Physicochemical and Functional Properties of Membrane-Fractionated Heat-Induced Pea Protein Aggregates
Notice bibliographique
Résumé
This study was carried out to investigate the effect of heat pre-treatment of pea proteins at different pH values on the formation of functional protein aggregates. A 10% (w/v) aqueous mixture of pea protein concentrate (PPC) was adjusted to pH 3.0, 5.0, 7.0, or 9.0 followed by heating at 100°C for 30 min, cooled and centrifuged. The supernatant was sequentially passed through 30 and 50 kDa molecular weight cut-off membranes to collect the <30, 30–50, and >50 kDa fractions. The >50 kDa fractions from pH 3.0 (FT3), 5.0 (FT5), 7.0 (FT7), and 9.0 (FT9) treatments had >60% protein content in contrast to the ≤20% for the <30 and 30–50 kDa fractions. Therefore, the >50 kDa fractions were collected and then compared to the untreated PPC for some physicochemical and functional properties. Protein aggregation was confirmed as the denaturation temperature for FT3 (124.30°C), FT5 (190.66oC), FT7 (206.33oC) and FT9 (203.17oC) was significantly (p < 0.05) greater than that of PPC (74.45oC). Scanning electron microscopy showed that FT5 had a compact structure like PPC while FT3, FT7, and FT9 contained a more continuous network. In comparison to PPC, the >50 kDa fractions showed improved solubility (>60%), oil holding capacity (~100%), protein content (~7%), foam capacity (>10%), foam stability (>7%), water holding capacity (>16%) and surface hydrophobicity (~50%). Least gelation concentration of PPC (18%), FT3 (25%), FT5 (22%), FT7 (22%), and FT9 (25%) was improved to 16, 18, 20, 16, and 18%, respectively, after addition of NaCl.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».