MétaCan
Menu
Retour à la cohorte
Enregistrement W3206871152 · doi:10.1021/acsfoodscitech.1c00248

Uses of Cellular Agriculture in Plant-Based Meat Analogues for Improved Palatability

2021· article· en· W3206871152 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueACS Food Science & Technology · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAgriculture Sustainability and Environmental Impact
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésPalatabilityBusinessAgricultureProduction (economics)PopulationConsumption (sociology)BiotechnologyFood scienceAgricultural scienceBiologyEconomics

Résumé

récupéré en direct d'OpenAlex

With a growing population that is expected to double meat consumption in the next decades, more sustainable and affordable proteins need to be developed. Conventional meat production accounts for a considerable amount of greenhouse gas emission, land and water usage, and energy consumption. Plant-based meat alternatives have been a cornerstone in the alternative protein market. In recent years, biomimicry of traditional meat products is the focus on the market. Animal-raised meat has still maintained its popularity as plant-based meat analogues (PBMA) fail to mimic or be better than conventional meat production. PBMA aims to replicate the aesthetic and chemical characteristics of a type of meat without the need of raising animals. Another alternative is the novel cultured meat or “lab-grown meat” that could provide a high protein source. Considerable developments are still needed to produce complex cultured meat products. Because of difficulties of replicating meat proteins in PBMA, a proposition is to use cultured meat components in PBMA. We review the potential use of cellular agriculture in different facets of PBMA for improved sensorial attributes. There is a significant need for research, innovation, and regulation in this field to create an improved product that has a lower impact on the environment.

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 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)0,001
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 enseignants0,038
Score d'incertitude au seuil0,758

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
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 Opus0,009
Tête enseignante GPT0,217
Écart entre enseignants0,208 · 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