Effect of Hydrothermal, Phytase, or Organic Acid Pretreatments of Canola Meal on Phytate Level of the Meal
Notice bibliographique
Résumé
The objective of this study was to investigate the effect of pretreatment of canola meal with hydrothermal processing, phytase, and organic acid on phytate degradation. Six experiments were conducted processing canola meal in a hydrothermal reactor with different moisture conditions (15-350%), acid additions (hydrochloric acid, citric acid, malic acid, and lactic acid), pH (pH 4, 5, and 6), incubation times (30, 45, and 60 min), and phytase enzymes (‘Quantum Blue’ and ‘Finase’). The study revealed that although hydrothermal pretreatment of canola meal with phytase and higher moisture (200-350%) would allow 24.8-36% phytate breakdown, and a higher moisture addition (200%) combined with organic acid increased even further to 46.6%, lower moisture (50 and 100%) and organic acid was still effective in reducing phytate (by 7.9-19.4%). Optimal pH and incubation time in hydrothermal reactor for phytase efficacy were determined to be pH 4 and 5 and 30 to 60 min. Still, the results of the current study suggest that pretreatments should be further evaluated to optimize the efficacy of enzyme and organic acids as prebiotics to reduce anti-nutrients in canola meal, thus improving its utilization for livestock and reducing excretion to environment.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 |
| 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 ».