MétaCan
Menu
Retour à la cohorte
Enregistrement W4281718879 · doi:10.1016/j.jfutfo.2022.03.001

Effects of sugar addition on adipolysis and volatile profiles of dry cured sausage

2022· article· en· W4281718879 sur OpenAlexaff
Zhi Qu, Chunqian Feng, Virginia K. Walker, Wenyi Kang, Nan Liu, Shanqing Zheng

Notice bibliographique

RevueJournal of Future Foods · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueMeat and Animal Product Quality
Établissements canadiensQueen's University
Organismes subventionnairesScience and Technology Department of Henan ProvinceGuangdong Medical Research FoundationNational Natural Science Foundation of ChinaNatural Science Foundation of Shenzhen City
Mots-clésSugarChemistryFood scienceFlavorAcetic acidOrganic acidLactic acidReducing sugarPeroxide valueHydrolysisOrganic chemistryBacteriaBiology

Résumé

récupéré en direct d'OpenAlex

As sugar play a primary role in food flavor and biochemical reaction during the industrial manufacture of dry cured meat products , we aim to evaluate the function of sugar and how the quality changed with the addition of sugar on dry cured sausage after three months of preservation, and the corresponding effect on acidity value and the total acid value. The roles of sugars’ effects on FA hydrolysis and flavor formation are required to be assessed. We selected the addition of sugar with the gradient contents from 3% to 15%, we found that the total acid, acidity value, peroxide value , FA and organic acid were significantly affected. Mono unsaturated fatty acids (MUFA) was the main content of FAs, following by saturated FA and polyunsaturated FA. C 18:1n9c was the major FA, following by C 16:0 and C 18:0 . Six kinds of organic acids in dry-cured sausages containing different concentrations of sugar were analyzed by HPLC and the total organic acid reached a maximum of 12.15% by after adding 6% sugar. Acetic acid was 8.06% and lactic acid was 2.56%. This study concludes that sugar is the main factor in flavor formation of dry cured sausage and affects the sausage quality for three months in storage.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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 recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,011
Tête enseignante GPT0,220
Écart entre enseignants0,209 · 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 source (Gemma direct ou Codex distillé), 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

Citations7
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Future FoodsMême sujetMeat and Animal Product QualityTravaux en français237 207