MétaCan
Menu
Retour à la cohorte
Enregistrement W3048291790 · doi:10.1016/j.idairyj.2020.104831

Effect of heating milk on whey protein denaturation and cheese-making properties

2020· article· en· W3048291790 sur OpenAlexafffund
Hélène J. Giroux, Florence Dupont, Geneviève Villeneuve, Michel Britten

Notice bibliographique

RevueInternational Dairy Journal · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueProteins in Food Systems
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesAgriculture and Agri-Food Canada
Mots-clésFood scienceWhey proteinDenaturation (fissile materials)ChemistryDairy industryMilk proteinCheesemakingBeta-lactoglobulin

Résumé

récupéré en direct d'OpenAlex

The cheese-making properties of milk heated at 80 °C for different times (0–8 min), and mixtures of severely-heated milk (80 °C, 30 min) with non-heated milk were evaluated in separate experiments. In both approaches, milk pH was adjusted to 6.3, 6.7 or 7.0 before heating. Despite different distributions of denatured whey protein (WP) between casein micelle surface and serum phase, heating pH had no significant effect on cheese-making properties. The two approaches were compared by reporting the results as a function of WP denaturation rate in milk. The mixed milk approach showed a higher detrimental effect on rennet-induced coagulation kinetics and curd contraction capacity during cooking than the heated milk approach. For similar WP-denaturation rate, higher yield was obtained for the mixed milk than the heated milk as a result of the better protein retention and larger increase of cheese moisture.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,084
Score d'incertitude au seuil0,135

Scores Codex et Gemma par catégorie

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 Opus0,030
Tête enseignante GPT0,251
Écart entre enseignants0,221 · 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'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

Citations18
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Dairy JournalMême sujetProteins in Food SystemsTravaux en français237 207