Reduction of antinutrients and off-flavour in kidney bean flour by acidic and alkaline reactive extrusion
Notice bibliographique
Résumé
The presence of antinutrients and undesirable flavours in kidney bean flour poses challenges to consumer acceptance. Although extrusion can mitigate antinutrients to some extent, its impact on reducing beany flavour in bean flour remains underexplored. This study investigated the effects of injecting acetic acid or sodium carbonate solutions at three concentration levels (0.05, 0.1, 0.15 mol/L), in conjunction with three temperature profiles (40/60/80/80/90, 40/60/80/90/110, 50/70/90/110/130 °C) and two feed moisture levels (25, 30 %), on the removal of antinutrients (condensed tannins, trypsin inhibitor activity, phytic acid, raffinose family oligosaccharides) and reduction of volatile compounds that contribute to beany flavour in whole kidney bean flour. The results showed that all concentrations of acetic acid and sodium carbonate solutions effectively reduced condensed tannins compared to water, especially at 130 °C extrusion temperature. Introducing acetic acid and sodium carbonate solutions at a concentration of 0.15 mol/L led to 72 and 90 % reduction of total raffinose family oligosaccharide content, respectively, in contrast to the 17 % reduction observed with water alone. The incorporation of sodium carbonate solution reduced the total volatile compounds by 45-58 % as compared with water (23-33 %) and acetic acid (11-27 %). This reduction was primarily due to the reduction of aldehydes, alcohols, and aromatic hydrocarbons. These results indicate that injecting sodium carbonate solution during extrusion can effectively reduce antinutrients and beany flavour compounds in kidney bean flour.
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 | 0,000 | 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 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 ».