Preparation of 1,3‐Diglyceride Microcapsules with Low Glycemic Index
Notice bibliographique
Résumé
Abstract A large number of animal and clinical experiments show that 1,3‐diglyceride (1,3‐DAG) can significantly ameliorate obesity by improving blood lipid and glucose metabolism. After microencapsulation, it cannot only be used to prepare full‐nutrient food that meets the nutritional requirements of specific patients, but also improve the storage stability of oils. In this study, 1,3‐DAG microcapsules are prepared by using high‐amylose corn starch, resistant dextrin, and sodium caseinate as composite wall materials, and 1,3‐DAG with a purity of 80% as core material. Firstly, the water phase and oil phase are mixed evenly, and then the uniform emulsion is prepared by two steps of high‐speed shearing and high‐pressure homogenization. The prepared emulsion is desiccated by a spray dryer to prepare microcapsules. Taking the encapsulation rate as the judging criteria, five gradients of core and wall material are designed to obtain the optimal formula. The results show that when the amount of core material is 28% and the wall material is 70%, the encapsulation rate of 99.51% is the highest. The prepared 1,3‐DAG microcapsules have water content of 1.9% and solubility of 98.05%, the average particle size is 2.921 µm. The particles are uniform and stable, with fine color and texture, and a high oil content.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 source (Gemma direct ou Codex distillé), 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 ».