Analysis of volatile profiles and taste characteristics in sous-vide cooked chicken breast based on HS-SPME-GC-MS and E-tongue
Notice bibliographique
Résumé
Sous-vide (SV) cooking is a practical strategy to improve the texture of chicken breast products. Nevertheless, there has been minimal research on the impact of SV cooking conditions on the volatile profiles and taste characteristics of chicken breast. This study aimed to analyze the texture, volatile profiles and taste characteristics in SV cooked samples as affected by temperature-time combinations, by employing HS-SPME-GC-MS and E-tongue coupled with PCoA, PCA and PERMANOVA analysis. SV samples had lower cooking loss and shear force than traditional boiling (TB) samples. A total of 95 volatiles were identified in all raw and heated samples, and SV70 samples (SV cooking at 70 °C for 45 and 90 min) had the highest concentration of 1-octen-3-ol, 2-pentanone and total esters. TB and SV samples cooked exceeding 75 °C had more aldehydes than other samples. E-tongue results indicated increasing umami values of SV samples as temperature and time grew, and SV70 samples displayed the lowest bitterness and astringency values. PERMANOVA analysis showed that temperature rather than time caused the difference of taste characteristics among samples. Therefore, SV cooking at 70 °C can effectively improve the volatile profiles and taste attributes of chicken breasts.
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 | 0,001 | 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 ».