MétaCan
Menu
Retour à la cohorte
Enregistrement W2981656423 · doi:10.1111/jtxs.12492

Acid induced gelation behavior of skim milk concentrated by membrane filtration

2019· article· en· W2981656423 sur OpenAlexaff
Ying Li, Milena Corredig

Notice bibliographique

RevueJournal of Texture Studies · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueProteins in Food Systems
Établissements canadiensParks Canada
Organismes subventionnairesnon disponible
Mots-clésFiltration (mathematics)Skimmed milkMembraneMaterials scienceChromatographyChemical engineeringChemistryFood scienceMathematicsEngineeringBiochemistryStatistics

Résumé

récupéré en direct d'OpenAlex

This work reports a detailed study of the effect of ultrafiltration (UF) and diafiltration (DF) on the acid-induced gelation behavior of fresh milk retentates (2× and 4×). Concentrates were heated at 80°C for 15 min, and compared to unheated samples. The use of extensive DF caused a significantly greater amount of protein (both caseins and whey proteins) in the supernatant fraction, compared to UF retentates at the same concentration, both in unheated and heated samples. DF retentates showed higher pH of gelation, compared to the corresponding UF retentates. The development of tan δ is reported for the first time as a function of colloidal calcium release, and the protein gelation behavior discussed in light differences in composition of the soluble fraction. The results demonstrate how processing history can affect compositional changes and the gelation behavior of fresh milk retentates. Membrane filtration is a widespread unit operation in the dairy industry, employed either to prepare fresh concentrates for further processing, or ingredients with specific functional properties. This work describes in detail the effect of processing history during membrane filtration on the rheological properties of acid induced gels and will help in optimizing formulations and prepare the right ingredients for the right application. It will also be possible to determine new ways to define processing quality of the milk protein concentrates, as it relates to their ability to form texture in fermented dairy products.

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)0,000
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 seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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 Opus0,033
Tête enseignante GPT0,272
Écart entre enseignants0,239 · 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

Citations19
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Texture StudiesMême sujetProteins in Food SystemsTravaux en français237 207