MétaCan
Menu
Retour à la cohorte
Enregistrement W4392446234 · doi:10.1016/j.jcs.2024.103880

Pilot scale air classification of flours from hulled and hull-less barley for the production of protein enriched ingredients

2024· article· en· W4392446234 sur OpenAlexafffund
A. K. Singh, Marta S. Izydorczyk, Filiz Köksel

Notice bibliographique

RevueJournal of Cereal Science · 2024
Typearticle
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésFractionationIngredientStarchChemistryFood scienceGranule (geology)Fraction (chemistry)High proteinGlucanBeta-glucanChromatographyBiologyBiochemistry

Résumé

récupéré en direct d'OpenAlex

This study explored pilot scale air classification of flours from two barley varieties: CDC Austenson (hulled) and CDC Valdres (hull-less) for the production of protein enriched food ingredients. The objective was to understand the effect of repeat milling and air classification cycles on the shift of proteins and other components including starch, β-glucan, fiber and ash. Protein enrichment was achieved for both varieties, with 2.13 and 1.75 times increase in protein content for CDC Austenson and CDC Valdres, respectively, after the first fractionation cycle. Repeat cycles led to further protein separation for both varieties, resulting in an effective protein separation efficiency of 47–52% w/w towards the fine fractions. The fine fractions were also enriched with fat and ash. Whereas, the coarse fractions were enriched in total, soluble and insoluble dietary fibers as well as β-glucan. Starch distribution varied between varieties, with CDC Austenson showing a shift towards coarse fractions, while towards fine fraction for CDC Valdres due to its smaller granule size. This study established a pilot scale process for fractionation of barley. The compositional data of these fractions will aid the development and use of barley as a food ingredient in foods including snacks (starch-rich) and meat alternatives (protein-rich).

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,042
Tête enseignante GPT0,290
Écart entre enseignants0,248 · 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'étudeExpérimental (laboratoire)
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

Citations8
Publié2024
Routes d'admission2
Résumé présentnon

Explorer davantage

Même revueJournal of Cereal ScienceMême sujetFood composition and propertiesTravaux en français237 207