Effect of enzymatic Maillard reaction conditions on physicochemical properties, nutrition, fatty acids composition and key aroma compounds of fragrant rapeseed oil
Notice bibliographique
Résumé
Abstract BACKGROUND A new enzymatic hydrolysis‐based process inspired by the Maillard reaction can produce strong flavored, high‐value rapeseed oil that meets safety requirements. In the present study, the effect of reaction time (10–30 min) and temperature (130–160 °C) on the physicochemical properties, nutritional status, fatty acids composition and key aroma compounds of fragrant rapeseed oil (FRO) was investigated. RESULTS An increasing reaction time and temperature substantially decreased the total tocopherol, polyphenol and sterol contents of FRO, but increased benzo[a]pyrene content, as well as the acid and peroxide values, which did not exceed the European Union legislation limit. Among the volatile components, 2,5‐dimethyl was the main substance contributing to the barbecue flavor of FRO. The 150 °C for 30 min reaction conditions produced a FRO with a strong, fragrant flavor, with high total tocopherol (560.15 mg kg −1 ), polyphenol (6.82 mg kg −1 ) and sterol (790.65 mg kg −1 ) contents; acceptable acid (1.60 mg g −1 ) and peroxide values (4.78 mg g −1 ); and low benzo[ a ]pyrene (1.39 mg g −1 ) content. These were the optimal conditions for the enzymatic Maillard reaction, according to the principal component analysis. Furthermore, hierarchical cluster analysis showed that reaction temperature had a stronger effect on FRO than reaction time. CONCLUSION The optimal enzymatic Maillard reaction conditions for the production of FRO are heating at 150 °C for 30 min. These findings provide new foundations for better understanding the composition and flavor profile of FRO, toward guiding its industrial production. © 2023 Society of Chemical Industry.
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 | 0,001 |
| 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 ».