PSV-11 The effects of pelleting and extrusion on nutrient composition and protein quality measurements in a variety Canadian pulses
Notice bibliographique
Résumé
Abstract Alternative forms of protein are an important focus in nutrition. This study sought to compare the effects of pelleting and extrusion on nutrient composition and protein quality measurements of Canadian pulses. Pulses used for the study included: 2 pea variety (Amarillo and dunn), lentils, chickpeas, and faba bean. Ingredients were ground through a 10/64” or a 2/64” screen to create a coarse and fine ground product, respectively. Both coarse and fine ground ingredients were pelleted at 60–65, 70–75, and 80–85 C0. Fine ground ingredients were extruded at three different temperatures (110, 130, 150 C0) and two moisture levels (18 and 22%). Samples were collected for all runs at the beginning, middle, and end of each run for both pelleted and extruded samples. Samples were analyzed for proximate analysis, amino acids including lysinoalanine, total and damaged starch, and total dietary fibre (including insoluble and soluble). Data were analyzed using a mixed model via proc glimmix in SAS, where ingredient, process, grind, temperature, and extrusion moisture were treated as fixed effects with different interactions selected based on model investigated. Crude protein content of whole pulses was highest in faba bean and lowest in the Amarillo pea, with faba bean protein content significantly higher than all other pulses, and lentil protein content significantly higher than Amarillo peas (P < 0.05). All pelleting temperatures, nested within grind, significantly increased crude protein content of all pulses compared to whole pulses (P < 0.05). All extrusion moistures significantly increased crude protein content of all pulses compared to whole pulses (P < 0.05) and moisture/temperature interactions were significantly higher for all pulses compared to whole pulses (P < 0.05). Amino acid comparisons produced similar significant results. This suggests that pelleting and extrusion processing can have a positive impact on protein content of pulses and protein quality measurements in pulses.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».