Effect of Heat Treatment on Yellow Field Pea (Pisum sativum) Protein Concentrate Coupled with Membrane Ultrafiltration on Emulsification Properties of the Isolated >50 kDa Proteins
Notice bibliographique
Résumé
The aim of this paper was to determine the emulsification properties of protein aggregates obtained from heat pretreated yellow field pea protein concentrate (PPC). PPC dispersions were prepared in distilled water (adjusted to pH 3.0, 5.0, 7.0, or 9.0), heated in a water bath (100 °C) for 30 min, centrifuged and the supernatant passed first through a 30 kDa membrane and, then, the first retentate (>30 kDa) through a 50 kDa membrane. The 50 kDa membrane separation yielded a second retentate (>50 kDa proteins), which was isolated for emulsification studies. The near UV circular dichroic spectra of the protein samples showed more unfolded structures at pH 3.0 and 5.0 than at pH 7.0 and 9.0. The presence of small and spherical oil droplets of emulsions stabilized by the >50 kDa proteins at pH 3.0, 7.0, and 9.0 was confirmed by confocal laser scanning microscopy images. Emulsions stabilized at pH 7.0 and 9.0 had a narrower size distribution range than at pH 3.0 and 5.0. A narrow oil droplet size distribution range and lower interfacial protein concentrations of the emulsions stabilized by the >50 kDa proteins were observed at the corresponding pH of the heat treatment when compared to other pH values. Emulsions stabilized by the >50 kDa proteins exhibited a relatively low flocculation and coalescence index, which infers relative stability. The results from this work suggest that heat pretreatment of the PPC led to the formation of new protein aggregates, especially FT9 with enhanced emulsification properties, at some of the test conditions when compared to the unheated PPC.
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 | 0,000 | 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) | 0,000 | 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 ».