MétaCan
Menu
Retour à la cohorte
Enregistrement W3013908496 · doi:10.221751/rmc2018.038

Correlation of Beef Longissimus Thoracis Quality and Composition with Semimembranosus Quality and Composition

2018· article· en· W3013908496 sur OpenAlexaffabout
B. M. Bohrer, Liping Wang, Shiqi Huang, S. Chalupa-Krebzdak, S. M. Vasquez Mejia

Notice bibliographique

RevueMeat and Muscle Biology · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueMeat and Animal Product Quality
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésLongissimus ThoracisLongissimusFood scienceChemistryHomogeneousMathematicsAnimal scienceComposition (language)TendernessBiology

Résumé

récupéré en direct d'OpenAlex

ObjectivesPrevious research has investigated the quality of individual muscles and separate cuts within a beef carcass. However, few studies have examined the relationship between the quality of different beef muscles. Understanding this relationship could determine the necessity of certain meat quality analyses to assess the value of beef carcasses. Thus, the objective of this study was to examine the correlation between the quality and composition of beef semimembranosus (SM) and longissimus thoracis (LT) muscles.Materials and MethodsAt 4 d post-mortem, beef inside round (IMPS #168) and rib (IMPS#107) cuts from the right side of steer carcasses (n = 63) were collected from a commercial processing facility and delivered to the University of Guelph Meat Science Laboratory. At 5 d post-mortem, pH and objective color (L*, a*, b*, chroma, hue; measured with a Minolta CR-400) were collected for the SM muscle within the round section. At 6 d post-mortem, pH and objective color were collected for the LT muscle. Duplicate 5 to 6 g homogeneous samples from each the SM and LT samples were analyzed for moisture content by forced-air convection oven drying at 100°C for at least 24 h (Method 950.46, AOAC, 2000). Lipid content of the dried duplicate samples were determined by soxhlet extraction with petroleum ether, followed by at least 24 h of oven drying at 100°C. PROC CORR of SAS 9.4 was used to calculate the Pearson correlation coefficients for all parameters. Correlation coefficients were regarded as weak at r < |0.35|, moderate at |0.36| ≤ r ≤ |0.67|, and strong at r ≥ |0.68|. PROC REG of SAS was used to create linear regression models between parameters that had meaningful relationships. PROC GPLOT of SAS (SAS Inst. Inc., Cary, NC) was used to create scatter plots to allow better visualization of the correlations between meaningful parameters.ResultsThere was a weak and statistically insignificant correlation between LT and SM pH values (r = 0.20, P = 0.11); as well as, a weak correlation between LT and SM hue (r = 0.24, P = 0.06). There was a slightly stronger, positive linear correlation between LT and SM L* (lightness) values (r = 0.34, P = 0.01). Moisture content of LT and SM had a significant, moderately correlated linear relationship (r = 0.66, P < 0.0001). Similar to moisture, the correlation between LT and SM lipid content was moderately correlated (r = 0.67, P < 0.0001). All other LT and SM quality parameters were very weakly correlated (r = -0.06 to 0.01), thus no further statistical analyses were performed.ConclusionResults from this study showed that in general meat quality attributes from beef longissimus thoracis and semimembranosus muscles were weakly correlated with one another, and composition was only moderately correlated. Thus, analyses measuring individual beef muscle quality are required to achieve more accurate results and more meaningful assumptions of eating experience. Future studies could examine the relationship of the remaining beef primal cuts.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,874
Score d'incertitude au seuil0,226

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
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 Opus0,058
Tête enseignante GPT0,311
Écart entre enseignants0,252 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations0
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMeat and Muscle BiologyMême sujetMeat and Animal Product QualityTravaux en français237 207