Characterization of Pectin from Pulp and Peel of Ugandan Cooking Bananas at Different Stages of Ripening
Notice bibliographique
Résumé
East African highland cooking bananas (EA-AAA) are a staple food and major source of calories for Ugandans. Cooking bananas are considerably wasted along the postharvest chain majorly due to poor handling and ripening. Banana waste is a potential source of secondary products such as pectin, wine, beer to mention a few. The aim of this study was to extract and characterize pectin from selected cooking bananas at various stages of ripening in order to assess their potential for commercial pectin production. Pectin was extracted from the bananas at five stages of ripening i.e. stages 0 (green maturity), 1, 2, 5 and 7. Extracted pectin at stages 2, 5 & 7 was characterized. Pectin yield from banana pulp decreased significantly with ripening (P<0.05) from between 18.1 to 22.65% at green maturity to between 0.65 to 1.28% at stage 7 of ripening. Pectin yield from banana peels was generally lower decreasing from between 5.34 to 6.61% at green maturity to between 1.01 to 1.38% at stage 7. The equivalent weight (1774 to 10144) of the pectin at selected stages of ripening was not significantly different (P>0.05) except individually. Methoxyl content was not significantly different among cultivars (P>0.05), however, it increased significantly through ripening stages (P<0.05). Anhydrouronic acid (AUA) ranged between 24.51 to 67.38% and increased with stage of ripening. AUA of pectin from pulp and peel did not differ significantly (P>0.05). The degree of esterification at each of the three stages was generally high (77 to 94%) implying high gelling power. These results showed that purity of pectin increases while yield decreases with ripening and that banana pectin has a high degree of esterification implying rapid set pectin. Thus, banana peel and pulp can be good sources of industrial pectin.
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 | 0,000 |
| 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 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 ».