Novel biotechnological approaches to improving aromas and flavors of legume‐derived food products
Notice bibliographique
Résumé
Abstract Background and Objectives Beany flavor and aroma pertaining to legumes and legume‐derived food products are among the reasons for their limited acceptance by Western consumers. Fermentation has been used for improving qualities of various food sources in traditional cuisines across the globe for millennia. This review is dedicated to novel ideas regarding the improvement of flavor and aroma properties of legumes and legume‐derived products using fermentation and/or enzymatic treatments. Special attention is paid to the utilization of microorganisms capable of cyclodextrin (CD) production. Findings Novel genetically engineered and/or immobilized microorganisms, such as Bacillus spp., or enzymes, such as cyclodextrin glycosyl transferases (CGTases), were recently shown to be efficient in helping remove undesirable odor‐/flavor‐active compounds from food products. Conclusions Fermentation of legumes/legume‐derived products by CD‐producers is an industrially feasible approach to the production of novel legume‐derived food products with improved odor/flavor properties. Significance and Novelty On the basis of the reviewed material, a two‐stage processing of legumes/legume‐derived products, including either acid treatment or fermentation by lactic acid bacteria (LAB) at the first stage to unbind odor‐/flavor‐active compounds from proteins and then, at the second stage, using CD‐producers (primarily Bacillus spp.) to scavenge such compounds with CDs, is proposed.
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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».