Investigation of low molecular weight peptides (<1 kDa) in chicken meat and their contribution to meat flavor formation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Low molecular weight peptides (LMWPs) (<1 kDa) generated in meat during chilled conditioning can act as flavor precursors in the Maillard reaction with a potential contribution to key volatile organic compound (VOC) formation upon heating. Liquid chromatography/quadrupole time-of-flight mass spectrometry (LC/QTOF-MS) successfully detected 44 LMWPs in chicken breast and thigh muscles stored at 4 °C for up to 6 days. Carnosine (350 mg per 100 g), glutathione (GSH, 20 mg per 100 g) (concentrations based on reported values in the literature) and cysteine glycine (Cys Gly, 5 mg per 100 g) (concentration based on results from LC/QTOF-MS) were used in model systems containing ribose (25 mg per 100 g). The three model systems were heated at 180 °C for 2 h at pH 6.3. VOCs were measured by simultaneous distillation solvent extraction/gas chromatography/mass spectrometry. RESULTS: Of 33 VOCs detected, 26 were significantly different (P ≤ 0.05) between the three peptides. The majority of nitrogen-containing volatiles, pyrazines and pyridines, dominated the carnosine mixture, while sulfur-containing VOCs dominated the GSH and Cys Gly peptide mixtures. CONCLUSION: Known key aroma compounds such as thiazole (meaty), 2-methyl-3-furanthiol (beef and meat), 2-furfurylthiol (roasted), dihydro-2-methyl-3(2H)-thiophenone (meaty), 2-acetylthiazole (meaty and roasted) and pyrazine (meaty) were detected under conditions specific to aged and thermally treated chicken, suggesting a potential contribution to the overall sensory quality of cooked meat. © 2018 Society of Chemical 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.
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 | 0,000 |
| 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 découle