Submerged fermentation of lentil protein isolate and its impact on protein functionality, nutrition, and volatile profiles
Notice bibliographique
Résumé
Fermentation of pulses as a clean processing technique has been reported to have a favorable impact on the functional and nutritional quality of the starting materials. Compared to commonly fermented pulses such as peas and chickpeas, limited information is available on the effect of fermentation on lentils, especially when using a high protein isolate (>80% protein) as compared to seeds or flours. Therefore, in the present work, lentil protein isolate was used as a feedstock for submerged fermentation with Aspergillus niger, Aspergillus oryzae, or Lactobacillus plantarum. After 48 h, the samples showed increased protein content with enhanced solubility and oil-holding capacity. Controlled fermentation, as opposed to spontaneous fermentation, maintained the high foaming capacity; however, all fermented samples had lower foam and emulsion stabilizing properties and reduced water-holding capacity compared to the control. The fermented proteins were also less digestible, possibly due to an increase in phenolics and saponins. New volatile compounds were identified in fermented samples that show promise for improved sensory attributes. Significant differences were observed in specific quality attributes depending on the microbial strain used. Further research is required to better understand the fermentative metabolism of microbial communities when provided high-protein lentil ingredients as growth substrates. PRACTICAL APPLICATION: Fermented lentil protein isolate has promising flavor profiles that may improve its sensory properties for food application.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».