MétaCan
Menu
Retour à la cohorte
Enregistrement W4399393090 · doi:10.3390/foods13111786

Effects of Genotype and Growing Year on the Nutritional Composition and Pasting Properties of Glabrous Canary Seed (Phalaris canariensis L.) Groat Flours

2024· article· en· W4399393090 sur OpenAlexafffundabout
Lovemore Nkhata Malunga, Sijo Joseph Thandapilly, Pierre Hucl, Nancy Ames

Notice bibliographique

RevueFoods · 2024
Typearticle
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensUniversity of SaskatchewanUniversity of ManitobaAgriculture and Agri-Food Canada
Organismes subventionnairesAgriculture and Agri-Food Canada
Mots-clésComposition (language)BiologyBotanyGenotypeFood scienceHorticultureAgronomyBiochemistry

Résumé

récupéré en direct d'OpenAlex

Canary seed flour is a new food ingredient that the United States Food and Drug Administration (FDA) and Health Canada recently granted Generally Regarded as Safe (GRAS) status. Stability in nutritional composition and functional properties is an essential characteristic of food ingredients for consistency in nutritional quality and performance in processing. This work assessed the effect of genotypic and environmental variation on the nutritional (protein, starch, amylose, oil, dietary fiber, minerals and fat-soluble vitamins) and pasting (as measured in viscosity (peak, trough, breakdown, final, and setback), peak time, and pasting temperatures) properties of Canary seed. The samples included four Canary seed varieties grown in randomized complete block design experiments at one location for two growing seasons. In general, the nutritional composition of Canary seed flour was not affected by genotype, growing year, and their interaction except for starch content, which was significantly affected by the growing year (p < 0.0001), and iron content, which was affected by genotypic variation (p < 0.0001). The pasting properties of Canary seed flour were significantly (p < 0.001) affected by both genotypic and growing year variation but not their interaction. Our results suggest that the food industry should measure starch and iron content prior to processing to ensure consistency in nutritional labeling. Also, for those applications where starch pasting properties are essential, the manufacturer should consider measuring the RVA pasting viscosities for every batch of raw material. The results have provided the baseline knowledge of which nutritional or functional properties of Canary seed flour can be improved through breeding and agronomy programs to ensure the reliability of Canary seed as an ingredient.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,014
Tête enseignante GPT0,211
Écart entre enseignants0,197 · 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'étudeObservationnel
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

Citations6
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueFoodsMême sujetFood composition and propertiesTravaux en français237 207