Notice bibliographique
Résumé
Buttermilk differs from skim milk by the presence of milk fat globule membrane (MFGM) fragments that are released during cream churning. Milk fat globule membrane is rich in health-promoting components, such as phospholipids and membrane proteins, but these compounds have a negative impact on buttermilk techno-functional properties in dairy applications. The isolation of MFGM from buttermilk improved its functionality while also recovering the MFGM bioactive components. Hydroxyapatite (HA) can be used to extract MFGM by adsorption via charged site interactions. However, the affinity of HA to MFGM or the main buttermilk proteins (casein micelles [CM], β-LG, and α-LA) is not known. The influence of important physicochemical parameters such as pH and temperature on these interactions is also unclear. For each buttermilk component, a quartz crystal microbalance diffusion analysis was performed to determine the maximum adsorption time and the attached mass density on HA-coated gold sensors. The influence of pH, ionic strength (IS), and temperature (T) on the affinity of each buttermilk component for HA particles was assessed using a 3-levels and 3-factors Box-Behnken design. The absorption rate was highest for the CM, followed by β-LG and α-LA, and then by the MFGM. Nevertheless, the final maximal attached mass densities to the HA were similar for the MFGM and CM, and 2.5 times higher than for β-LG and α-LA. This difference can be explained by the higher number of binding sites found in CM and their heavier mass. The model obtained by the Box-Behnken design plan showed that the adsorption of the CM changed with T, pH, and IS. These results suggest that the techno-functional properties of buttermilk may be restored by specifically extracting MFGM with HA. Experiments are ongoing to determine conditions for fractionating MFGM directly from buttermilk.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 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 | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,005 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».