Selection, use and the influence of starter cultures in the nutrition and processing improvement of ‘ogi’
Notice bibliographique
Résumé
Abstract Starter cultures for ‘ogi’ production were selected with the aim of improving processing technique, lysine and methionine levels of ‘ogi’, a lactic acid fermented weaning food. Technological features of microorganisms from fermenting raw materials were screened to develop quality starter cultures. Lactobacillus brevis XO43 and Saccharomyces cerevisiae OY4 were finally selected and used as starter cultures in a pilot plant study. Fermentation with starter cultures showed constant final pH level of 3.35 in modified substrates after fermentation unlike spontaneously fermented; and significantly higher acidity (%TTA) indicative of faster fermentation. Addition of sugar (2%w/w) and soybean flours (1% w/w) also increased the acid levels during fermentation. Fermentation of dehulled maize grains fortified with glucose (2%w/w) alone by starter cultures shows the best quality in all the parameters considered except the available niacin yield. It is 24% higher than oven-dried ‘ogi’ flour from the traditional process and 11% higher than unprocessed whole maize grains. The methionine is 92% and 77% higher than the traditionally prepared ‘ogi’ and whole maize grains, respectively. The total amino acids level of the sample was 32% more than the traditionally fermented ‘ogi’ flour and 55% more than maize grains. Although, the soluble protein level was 23% lesser than the unfermented whole maize grains, it was 12% more than the dehulled maize substrate and ‘ogi’ from traditional process. Fermentation of corn into ‘ogi’ led to losses in the initial quantity of niacin. Starter cultures significantly improve the nutrients such as lysine, methionine, total amino acids, soluble protein and niacin more than spontaneous fermentation. Dehulling of grains, dewatering and oven drying significantly reduce nutrients. ‘Ogi’ fermentation process with the use of starter cultures and dehulled maize guarantee organoleptic qualities, improve ‘ogi’ production and create a better nutritional products.
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 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».