Effects of protein formula and extrusion cooking conditions on the techno‐functional properties of texturised pea proteins
Notice bibliographique
Résumé
Summary Pea protein concentrate and isolate were blended to obtain protein blend formulas (PBFs) with three levels of protein content and investigated for their potential for developing texturised vegetable proteins (TVPs). PBFs were extruded at three screw speeds and two feed moisture contents to obtain TVPs. Nitrogen solubility index (NSI) and techno‐functional properties, i . e . water holding capacity, oil absorbance capacity, emulsion capacity and emulsion stability, of the raw materials and the TVPs were examined. Raising the protein content through PBF decreased NSI for both the raw formulas and the TVPs. Regardless of the PBF, extrusion processing substantially decreased NSI, but increased oil absorption capacity. Extrusion's impact on water holding capacity, emulsion capacity and stability was complex and might have been impacted by the protein content and source. Overall, PBF's impact on the techno‐functionality of TVPs was more pronounced than that of extrusion conditions. At higher PBF, the NSI, emulsion capacity and stability values of TVPs were negatively impacted, implying that high protein content does not equate to better TVP quality. Future, TVP techno‐functionality research should focus on a wider range of extrusion screw speed and feed moisture content or the effects of protein content and source.
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 | 0,001 |
| 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 ».