Effects of enzymatic hydrolysis and ultrafiltration on physicochemical and functional properties of faba bean protein
Notice bibliographique
Résumé
Abstract Background and objectives Faba bean proteins isolates did not show sufficient functional properties for food applications due to poor solubility. Enzymatic treatments and ultrafiltration may improve solubility and functional properties of faba bean protein. The aim of the present work was to investigate the effect of different proteases (pepsin, trypsin, flavourzyme ® 500 L, neutrase ® 0.8 L), hydrolysis time and ultrafiltration technique on the physicochemical and functional characteristics of faba bean protein. Findings The protein solubility increased from 24.4% to 88.8% at pH 7 and 81.0% at pH 5 by pepsin hydrolysis (15 min). Their foaming capacity (FC) increased from 31.2% to 122.2% at pH 5 and 66.7% to 131.2% at pH 7 and the oil holding capacity (OHC) increased from 6.12 to 8.21 g/g by pepsin hydrolysis. Fraction I (Mw > 10 kDa) and II (Mw: 5–10 kDa) obtained after pepsin hydrolysis and ultrafiltration demonstrated further improved foaming and oil holding capacity and much improved emulsifying capacity. Conclusions Enzymatic hydrolysis and ultrafiltration provided a strategy to significantly improve faba bean protein solubility and functional properties. Significance and novelty Faba bean protein hydrolysates and ultrafiltration fractions are good sources of protein with excellent solubility and functionality.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».