Enhanced functionality of fermented whey protein using water kefir
Notice bibliographique
Résumé
This research is part of an effort to enhance fermented whey proteins’ quality and nutritional value. In this research, we investigated the feasibility of using a natural fermentation approach on whey proteins. We determined the protein digestibility, non-nutritive compounds (including phenolic compounds and saponins), and microbiological quality of water kefir-fermented whey proteins. Due to the water kefir-induced fermentation of whey proteins, the protein digestibility improved from 88.48 to 94.33%. The protein quality of fermented whey proteins has been modified after the water kefir fermentation, as observed with the changes in the secondary protein structure components, especially α-helices (decreased from 10.58 to 8.52%) and random coil (increased from 12.25 to 17.33%). In addition, their water solubility, surface hydrophobicity, and surface charge changed significantly (P < .05) during the fermentation time; 88.44 to 94.11%, 387.23 to 272.7 a.u. and −30.06 to −34.93 mV, respectively. Furthermore, water kefir is an excellent source of fermenting microorganisms, including lactic and acetic acid bacteria and yeast. Thus, the water kefir fermentation approach could be an effective, practical, non-thermal approach for altering whey proteins.
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 ».