Recent Advances in Food Emulsions and Engineering Foodstuffs Using Plant-Based Nanocelluloses
Notice bibliographique
Résumé
In this article, the application of nanocelluloses, especially cellulose nanofibrils and cellulose nanocrystals, as functional ingredients in foods is reviewed. These ingredients offer a sustainable and economic source of natural plant-based nanoparticles. Nanocelluloses are particularly suitable for altering the physicochemical, sensory, and nutritional properties of foods because of their ability to create novel structures. For instance, they can adsorb to air-water or oil-water interfaces and stabilize foams or emulsions, self-assemble in aqueous solutions to form gel networks, and act as fillers or fat replacers. The functionality of nanocelluloses can be extended by chemical functionalization of their surfaces or by using them in combination with other natural food ingredients, such as biosurfactants or biopolymers. As a result, it is possible to create stimuli-responsive, tailorable, and/or active functional biomaterials suitable for a range of foodapplications. In this article, we describe the chemistry, structure, and physicochemical properties of cellulose as well as their relevance for the application of nanocelluloses as functional ingredients in foods. Special emphasis is given to their use as particle stabilizers in Pickering emulsions, but we also discuss their potential application for creating innovative biomaterials with novel functional attributes, such as edible films and packaging. Finally, some of the challenges associated with using nanocelluloses in foods are critically evaluated, including their potential safety and consumer acceptance.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».