MétaCan
Menu
Retour à la cohorte
Enregistrement W2996313184 · doi:10.1016/j.crfs.2019.11.008

Formation and characterization of protein-based films from yellow pea (Pisum sativum) protein isolate and concentrate for edible applications

2019· article· en· W2996313184 sur OpenAlexafffund
Caleb Acquah, Yujie Zhang, Marc A. Dubé, Chibuike C. Udenigwe

Notice bibliographique

RevueCurrent Research in Food Science · 2019
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNanocomposite Films for Food Packaging
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésWhey protein isolateMaterials sciencePea proteinChemical engineeringChemistryWhey proteinChromatographyFood science

Résumé

récupéré en direct d'OpenAlex

This study investigated the properties of films or bioplastics fabricated using a wet processing method from yellow pea protein isolate (YPI) and protein concentrate (YPC) for potential application in food packaging. The wet processing method included mixing the protein with water and glycerol followed by casting and drying the films in a humidity- and temperature-controlled chamber. Whey protein isolate (WPI) and a film from a blend of equal amounts of YPI and WPI, labelled as YPI + WPI, were also studied. Fourier transform-infra red analysis revealed that films from YPI, YPC, WPI and YPI + WPI were formed by protein polymerisation with the plasticiser, glycerol, via hydrophobic and hydrophilic interactions. The protein films had contact angles of <90° demonstrating that they had a hydrophilic surface, with YPC < YPI < YPI + WPI < WPI. The pattern of ultraviolent light transmission of the films was WPI > YPC > YPI + WPI > YPI, whereas the mechanical and thermal resilience of films formulated from YPI, YPC and the protein blend were comparable to the properties of WPI-based films. The findings demonstrate that yellow pea proteins can be used as biomaterials to develop protein and protein-blend films or bioplastics for food packaging and edible applications.

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 seuil0,001

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)0,0000,000

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 Opus0,061
Tête enseignante GPT0,346
Écart entre enseignants0,284 · 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

Citations110
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCurrent Research in Food ScienceMême sujetNanocomposite Films for Food PackagingTravaux en français237 207