MétaCan
Menu
Retour à la cohorte
Enregistrement W2899296203 · doi:10.1111/1750-3841.14375

Effect of Various Hot‐Air Drying Processes on Clam <i>Ruditapes philippinarum</i> Lipids: Composition Changes and Oxidation Development

2018· article· en· W2899296203 sur OpenAlexaff
Zhong‐Yuan Liu, Dayong Zhou, Xin Zhou, Fawen Yin, Qi Zhao, Hongkai Xie, Deyang Li, Beiwei Zhu, Tong Wang, Fereidoon Shahidi

Notice bibliographique

RevueJournal of Food Science · 2018
Typearticle
Langueen
DomaineNursing
ThématiqueFatty Acid Research and Health
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesOcean Public Welfare Scientific Research Project
Mots-clésRuditapesTBARSLipid oxidationChemistryPolyunsaturated fatty acidFood sciencePeroxide valuePhospholipidThiobarbituric acidPhosphatidylcholinePeroxideFatty acidBiochemistryLipid peroxidationAntioxidantOrganic chemistryBiologyFishery

Résumé

récupéré en direct d'OpenAlex

Clam Ruditapes philippinarum was processed by hot-air drying and the changes of its lipids were evaluated by analyzing lipid classes, phospholipid classes, fatty acids, as well as oxidation parameters including peroxide value (POV), thiobarbituric acid-reactive substances (TBARS) value, total oxidation value (TOTOX), and oxidation test (OXITEST). The hot-air drying process reduced the contents of triacylglycerol, phosphatidylcholine, and phosphatidylethanolamine, indicating the hydrolysis of lipids. Meanwhile, the hot-air drying process significantly decreased the proportion of n-6 polyunsaturated fatty acid (PUFA), and consequently increased the PUFA ratio of n-3/n-6. Interestingly, the POV, TBARS and TOTOX decreased after the hot-air drying process. However, significant decline of the induction period for the dried clam tissue at elevated temperatures indicated their higher oxidation level, poor oxidative stability and reduction of shelf-life. Therefore, OXITEST method turned out to be an effective tool for estimating the level of lipid oxidation for hot-air dried clam.

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)0,002
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 enseignants0,087
Score d'incertitude au seuil0,360

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,022
Tête enseignante GPT0,318
Écart entre enseignants0,296 · 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

Citations21
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Food ScienceMême sujetFatty Acid Research and HealthTravaux en français237 207