A Review of the Utilization of Canola Protein as an Emulsifier in the Development of Food Emulsions
Notice bibliographique
Résumé
Canola is the second-largest cultivated oilseed crop in the world and produces meal consisting of about 35-40% proteins. Despite this, less than 1% of the global plant-based protein market is taken up by canola protein. The reason behind such underutilization of canola protein and its rapeseed counterpart could be the harsh conditions of the industrial oil extraction process, the dark colour of the meal, the presence of various antinutrients, the variability in the protein composition based on the source, and the different properties of the two major protein components. Although academic research has shown immense potential for the use of canola protein and its rapeseed counterpart in emulsion development and stabilization, there is still a vast knowledge gap in efficiently utilizing canola proteins as an effective emulsifier in the development of various emulsion-based foods and beverages. In this context, this review paper summarizes the last 15 years of research on canola and rapeseed proteins as food emulsifiers. It discusses the protein extraction methods, modifications made to improve emulsification, emulsion composition, preparation protocols, and emulsion stability results. The need for further improvement in the scope of the research and reducing the knowledge gap is also highlighted, which could be useful for the food industry to rationally select canola proteins and optimize the processing parameters to obtain products with desirable attributes.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 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 ».