MétaCan
Menu
Retour à la cohorte
Enregistrement W4405287347 · doi:10.1016/j.supflu.2024.106494

Subcritical water extraction of hydrolyzed proteins from canola meal: Optimization of recovery and physicochemical properties

2024· article· en· W4405287347 sur OpenAlexafffund
Karandeep Singh Sodhi, Jianping Wu, Ajay K. Dalai, Supratim Ghosh

Notice bibliographique

RevueThe Journal of Supercritical Fluids · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueProteins in Food Systems
Établissements canadiensUniversity of AlbertaUniversity of Saskatchewan
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaGovernment of SaskatchewanAgricultural Development FundMinistry of Agriculture - Saskatchewan
Mots-clésCanolaExtraction (chemistry)HydrolysisMealChemistryChromatographyWater extractionPulp and paper industryFood scienceEnvironmental scienceBiochemistryEngineering

Résumé

récupéré en direct d'OpenAlex

The objective of this study was to valorize hot-pressed, desolventized toasted canola meal by tailoring subcritical water extraction (SCW) conditions to enhance protein recovery while optimizing their physicochemical properties. A 3×3 face-centered central composite design using response surface methodology was applied to understand the interaction between extraction temperature (200-250°C), time (20-30 min), and feed concentration (5-20%) at 4.03 MPa pressure and their effects on protein recovery, degree of hydrolysis (DH), interfacial tension (IFT), and total phenolic content (TPC). The extracts displayed a maximum protein recovery of 68.9 wt% with a maximum DH of 14.1%. The extracted protein significantly reduced the IFT to a minimum of 4.0 mN/m. The extracts showed a high value of TPC (24.6 mg/g) and excellent antioxidative properties. Overall, it demonstrates the potential of SCW to transform low-value canola meals into high-value protein hydrolysates with enhanced surface activity and antioxidative properties for food and industrial applications.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,004
Score d'incertitude au seuil0,145

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
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)0,0000,000

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,229
Écart entre enseignants0,205 · 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 tête enseignante, 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

Citations8
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Journal of Supercritical FluidsMême sujetProteins in Food SystemsTravaux en français237 207