Composition, functionalities, and digestibility of proteins from high protein and normal pea ( <i>Pisum sativum</i> ) genotypes
Notice bibliographique
Résumé
Abstract Although a lot of research has been focused on the applications of pea protein, the effects of genotypes on protein applications have not been sufficiently investigated. Three high protein genotypes and four normal genotypes were included in this study. The results showed that the pea proteins from these seven genotypes differed widely in 11S/7S ratio. P1141 and Lacombe had the highest 11S/7S ratio while P1142, P0540, and Cooper had the lowest. Since the three high protein genotypes were selected from different parent lines, they had different 11S/7S ratios, which may partially explain their various functionalities. This demonstrated the potential of using breeding as a tool to manipulate the 11S/7S ratio of pea protein. The 11S/7S ratio may play a more important role in determining the protein functionalities than high/normal protein level in the seed. The solubilities of all seven samples were pH dependent. At pH 7, Lacombe and P1141 had the lowest solubility among all the tested samples, which may be a result of their high 11S/7S ratio. The proteins from all genotypes showed comparative water and oil holding capacities. P1141, Lacombe and Earlystar showed excellent emulsifying and foaming capacity at all tested pHs, which may be attributed to their relatively higher 11S/7S ratio. The in vitro digestibility varied among genotypes regardless of high protein or normal genotypes but all higher than 75%. The results of this study demonstrated that breeding could manipulate the pea protein content and composition, which further determined its functional properties and applications in food products.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».