Notice bibliographique
Résumé
The world is demanding more protein for human consumption-increasing amounts of plant proteins are being used to meet this increasing demand. It has been estimated that global plant-based alternative protein market could swell to $162 billion in the next decade from $29.4 billion in 2020 and every tenth portion of meat, eggs, and dairy eaten around the globe by 2035 could be derived from plant proteins. White lupin (Lupinus albus L.), a legume, has been researched in Virginia for several years which has resulted in development of several winter-hardy and high yielding lines. However, concentrations of protein and relative concentrations of various amino acids in seeds of these lines are not known. Therefore, objective of this study was to characterize protein in winter-hardy lupin lines. Seeds of five winter-hardy white lupin lines grown during 2020-2021 contained about 51% protein as compared to literature values of about 35 and 24% protein in soybean and winter pea seeds, respectively. Concentrations of nine essential amino acids (isoleucine, leucine, lysine, methionine, threonine, tryptophan, valine, phenylalanine, and histidine) in lupin seed varied from 1.25 to 1.41, 1.98 to 2.51, 1.12 to 1.60, 0.21 to 0.27, 1.03 to 1.28, 0.25 to 0.30, 1.22 to 1.40, 1.14 to 1.28, and 0.69 to 0.79, respectively. These concentrations compared quite well with those in soybean and winter pea seed. These results indicate that white lupin has considerable potential to meet alternative plant protein needs of manufactures and consumers.
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 | 0,001 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».