<i>Hornification</i> : Lessons learned from the wood industry for attenuating this phenomenon in plant‐based dietary fibers from food wastes
Notice bibliographique
Résumé
A significant amount of waste is annually generated worldwide by the supply chain of the food industry. Considering the population growth, the environmental concerns, and the economic opportunities, waste recovery is a promising solution to produce valuable and innovative ingredients for food and nonfood industries. Indeed, plant-based wastes are rich in dietary fibers (DF), which have relevant technical functionalities such as water/oil holding capacity, swelling capacity, viscosity, texture, and physiological properties such as antioxidant activity, cholesterol, and glucose adsorption capacities. Different drying technologies could be applied to extend the shelf life of fresh DF. However, inappropriate drying technologies or process conditions could adversely affect the functionalities of DF via the hornification phenomenon. Hornification is related to the formation of irreversible hydrogen bindings, van der Waals interactions, and covalent lactone bridges between cellulose fibrils during drying. This review aims to capitalize on the knowledge developed in the wood industry to tackle the hornification phenomenon occurring in the food industry. The mechanisms and the parameters affecting hornification as well as the mitigation strategies used in the wood industry that could be successfully applied to foods are summarized. The application of conventional drying technologies such as air or spray-drying increased the occurrence of hornification. In contrast, solvent exchange, supercritical drying, freeze-drying, and spray-freeze-drying approaches were considered effective strategies to limit the consequences of this phenomenon. In addition, incorporating capping agents before drying attenuated the hornification. The knowledge summarized in this review can be used as a basis for process design in the valorization of plant-based wastes and the production of functional DF that present relevant features for the food and packaging industries.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».