MétaCan
Menu
Retour à la cohorte
Enregistrement W2981998416 · doi:10.1111/ijfs.14428

Application of ultrasound treatment for modulating the structural, functional and rheological properties of black bean protein isolates

2019· article· en· W2981998416 sur OpenAlexaff
Liang Li, Yan Zhou, Fei Teng, Shuang Zhang, Baokun Qi, Changling Wu, Tian Tian, Zhongjiang Wang, Yang Li

Notice bibliographique

RevueInternational Journal of Food Science & Technology · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueProteins in Food Systems
Établissements canadiensCAE (Canada)
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésRheologyAbsorption of waterUltrasoundSolubilityChemistryMacromoleculeChemical engineeringHydrogen bondMoleculeAbsorption (acoustics)BiophysicsMaterials scienceOrganic chemistryBiochemistryComposite materialMedicineBiology

Résumé

récupéré en direct d'OpenAlex

Summary The modulating effect of ultrasound treatments at varying powers and times on the structural and functional properties of black bean protein isolate (BBPI) was investigated. Compared with native BBPI, low‐power (150 W) and medium‐power (300 W) ultrasound treatments increased the solubility, foaming and emulsifying properties of BBPI, especially at 300 W, 24 min. This effect arises predominantly due to increased exposure of hydrophobic groups, which serve to increase the interactions between the protein and water molecules. Additionally, an increase in the protein surface activity improved the absorption of protein molecules at the oil–water and air–water interfaces. Rheology data showed that increased hydrophobic and hydrogen‐bonding interactions improved the water‐holding capacity of BBPI gels following ultrasound treatment. However, high‐power (450 W) ultrasound treatment weakened the functional properties of BBPI, and this was likely due to the formation of macromolecular BBPI aggregates. Overall, this study indicates that ultrasound treatment could be a promising approach for modulating other plant protein resources as well as expanding the application of black bean protein.

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 seuil0,003

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 Opus0,028
Tête enseignante GPT0,246
Écart entre enseignants0,218 · 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

Citations58
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Food Science & TechnologyMême sujetProteins in Food SystemsTravaux en français237 207