MétaCan
Menu
Retour à la cohorte
Enregistrement W3202911742 · doi:10.3390/foods10102287

Revalorization of the Cooking Water (Aquafaba) from Soybean Varieties Generated as a By-Product of Food Manufacturing in Korea

2021· article· en· W3202911742 sur OpenAlexaff
Esteban Echeverria‐Jaramillo, Yoon-Ha Kim, Yerim Nam, Yifan Zheng, Jae Youl Cho, Wan Soo Hong, Sang Jin Kang, Ji Hye Kim, Youn Young Shim, Weon‐Sun Shin

Notice bibliographique

RevueFoods · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueProteins in Food Systems
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesKorea Institute of Planning and Evaluation for Technology in Food, Agriculture and ForestryMinistry of Agriculture, Food and Rural Affairs
Mots-clésIngredientLegumeFood sciencePolyphenolFunctional foodBiologyChemistryBotanyBiochemistry

Résumé

récupéré en direct d'OpenAlex

Concerns regarding sustainability have prompted the search of value in the by-products of food manufacturing. Such is the case of the cooking water (CW) of chickpeas, which has shown its potential as a vegan egg white replacement. This study aimed to characterize and compare the CW from three novel legumes (black soybeans, BSB; yellow soybeans, YSB; and small black beans, SBB) obtained from the processing of Korean soybean foods, and the widely used CW from chickpeas (CH), with regard to total polyphenol, total carbohydrate, and protein contents, and further compare their foaming and emulsifying abilities and stabilities. Compositional analysis revealed that all the studied legumes possessed higher values than CH for all parameters. Furthermore, the CW from these legumes exhibited enhanced functional properties, particularly foaming capacity and stability. Taken together, our results suggest that the CW from BSB, YSB, and SBB, sourced from the manufacturing of legume food products, has the potential of being revalorized as a plant-based functional ingredient for vegan product development.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,008
Score d'incertitude au seuil0,135

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0000,000

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 Opus0,020
Tête enseignante GPT0,203
Écart entre enseignants0,183 · 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

Citations44
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFoodsMême sujetProteins in Food SystemsTravaux en français237 207