Legume milk-based yogurt mimetics structured using glucono-δ-lactone
Notice bibliographique
Résumé
The potential to produce protein-structured vegan yogurts with legumes was explored to offer an alternative to conventional polysaccharide-based varieties. Glucono-δ-lactone (GDL) was employed as a slow acidifying agent and was investigated for its ability to generate cold-set, yogurt-like gels using soy and lentil milks made using minimal processing steps. Soy (5.3 % protein) and lentil (6.1 % protein) milks were successfully gelled by GDL at concentrations of 0.5 % and 1 % w/w. Soy and lentil milks experienced similar acidification profiles and demonstrated good fits with double-exponential decay models. The physical properties of these legume gels were evaluated and compared to a commercial stirred dairy yogurt. Penetration tests were carried out on intact gels, then repeated after stirring. All intact soy samples demonstrated significantly stronger gel structures compared to the commercial yogurt, and most experienced greater amounts of brittleness. Results showed that the stirring of gels caused a notable decrease in firmness and brittleness in the soy gels, making them more similar to the control. Power-law modelling of viscosity curves demonstrated that all samples experienced non-Newtonian flow behavior (n < 0.29). Susceptibility to syneresis was measured by the degree of liquid loss following centrifugation. The optimization of protein type and GDL concentration to replicate the physical properties of dairy-based yogurts can enhance their consumer acceptance and provide a more customizable and controlled approach alternative to traditional fermentation methods.
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 ».