Particle filled protein-starch composites as the basis for plant-based meat analogues
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Rapid swelling, high amylopectin starches including Thermally Inhibited (TI), Chemically Modified (CM), and Granular Cold- Swelling (GCS) were assessed for their supporting matrix forming potential and properties. Starches displayed identical calorimetric profiles with no endothermic events, and completely amorphous structure as judged by powder X-ray diffraction. However, they each provided different textural attributes. The starches were combined with pea protein isolate at a total concentration of 47%w/w (d.b.) to create a proteinacious supporting matrix. The starch protein matrix was then tested in a non-cold-set dough state as well as in a cold-set state after storage for 24h at 5oC. In the non-cold-set state, hardness increased with the addition of protein. CM was the softest dough and was difficult to work with, while TI and GCS were harder, with TI having the greatest resilience. Once cold-set, the textural properties changed, and GCS was not able to form a solid structure, instead remaining a viscoelastic dough. The hardness and storage modulus (G’) of TI and CM displayed a negative correlation with the addition of protein due to matrix disruption. However, the combination of TI starch and pea protein at a ratio of 70% starch and 30% protein in the dry fraction displayed a synergistic effect, with increased resilience, chewiness, and ductility. FTIR of TI starch and protein at the same 70:30 ratio provided further evidence for the existence of an interaction between pea protein and TI starch. The results support the use of TI rapid swelling starch and pea protein isolate as a supporting matrix for application in meat analogue systems.
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.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle