Development of Bittergourd Fermented Beverage Using Response Surface Methodology
Notice bibliographique
Résumé
Bittergourd (Momordica charantia) is used as a vegetable by the Asian community and is commonly used as an antidiabetic and antihyperglycemic agent. The aim of the present study was to develop nutritionally strengthful, highly acceptable, shelf stable bittergourd beverage by fermented process using statistical software on Response Surface Methodology (RSM). The optimization of the fermentation process with reference to curd concentration and the period has been attempted by using RSM with more emphasis on nutritional and functional considerations. The statistical design gave 13 formulations, where the fermentation process period varied from 6 to 34 hours and curd concentration was from 6.6 to 16.4%. The standard methodology was followed for the analysis of all the parameters studied. The product varied formulations had quinine range of 119 to 327.5 mg%, antioxidants 40.2 – 64.5%, total phenols 30.5 to 42.5 mg%, water soluble vitamins; B1 – 0.07 to 0.81 mg%, B2 – 0.02 to 0.28 mg%, B3 – 0.4 to 1.08 mg%, B6 – 0.04 to 0.32 mg% and vitamin-C – 17.2 to 34.6 mg%. Fermentation time for 30 hours and curd concentration of 15% was the optimized composition with the best fit of desirability 0.80. The product with the good taste and flavour was acceptable with 6.7 score on 9-pont hedonic scale. The fermented bittergourd beverage was preferred to fresh bittergourd juice.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».