MétaCan
Menu
Retour à la cohorte
Enregistrement W3165056016 · doi:10.21203/rs.3.rs-392199/v1

Effects of dehairing treatment on gelatin yield and quality from bovine hides

2021· preprint· en· W3165056016 sur OpenAlexafffundabout
Bimol C. Roy, Chamali Das, Hui Hong, Mirko Betti, Heather L. Bruce

Notice bibliographique

RevueResearch Square · 2021
Typepreprint
Langueen
DomaineMaterials Science
ThématiqueCollagen: Extraction and Characterization
Établissements canadiensUniversity of Alberta
Organismes subventionnairesAlberta Livestock and Meat Agency
Mots-clésYield (engineering)GelatinQuality (philosophy)BusinessChemistryBiotechnologyBiologyBiochemistryPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract Purpose Hides are the by product of slaughter houses which are mostly used for leather production. In Canada, the hides are either disposed of with other slaughter waste or sold at a very low price. Dehairing of hides is a prerequisite for either leather or gelatin production from it. Therefore, the effect of hide dehairing method on subsequent gelatin extraction and quality was investigated. Methods Bovine hides (BH) were dehaired using either 5% acetic acid (AA), 10% calcium hydroxide (CH), 0.02% keratinase (KTN), 2.5% papain (PP), or not at all (control; CT), with control BH subsequently treated with 5% AA (CTAA). Results Mean bovine hide gelatin (BHG) yields (dry basis) were 11.37%, 54.25%, 45.07%, 18.88% and 55.02% for CT, AA, CTAA, CH, and KTN, respectively. Gel strength was highest in AA followed by the CTAA, CT and CH and KTN treatments. The molecular weight (MW) distribution pattern showed that dehairing of BH with enzymes degraded the collagen extensively, increased proportions of low MW peptides that translated into low gel strength. Conclusions Acetic acid, which is extensively using in food industry, can be used to dehair BH as pre-treatment to extracting high quality gelatin.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,199
Score d'incertitude au seuil0,920

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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)0,0010,000

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 Opus0,109
Tête enseignante GPT0,405
Écart entre enseignants0,296 · 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

Citations2
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueResearch SquareMême sujetCollagen: Extraction and CharacterizationTravaux en français237 207