MétaCan
Menu
Retour à la cohorte
Enregistrement W2909021884 · doi:10.5539/jfr.v8n1p52

Sugar Profile of Syrups from Malted and Unmalted Rice of Different Varieties

2019· article· en· W2909021884 sur OpenAlexvenueno aff
Chigozie E. Ofoedu, Chijioke M. Osuji, Moses Ojukwu

Notice bibliographique

RevueJournal of Food Research · 2019
Typearticle
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensnon disponible
Organismes subventionnairesTertiary Education Trust Fund
Mots-clésMaltotrioseMaltoseRaffinoseGlucose syrupStachyoseSugarFood scienceStarchChemistryAlpha-amylaseSucroseBrewingAmylaseHydrolysateMaltitolHydrolysisFermentationBiochemistryEnzyme

Résumé

récupéré en direct d'OpenAlex

Rice syrup was produced from ten varieties of locally available rice in Nigeria. Flours of malted and unmalted rice from different varieties were treated with a combination of starch hydrolyzing enzymes (Amyloglucosidase, Bacterial α-amylase and Fungal α-amylase); and the starch hydrolysates were either filtered and/or centrifuged at the end of hydrolysis. The resulting rice syrup was evaluated for sugar compositions (maltose, glucose, maltotriose, sucrose, raffinose and stachyose) using HPLC. The results showed that syrups from malted rice had significantly higher (p<0.05) maltose and maltotriose concentration than syrups from unmalted rice. The resultant syrup is a ‘High Maltose Syrup’ since maltose was found to be the predominant sugar in the rice syrup with concentration of above 50% especially for malted samples. Rice syrup can be widely applied as a potential raw material in beverage and confectionery industries as well as a good adjunct for brewing since the sugar profile of the rice syrup was similar to that of barley wort.

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)0,001
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 enseignants0,035
Score d'incertitude au seuil0,251

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 recherche0,0000,001
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 Opus0,060
Tête enseignante GPT0,329
Écart entre enseignants0,269 · 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

Citations12
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Food ResearchMême sujetFood composition and propertiesTravaux en français237 207