform gas production. Yeast inhibition was seen with all flour samples tested. Gas production in dough also varied according to the yeast lot. Conclusions Sucrose and lack of water inhibited yeast gassing power in dough. Depending on the water content, fermented dough with 6% sucrose produced 10%–30% less gas than non‐sugared dough. Significance and novelty Yeast was inhibited by osmotic pressure in dough containing too much sugar and, to a lesser extent, too little water, resulting in variable gas production and potential bias in bread volume. Baking tests on flour with low water absorption should be performed with non‐sugared dough.

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 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 enseignants0,011
Score d'incertitude au seuil0,517

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)0,0000,000

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 Opus0,005
Tête enseignante GPT0,249
Écart entre enseignants0,244 · 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

Citations11
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCereal ChemistryMême sujetMicrobial Metabolites in Food BiotechnologyTravaux en français237 207