Understanding the differences in cheese-making properties between reverse osmosis and ultrafiltration concentrates
Notice bibliographique
Résumé
Concentrating milk by reverse osmosis (RO) has the potential to increase cheese yield but is known to impair cheese-making properties. The main compositional differences between ultrafiltration (UF) and RO concentrates are the high lactose and mineral contents of the latter. The objective of this work was to determine the distinct effects of high lactose and high minerals on the cheese-making properties of RO concentrate, by supplementing UF concentrate with lactose. The soluble colloidal equilibria of concentrates were studied as well as several other properties: rennet gelation behavior, cheese mass balance, composition, and microstructure. Rennet coagulation time was longer and gel firming rate was lower for RO concentrate than for UF concentrate. Lactose was mainly responsible for these differences. Lactose in RO concentrate was also responsible for the 7% increase of moisture-adjusted cheese yield, relative to UF concentrate. Compared with cheese made from UF concentrate, cheese made from RO concentrate showed higher moisture content, which could not be attributed to lactose but to the high mineral concentration. This study showed the potential of using RO instead of UF concentrate to maximize cheese yield. The approach is, however, limited to applications where post-acidification can be controlled, and will require appropriate strategies to reduce the negative effects of high mineral content in RO concentrate.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».