MétaCan
Menu
Retour à la cohorte
Enregistrement W4397000555 · doi:10.1016/j.fochx.2024.101483

Effect of selective fermentation on nutritional parameters and techno-functional characteristics of fermented millet-based probiotic dairy product

2024· article· en· W4397000555 sur OpenAlexaff
Mrinal Samtiya, Prarabdh C. Badgujar, Gauri A. Chandratre, Rotimi E. Aluko, Ashwani Kumar, Bharat Bhushan, Tejpal Dhewa

Notice bibliographique

RevueFood Chemistry X · 2024
Typearticle
Langueen
DomaineNursing
ThématiqueMicrobial Metabolites in Food Biotechnology
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesNational Institute of Food Technology Entrepreneurship and Management
Mots-clésProbioticFermentationFood scienceProduct (mathematics)BiotechnologyBiologyMathematicsBacteria

Résumé

récupéré en direct d'OpenAlex

The primary goal of this study was to assess the effect of selective fermentation on the nutritional and techno-functional characteristics of fermented millet-skim milk-based product. The product was made with HHB-311 biofortified pearl millet (PM) flour, skim milk powder, and isolated cultures (either alone or in combination) of Limosilactobacillus fermentum MS005 (LF) and Lactobacillus rhamnosus GG 347 (LGG). To optimize fermentation time, time intervals 8, 16, and 24 h were explored, while the temperature was kept 37 °C. Results of protein digestibility showed that LF (16 h) and LGG (24 h) fermented samples had significantly higher (p < 0.05) protein digestibility of 90.75 ± 1.6% and 93.76 ± 3.4%, respectively, than that of control (62.60 ± 2.6%). Further, 16 h fermentation with LF showed enhanced iron (39%) and zinc (14%) bioavailability. The results suggested that LF with 16 h fermentation is most suitable for making millet-based fermented products with superior techno-functional attributes and micronutrient bioavailability.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,005
Score d'incertitude au seuil0,791

Scores Codex et Gemma par catégorie

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

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 Opus0,008
Tête enseignante GPT0,236
Écart entre enseignants0,228 · 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 tête enseignante, 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

Citations17
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFood Chemistry XMême sujetMicrobial Metabolites in Food BiotechnologyTravaux en français237 207