MétaCan
Menu
Retour à la cohorte
Enregistrement W4308494903 · doi:10.1002/star.202200189

Performance of Starch Gels on In Vitro Enzymatic Hydrolysis Assessed by Rheological Methodologies

2022· article· en· W4308494903 sur OpenAlexaff
María Santamaría, Leticia Montes, Raquel Garzón, Ramón Moreira, Cristina M. Rosell

Notice bibliographique

RevueStarch - Stärke · 2022
Typearticle
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesEuropean Regional Development FundAgencia Estatal de InvestigaciónXunta de GaliciaGeneralitat ValencianaEuropean Commission
Mots-clésStarchHydrolysisRheometerEnzymatic hydrolysisRheologyChemistryDigestion (alchemy)ChromatographyViscosityFood scienceMaterials scienceBiochemistryComposite material

Résumé

récupéré en direct d'OpenAlex

Abstract Starch hydrolysis is attracting much attention due to its relationship to digestion and glucose release. The objective is to propose rapid and continuous analytical methods that allow measuring gels hydrolysis following apparent viscosity ( μ ). Three different starches (corn, wheat, and rice) are tested recording starch gelatinization followed by gels digestions (digestograms) using a rapid‐visco analyzer (RVA) or a rheometer. Results are compared with those obtained by measuring glucose release along hydrolysis. A modified first‐order kinetic model in the RVA ( R 2 > 0.99) and rheometer ( R 2 > 0.99) describes the gels digestograms. Wheat gel shows a higher hydrolysis rate ( k ), which indicates faster digestion followed by rice and corn gels. The proposed models allow rapid analysis of starch digestograms, allowing to discriminate among hydrolysis rate of different starches. These less time‐consuming methods can be an option to continuously analyze starch gelatinization followed by enzymatic digestion.

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)0,001
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,058
Score d'incertitude au seuil0,729

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,074
Tête enseignante GPT0,329
Écart entre enseignants0,255 · 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

Citations10
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStarch - StärkeMême sujetFood composition and propertiesTravaux en français237 207