MétaCan
Menu
Retour à la cohorte
Enregistrement W4310382562 · doi:10.21203/rs.3.rs-2310085/v1

Atmospheric-cold plasma (ACP) performance on coliform inactivation, dehydration and functional properties in powder form materials (wheat flour and whey protein isolate)

2022· preprint· en· W4310382562 sur OpenAlexaff
Majid Soleimani, Oon‐Doo Baik

Notice bibliographique

RevueResearch Square · 2022
Typepreprint
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueMicroencapsulation and Drying Processes
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésAbsorption of waterFood scienceSolubilityChemistryDehydrationResidence time (fluid dynamics)Wheat flourAbsorption (acoustics)Materials scienceComposite materialBiochemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract This study was conducted to determine the performance of atmospheric plasma on powder form biological materials including wheat flour (WF) and whey protein isolate (WP). Coliform bacteria inactivation and optimization were performed based on a central composite design with two variables, namely residence time and mass of the sample. The results indicated that both variables had significant effect on bacterial inactivation with more importance of residence time compared to mass of the substrate. Drying process was conducted for selected conditions including mild, moderate, and extreme conditions. The results indicated that plasma can be even used as a fast and effective tool for drying biological materials. Among all models used in this study, Henderson-Pabis model was more suitable in predicting the dehydration kinetics of both materials. Drying rate constants obtained using this model indicated that the ratios of residence time over mass of the material did not have a significant impact on this parameter. Analysis of the functional properties revealed that water absorption can be highly (≈ 70%) enhanced in WF. However, properties such as oil absorption (in WF and WP), protein solubility and emulsifying activity index (EAI) as well as stability (in WP) were slightly changed by the plasma treatment.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,061
Tête enseignante GPT0,279
Écart entre enseignants0,218 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch SquareMême sujetMicroencapsulation and Drying ProcessesTravaux en français237 207