MétaCan
Menu
Retour à la cohorte
Enregistrement W3186466364 · doi:10.3168/jds.2020-20040

Smoothing temperature and ratio of casein to whey protein: Two tools to improve nonfat stirred yogurt properties

2021· article· en· W3186466364 sur OpenAlexafffund
Audrey Gilbert, Laurie‐Eve Rioux, Daniel St‐Gelais, Sylvie L. Turgeon

Notice bibliographique

RevueJournal of Dairy Science · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueProteins in Food Systems
Établissements canadiensAgriculture and Agri-Food CanadaUniversité Laval
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesNovalaitMinistère de l'Agriculture, des Pêcheries et de l'AlimentationUniversité Laval
Mots-clésSyneresisChemistryFood scienceWhey proteinWhey protein isolateCaseinParticle sizeChromatography

Résumé

récupéré en direct d'OpenAlex

Consumers are not always ready to compromise on the loss of texture and increased syneresis that nonfat stirred yogurts display compared with yogurts that contain fat. In this study, we investigated milk protein composition and smoothing temperature as a means to control nonfat yogurt microstructure, textural properties, and syneresis. Yogurts were prepared with different ratios of casein to whey protein (R1.5, R2.8, and R3.9). Yogurts were pumped through a smoothing pilot system comprising a plate heat exchanger set at 15, 20, or 25C and then stored at 4C until analysis (d 1, 9, and 23). Yogurt particle size and firmness were measured. Yogurt syneresis and water mobility were determined, respectively, by centrifugation and time domain low-frequency proton nuclear magnetic resonance ( 1 H-LF-NMR). Increasing the smoothing temperature increased gel firmness and microgel (dense protein aggregates) sizes independently of the whey protein content. Also, yogurt microgel sizes changed with storage time, but the evolution pattern depended on protein ratio. Yogurt R1.5 showed the largest particles, and their sizes increased with storage, whereas R2.8 and R3.9 had smaller microgels, and R3.9 did not show any increase in microgel size during storage. Micrographs showed a heterogeneous gel with the empty area occupied by serum for R1.5, whereas R2.8 and R3.9 showed fewer serum zones and a more disrupted gel embedding microgels. Induced syneresis reduced with greater whey protein content and time of storage. This is in agreement with 1 H-LF-NMR showing less bulk water mobility with increasing whey protein content during storage. However, 1 H-LF-RMN revealed higher values of spontaneous serum separation during storage for R1.5 and R3.9 yogurts, whereas these were lower and stable for R2.8 yogurt. Microgels play an important structural role in yogurt textural attributes, and their characteristics are modulated by whey protein content and smoothing temperature. Optimization of these parameters may help improve nonfat stirred dairy gel.

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 enseignants0,014
Score d'incertitude au seuil0,388

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,035
Tête enseignante GPT0,252
Écart entre enseignants0,217 · 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

Citations33
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Dairy ScienceMême sujetProteins in Food SystemsTravaux en français237 207