Effects of high hydrostatic pressure on folate and isoflavone contents, bioaccessibility, and physicochemical properties of soybean powder
Notice bibliographique
Résumé
High hydrostatic pressure (HHP) can be applied to regulate the content, bioaccessibility, and mutual transformation of bioactive substances in food. The present study applied HHP of 100–500 MPa to treat soybeans and found that 100 MPa can significantly increase folate content and bioaccessibility in soybeans. Compared with the control group, the content of total soybean isoflavone (SIF) increased by 15.57% and bioaccessibility by 25.69% at 300 MPa. Under 500 MPa treatment, the proportion of glycitein and genistein in total SIF increased by 16.04% and 23.06%, respectively, and that of glycitin and genistin decreased by 5.3% and 24.09%, respectively. Furthermore, this study characterized the effects of different HHP conditions on soybean physicochemical properties via scanning electron microscopy, particle size distribution analysis, Fourier-transform infrared spectroscopy, and rheological property assessment. HHP changed the hydrogen bonds in soybean protein. Smaller particle sizes were observed in all HHP-treated soybean powder (SP) groups. The viscosity of SP treated at 100–400 MPa decreased, and the shear thinning behavior was significant. This study provides a reference for regulating the release, transformation, and absorption of bioactive compounds in soybeans through HHP application. • 100 MPa increased soybean folate content and bioaccessibility by 15.97% and 7.28%. • 300 MPa increased the SIF content and bioaccessibility by 15.57% and 25.69%. • 500 MPa increased the conversion of β-glucoside to aglycone. • HHP made soy particles smaller and improved the bioaccessibility of folate/SIF.
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 ».