The Effect of Pre-Treatment and the Drying Method on the Nutritional and Bioactive Composition of Sea Cucumbers—A Review
Notice bibliographique
Résumé
Sea cucumbers are well demarcated for their valuable role in the food, pharmaceutical, nutraceutical, and cosmeceutical sectors. The demand for well-processed dried sea cucumber retaining quality is prioritized by local markets and industries. There are several techniques for the pre-processing of fresh sea cucumbers, including traditional and modern methods, such as salting, boiling, high-pressure processing, high-pressure steaming, and vacuum cooking, among others, in order to inactivate enzymes and microbial attacks. Further, pre-treated sea cucumbers require post-processing before human consumption, transportation, or industry uses such as hot air, freeze, cabinet, sun, or smoke drying. However, despite the ease, traditional processing is associated with several challenges hampering the quality of processed products. For instance, due to high temperatures in boiling and drying, there is a higher chance of disrupting valuable nutrients, resulting in low-quality products. Therefore, the integration of traditional and modern methods is a crucial approach to optimizing sea cucumber processing to obtain valuable products with high nutritional values and retain bioactive compounds. The value of dried sea cucumbers relies not only on species and nutritional value but also on the processing methods in terms of retaining sensory attributes, including colour, appearance, texture, taste, and odour. Therefore, this review, for the first time, provides insight into different pre- and post-treatments, their perspective, challenges, and how these methods can be optimized for industry use to obtain better-quality products and achieve economic gains from sea cucumber.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».