MétaCan
Menu
Retour à la cohorte
Enregistrement W2970806595 · doi:10.3389/fmicb.2019.02113

Effect of Mixed Cultures of Yeast and Lactobacilli on the Quality of Wheat Sourdough Bread

2019· article· en· W2970806595 sur OpenAlexaff
Dan Xu, Yao Zhang, Kaixing Tang, Ying Hu, Xueming Xu, Michael G. Gänzle

Notice bibliographique

RevueFrontiers in Microbiology · 2019
Typearticle
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésLactobacillus sakeiFood scienceStarterGluteninYeastFermentationChemistryLactobacillusFermentation starterFlavorWheat flourBiologyBacteriaLactic acidBiochemistry

Résumé

récupéré en direct d'OpenAlex

In this study, mixed starter cultures of yeast and lactobacilli were used for type I sourdough bread making to evaluate their ability to improve bread quality and increase the amount of flavor volatiles. Kazachstania humilis, Saccharomyces cerevisiae, Wickerhamomyces anomalus, Lactobacillus sanfranciscensis DSM20451T and Lactobacillus sakei LS8 were used in different combinations to ferment wheat sourdough. S. cerevisiae produced the highest amount of CO2 among all strains and thus enhanced bread volume and crumb texture. S. cerevisiae also increased the free thiol level in bread dough, and this study confirms that thiol accumulation was not strongly related to the content of the glutenin macropolymer or bread volume. The role of thiol exchange reactions on bread quality differs between long fermentation sourdough and straight dough with baker’s yeast only. The influence of different starter cultures on wheat sourdough bread volatiles was established by using head space solid-phase microextraction and gas chromatography/mass spectrometry analysis (SPME-GC/MS). The sourdough breads fermented with a combination of lactobacilli and yeast had a more complex profile of volatiles, particularly with respect to esters.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,011
Tête enseignante GPT0,261
Écart entre enseignants0,251 · 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 source (Gemma direct ou Codex distillé), 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

Citations97
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in MicrobiologyMême sujetFood composition and propertiesTravaux en français237 207