MétaCan
Menu
Retour à la cohorte
Enregistrement W4402609475 · doi:10.1111/ijfs.17545

Production and characterisation of protein isolates from Chilean granado beans ( <i>Phaseolus vulgaris L.</i> )

2024· article· en· W4402609475 sur OpenAlexaff
Christiana E. Anih, Priyanka Kumar, Bih‐King Chen, Verónica Dueik, David Carré, Levente L. Diósady

Notice bibliographique

RevueInternational Journal of Food Science & Technology · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueProteins in Food Systems
Établissements canadiensUniversity of Toronto
Organismes subventionnairesTertiary Education Trust Fund
Mots-clésPhaseolusBiologyBotanyHorticulture

Résumé

récupéré en direct d'OpenAlex

Abstract Granado beans, widely cultivated in Chile, offer plant-based proteins with functional benefits for healthier food formulations. These legumes have a 28% protein content (dry basis) with peptides called lectins that have the potential of reducing type-II diabetes. Our lab has developed a membrane-based method to produce protein isolates from oilseeds. This method was adapted for granado beans. The process involves alkaline extraction at pH 10, followed by ultrafiltration, diafiltration, acid precipitation at pH 4 and freeze-drying. The resulting precipitated protein isolate contains 81% protein, comparable to other legumes. However, the acid-soluble protein isolate (SPI) has a protein content of only 53% due to co-recovery of high molecular weight carbohydrates. The total phenolic compound contents of the protein products were low resulting in both products having an attractive light colour with no astringent taste. The characterisation of the SPI by High-Performance Liquid Chromatography found that it contained about 40% starch and other carbohydrates. To increase the protein content of SPI to ~90%, further purification steps to remove the carbohydrates are necessary.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,013
Tête enseignante GPT0,234
Écart entre enseignants0,222 · 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'étudeExpérimental (laboratoire)
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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Food Science & TechnologyMême sujetProteins in Food SystemsTravaux en français237 207