Cold gelation of canola protein isolate and canola protein hydrolysates
Notice bibliographique
Résumé
Canola holds untapped potential as an emerging plant protein source, owing to its promising nutritional and functional advantages. In this study, canola protein isolate (CPI) and its hydrolysates were used to prepare CaCl 2 -induced cold-set gels. Gel properties were examined through rheological characterization and scanning electron microscopy. CPI was extracted from canola meal using an alkaline extraction or salt extraction methods. The gel prepared from alkali-extracted CPI exhibits clearly higher storage and loss moduli values in a frequency sweep test, indicating that exposing hydrophobic domains at alkaline condition is critical for the cold-set gelation. Enzymatic hydrolysis of alkali-extracted CPI using different concentrations of Alcalase (0.04%, 0.2%, and 1%, w/w), resulted in a decrease in gel strength, primarily due to the loss of high molecular weight constituents. Ultrafiltration of the hydrolysates was employed to concentrate these constituents. Interestingly, at reduced protein concentrations, gels prepared using the retentate fraction (the hydrolysate prepared at an Alcalase concentration of 0.04 %) exhibited higher values of both moduli than that of the CPI gels. This suggests that enzymatic hydrolysis of CPI exposes hydrophobic domains, facilitating aggregate formation and improving gel forming capability. Fourier transform infrared spectroscopy analysis shows β-sheets was increased after hydrolysis and the subsequent ultrafiltration process. This study supports a key role of hydrophobic interactions in the formation of cold-set gelation using alkali-extracted CPI and the retentate fraction of canola protein hydrolysate. These findings offer potential for the development of novel applications of canola proteins in food and non-food industries.
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 ».