MétaCan
Menu
Retour à la cohorte
Enregistrement W2964304470 · doi:10.1002/cche.10196

Structural characterization of intermediate wheatgrass (<i>Thinopyrum intermedium</i>) starch

2019· article· en· W2964304470 sur OpenAlexaff
Yingxin Zhong, Juan Mogoginta, Joseph Gayin, George A. Annor

Notice bibliographique

RevueCereal Chemistry · 2019
Typearticle
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésStarchAmyloseChemistryDextrinFood scienceMathematicsBotanyBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Background and objectives Intermediate wheatgrass ( Thinopyrum intermedium , IWG), a perennial, is currently being developed into a food crop that can be used in mainstream food systems. This study focused on characterizing starches extracted from IWG kernels harvested in Roseau (IWG‐RS) and Rosemount (IWG‐RM) in Minnesota, USA, and compared with starches from Jasmine rice (JR) and hard red wheat (HRW). Thermal properties, size distribution, granule size and morphology, and the unit and internal chain profile of extracted starches were evaluated. Findings The amylose contents of IWG‐RS and IWG‐RM were 30.7% and 30.4%, respectively. IWG starches had the lowest gelatinization temperatures. Enthalpy of gelatinization (Δ H ) of HRW was similar to that of IWG‐RM. The λ max of the starches suggests that the amylose chains and internal chains of the IWG starches were longer than those of HRW and JR. IWG‐RM has the least β‐limit dextrin and longer external chain. Unit and internal chain profiles of amylopectins between IWGs were similar. Conclusions This study revealed that the properties of IWG starches were similar to those of wheat. Differences in some starch properties were also observed between the IWG grown at different locations. Significance and novelty This is the first report on the unit and internal chain profile of IWG. Understanding the microstructure of starch from IWG can potentially optimize its chemical 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 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)0,000
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 enseignants0,020
Score d'incertitude au seuil0,918

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,009
Tête enseignante GPT0,228
Écart entre enseignants0,219 · 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

Citations7
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCereal ChemistryMême sujetFood composition and propertiesTravaux en français237 207