Lactic fermentation of cooked navy beans by <i>Lactobacillus paracasei</i><scp>CBA L74</scp> aimed at a potential production of functional legume‐based foods
Notice bibliographique
Résumé
Abstract In recent years, scientific interest in the development of non‐dairy‐based functional foods is increasing progressively and the fermentation of cereals, legumes, fruits and vegetable‐based foods is becoming an important scientific research topic for the production of new probiotic products. In particular, legumes represent a possible alternative to protein foods from animal origins and an adequate fermentation substrate as they contain high amount of nutrients, such as proteins, carbohydrates, fibres, vitamins, and minerals, which are all useful to the growth and metabolic activity of certain microorganisms. This work focuses on the feasibility of developing a dry legume‐based functional product using a fermentation process carried out on a 10% w/v navy bean suspension, in a lab‐scale stirred batch reactor. After soaking and cooking dried navy beans, the fermentation tests performed on the resulting medium using Lactobacillus paracasei CBA L74 showed a maximum bacterial count of 109 CFU/mL after 20 hours and a maximum lactic acid concentration of 1.9 g/L after 16 hours of process time. A freeze‐drying process was performed on the fermented bean suspension, showing a 2‐log microbial reduction and a bacterial viability in the resulting probiotic powder of 3.7 × 108 CFU/g.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,000 |
| 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 source (Gemma direct ou Codex distillé), 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 ».