MétaCan
Menu
Retour à la cohorte
Enregistrement W4297348291 · doi:10.3390/foods11192992

Impact of Electric Arcs and Pulsed Electric Fields on the Functional Properties of Beta-Lactoglobulin

2022· article· en· W4297348291 sur OpenAlexafffund
Rock-Seth Agoua, Laurent Bazinet, Eugène Vorobiev, Nabil Grimi, Sergey Mikhaylin

Notice bibliographique

RevueFoods · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueProteins in Food Systems
Établissements canadiensUniversité Laval
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesNatural Sciences and Engineering Research Council of Canada
Mots-clésWhey proteinElectric fieldChemistryIngredientFunctional foodBeta-lactoglobulinChemical engineeringAnalytical Chemistry (journal)Materials scienceFood scienceChromatography

Résumé

récupéré en direct d'OpenAlex

Beta-lactoglobulin (β-lg) is a major whey protein with various techno-functional properties that can be improved by several treatments. Therefore, the objective of this study was to explore the impact of green high-voltage electrical treatments (HVETs)-namely, pulsed electric fields and electric arcs-on the functional properties of β-lg. Both emulsifying and foaming stability and capacity, as well as the hygroscopicity of non-treated and pretreated β-lg, were explored. The results demonstrated that the emulsifying capacity and stability of pretreated samples increased by 43% and 22% when compared to native β-lg, respectively. Likewise, the pretreated β-lg displayed better foaming stability compared to native β-lg. In addition, the HVETs significantly decreased the hygroscopicity of β-lg (by 48% on average), making it a good ingredient with reduced hygroscopicity for the food industry.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,607
Score d'incertitude au seuil0,417

Scores Codex et Gemma par catégorie

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

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 Opus0,053
Tête enseignante GPT0,224
Écart entre enseignants0,171 · 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 tête enseignante, 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'admission2
Résumé présentoui

Explorer davantage

Même revueFoodsMême sujetProteins in Food SystemsTravaux en français237 207