MétaCan
Menu
Retour à la cohorte
Enregistrement W4387024010 · doi:10.5539/jfr.v12n4p18

Aroma Comparison between Plant-based Hamburgers and Traditional Beef Hamburgers

2023· article· en· W4387024010 sur OpenAlexvenueno aff
Joshua D. Zyzak, Nathaniel A. Britt, Lucy Jones, Phillip K. Gilbert, Callie E. Boggs, Li Li Zyzak

Notice bibliographique

RevueJournal of Food Research · 2023
Typearticle
Langueen
DomaineNeuroscience
ThématiqueOlfactory and Sensory Function Studies
Établissements canadiensnon disponible
Organismes subventionnairesEastern Kentucky University
Mots-clésAromaOlfactometryFlavorMaillard reactionChemistryFood scienceOdorOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The aim of the study was to investigate the differences in aroma in the many plant-based hamburger analogues in the market today when compared with traditional beef hamburger. For that purpose, we investigated the aroma components using headspace gas chromatography-olfactometry and gas chromatography coupled to mass spectrometry analytical methods. The lipid-derived aldehydes and Maillard reaction compounds were key contributors to the characteristic aroma of a beef hamburger. And that most of the plant-based burgers in the market today were unable to replicate that profile. The plant-based meat analogues displayed a more roasted odor character with higher pyrazine levels and then many show evidence to the addition of other flavor compounds and spices to give the perception of a flavored meat analogue. These approaches resulted in higher flavor intensity; however, the result was something very sensorially different than the sweet, juicy, buttery, and meaty character of beef hamburger. Based on these findings, replication of the characteristic aroma of beef hamburger is complex. This work provides new insights into the key aroma contributors of beef hamburgers and the challenges that exist in trying to replicate it with plant-based meat analogues.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,651
Tête enseignante GPT0,404
Écart entre enseignants0,246 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Food ResearchMême sujetOlfactory and Sensory Function StudiesTravaux en français237 207