MétaCan
Menu
Retour à la cohorte
Enregistrement W2975804554 · doi:10.1002/star.201900123

The Effect of Various Extracting Agents on the Physicochemical and Nutritional Properties of Pea Starch

2019· article· en· W2975804554 sur OpenAlexaff
Zhan‐Hui Lu, Elizabeth Donner, Qiang Liu

Notice bibliographique

RevueStarch - Stärke · 2019
Typearticle
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésStarchChemistryFourier transform infrared spectroscopyAmyloseResidue (chemistry)Acetic acidExtraction (chemistry)Ethyl acetateSolventModified starchFood scienceChromatographyOrganic chemistryChemical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract Organic acids (5% lactic acid and 5% acetic acid, w/v) and biosolvents (5% ethyl lactate, 5% and 10% d‐limonene, w/v) are used as extraction agents during starch isolation from pea flour. NaOH at 0.4% w/v served as a control. The results show few differences in starch granular morphology, apparent amylose content, and most thermal parameters, and negligible differences in starch crystalline structure. However, noticeable differences are observed in protein and starch damage content, and pasting viscosities among starch isolated by different extraction agents. The starch extracted by 5% ethyl lactate has the highest protein residue (1.1%) compared to others (≤0.4%), while the starch extracted by 5% acetic acid shows the lowest pasting viscosities. d‐Limonene at 5% seems to be a promising biosolvent to isolate pea starch for its low residual protein, and no solvent residue, yet the highest pasting viscosities in starch. Fourier transform infrared spectroscopy (FTIR) detects bands of residual protein in all samples, and also unique bands at 1564, 1575, and 1720 cm−1 related to acid residue in starches extracted by the two organic acids. Chemometric analysis of FTIR spectra differentiates starches extracted by biosolvents from those extracted by alkali and acidic agents.

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)0,0000,000
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)0,0010,000

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 Opus0,025
Tête enseignante GPT0,269
Écart entre enseignants0,244 · 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

Citations13
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStarch - StärkeMême sujetFood composition and propertiesTravaux en français237 207