MétaCan
Menu
Retour à la cohorte
Enregistrement W4200256156 · doi:10.3390/foods11010038

Development of Cellular High-Protein Foods: Third-Generation Yellow Pea and Red Lentil Puffed Snacks

2021· article· en· W4200256156 sur OpenAlexaff
Nasibeh Y. Sinaki, M. Tugrul Masatcioglu, Jitendra Paliwal, Filiz Köksel

Notice bibliographique

RevueFoods · 2021
Typearticle
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésExtrusionExtrusion cookingFood scienceMaterials scienceMicrowavePorosityStarchMicrowave heatingMoistureWater contentComposite materialChemistry

Résumé

récupéré en direct d'OpenAlex

This study aimed to evaluate how extrusion cooking conditions and microwave heating play a role in enhancing physical and thermal properties of third-generation expanded cellular snacks made from yellow pea (YP) and red lentil (RL) flours for the first time. Increasing temperature and moisture content during extrusion resulted in darker, crunchier and crispier products with higher expansion index (EI). Microwave heating after extrusion led to an increase in cell size and porosity of YP and RL products when qualitatively compared to extrusion alone. Additionally, extrusion followed by microwave heating resulted in extensive damage to starch granular structure and complete denaturation of proteins. Using microwave heating, as a fast and inexpensive process, following partial cooking with extrusion was demonstrated to greatly improve the physical and thermal properties of YP and RL snacks. Microwave heating following mild extrusion, instead of severe extrusion cooking alone, can potentially benefit the development of high quality nutritionally-dense expanded cellular snacks made from pulse flours.

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 enseignants0,024
Score d'incertitude au seuil0,523

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 Opus0,032
Tête enseignante GPT0,234
Écart entre enseignants0,202 · 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

Citations15
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFoodsMême sujetFood composition and propertiesTravaux en français237 207