Valorizing Canadian Oat Cultivars to Obtain Non‐Conventional Starch: Pasting, Physicochemical, and Morphological Properties
Notice bibliographique
Résumé
Abstract Valorizing non‐conventional raw materials to obtain food products has become a crucial strategy of food processing industries for curbing the current depletion of natural resources worldwide. Thus, non‐conventional starches from protein extraction residues of Canadian oat cultivars are studied regarding their technological properties. Consequently, 29 variables are evaluated in starches originating from 18 oat grain samples harvested from nine locations in Canada. One‐way analysis of variance (ANOVA) is used to analyze the effects of location, cultivar, and their interaction on the properties. Data are also processed using principal component analysis (PCA) and hierarchical cluster analysis (HCA) to reduce the dataset's dimensionality. ANOVA reveals that the starches technological features are greatly affected by harvesting location. PCA and HCA grouped samples into three clusters, explaining >70% of the data variability. Cluster 1 shows the lowest means for each response variable. Cluster 2 presents the highest trough viscosity values, while cluster 3 shows a low swelling factor. For proximate analysis, significantly different values are found for ash and amylose contents. Structural and morphological studies indicate starches with low crystallinity and small, polygonal, and irregular starch granules.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».