Novel hydrothermal modification to alter functionality and reduce glycemic response of pea starch
Notice bibliographique
Résumé
Despite being an effective and clean-label method, heat-moisture treatment (HMT) is not commonly used for starch modification in industry due to the difficulty of scale-up. This study aimed to develop a novel method of using extrusion combined with high-temperature drying (EHTD) as an alternative to HMT for starch modification. Pea starch was subjected to extrusion at 37.5 % moisture level and with a low-temperature profile (≤ 65 °C), followed by immediate heating at 130 °C for 1 h. EHTD significantly damaged the granules, altered the X-ray diffraction pattern, and reduced the relative crystallinity of pea starch. Overall, EHTD-modified pea starch exhibited increased gelatinization temperatures and decreased gelatinization enthalpy change, lowered pasting viscosity and gel hardness, as well as enhanced enzymatic resistance than the native pea starch. More importantly, in a human feeding trial (n = 20 healthy participants) to monitor plasma glucose response over a period of 2 h after consuming water-boiled sample (35 g starch, dry basis), EHTD-modified pea starch exhibited 22 % reduction (p < 0.01) in plasma glucose incremental area under the curve as compared to the native counterpart. The results indicated that EHTD could be a new simple and clean-label method to produce functional and low-glycemic starch ingredients.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».