Modification of plant proteins for improved functionality: A review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The market trend towards plant-based protein has seen a significant increase in the last decade. This trend has been projected to continue in the coming years because of the strong factors of sustainability and less environmental impact associated with the production of plant-based protein compared to animal, aside from other beneficial health claims and changes in consumers' dietary lifestyles. In order to meet market demand, there is a need to have plant-based protein ingredients that rival or have improved quality and functionality compared to the traditional animal protein ingredients they may replace. In this review article, we present a detailed and concise summary of the functionality challenges of some plant protein ingredients with associated physical, chemical, and biological processing techniques (traditional and emerging technologies) that have been attempted to enhance them. We cataloged the differences between several studies that seek to address the functionality challenges of selected plant-based protein ingredients without overtly commenting on a general technique that addresses the functionality of all plant-based protein ingredients. Additionally, we elucidated the chemistry behind some of these processing techniques and how they modify the protein structure for improved functionality. Although, many food industries are shifting away from chemical modification of proteins because of the demand for clean label product and the challenge of toxicity associated with scale-up of this technique, so physical and biological techniques are widely being adopted to produce a functional ingredient such as texturized vegetable proteins, hydrolyzed vegetable protein, clean label protein concentrates, de-flavored protein isolates, protein flour, and grits.
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.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle