A methodological approach to assess the ropy character of stirred acid dairy gels based on the measure of adhesiveness
Notice bibliographique
Résumé
This work aims to evaluate the potential and limits of adhesiveness measurement using a texturometer to assess the ropiness of acid dairy gels for starter selection. Commercial yogurts of various formulations and textures were used to assess the ability of adhesiveness to detect ropiness and to compare different probes' performance. Chemically acidified gels using different concentrations of glucono-delta-lactone (GDL) were tested to determine the effect of pH on adhesiveness. In addition, acidified (GDL) milk containing 3 EPS-producing adjunct strains were produced to evaluate the detection of ropy strains using adhesiveness, compared with an inoculation loop stretching test. The adhesiveness of commercial yogurts was mainly impacted by its formulation. Visually ropier commercial yogurts with high protein and fat contents presented higher adhesiveness. Globally, adhesiveness analysis was not impacted by probe material, but larger probes resulted in higher adhesiveness values. The addition of adjuncts increased the adhesiveness of GDL gels compared with the controls. Results between inoculation loop stretching test and adhesiveness were similar, except for Lactobacillus. delbrueckii lactis LMA-1511 which exhibited high adhesiveness but no threading with the loop stretching test. When varying GDL concentration, adhesiveness increased with decreasing pH until pH 4.45, and remained stable until pH 4.18. In the pH zone from 4.18 to 4.45, differences in adhesiveness could indicate the presence of a ropy strain. This method is promising for industries as a quality control or screening method for starter cultures due to its simplicity and the availability of texturometers.
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 | 0,003 | 0,001 |
| 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 | 0,000 |
| Science ouverte | 0,001 | 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 ».