Nutrient content and viscosity of Saskatchewan-grown pulses in relation to their cooking quality
Notice bibliographique
Résumé
Pulses are staple foods that are gaining recognition as sources of non-gluten proteins, slow digestible starch, and dietary fiber. Several factors contribute to the cooking quality of pulses including genetics, environment, and their interactions. In this study, four cultivars each of faba bean, lentil, and pea were evaluated for nutrient content, flour viscosity measured by a rapid visco analyzer, and acid and alkaline extract viscosity determined by a cone-plate viscometer. These properties were analyzed in relation to seed hydration and firmness of cooked pulses measured by a texture analyzer to better understand their relationships with and contribution to pulse cooking quality. Pea had the lowest protein (18.7%–22.3%) and highest starch (43.0%–46.3%) followed by lentil (protein 25.1%–26.7%, starch 38.4%–45.5%) and finally faba bean (protein 26.5%–29.2%, starch 38.4%–41.8%). Significant differences (P < 0.05) were observed among cultivars within each crop in hydration capacity and firmness of cooked seeds. Rapid visco analyzer viscosity of pulse flours showed significant differences (P < 0.05) among crops and cultivars, and was significantly correlated with firmness. Firmness was significantly correlated with protein and ash content. The results suggest that firmness of cooked pulses is significantly influenced by seed components and starch behavior during heating, indicating the importance of viscosity in determining the cooking quality of pulses.
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 | 0,001 | 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 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 ».