Solid‐state and submerged fermentation effects on functional properties of pea protein‐enriched flour
Notice bibliographique
Résumé
Abstract Background and Objectives Modification of plant proteins is often required to make them suitable substitutes for animal proteins in food applications. The effects of fermentation on the quality and functional properties of pea protein‐enriched flour (PPEF) were evaluated in this study. PPEF was fermented by Aspergillus oryzae , Rhizopus oryzae , Rhizopus oligosporus , Lactobacillus plantarum , and Bacillus subtilis strains using solid‐state and submerged fermentation (SSF and SmF, respectively). Findings Protein contents significantly increased following fermentation for all samples, while lipid contents significantly decreased in SSF and increased in SmF samples. Surface properties were modified: enhanced zeta potential and decreased surface hydrophobicity were observed. At pH 7, emulsification activities and stabilities increased in A. oryzae and R. oligosporus samples, and emulsion stability increased for all fermented samples. Water and oil holding capacities increased after fermentation. SmF‐PPEF showed generally more significant changes in these properties. Conclusions Fermentation improved the functional properties of PPEF to varying degrees, depending on the mode of fermentation, pH conditions, and fermenting strains. Significance and Novelty This research demonstrates that fermentation can be efficient in modifying various functional properties of legume proteins, thus, helping increase their values.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».