Garlic and Chitosan Improve the Microbial Quality of Hummus and Reduce Lipid Oxidation
Notice bibliographique
Résumé
This study investigated the antimicrobial and antioxidant effects of garlic and chitosan on hummus. Hummus was prepared by using 0.5% or 1% (w/w) chitosan, with or without 1% (w/w) garlic, and samples were stored at 4, 10, or 25 °C for 28, 21, or 7 d, respectively. The behavior of lactic acid bacteria (LAB), Pseudomonas spp., aerobic bacteria, and yeasts and molds was then investigated. Color, pH, TBARS, and rheological properties were also measured. In hummus, both with and without garlic, chitosan added at 0.5% and 1% w/w significantly (p < 0.05) decreased LAB, aerobic bacteria, yeasts, and molds, and Pseudomonas spp., at 4 °C. However, at 10 °C, adding chitosan at 1% w/w significantly reduced only aerobic bacteria (2.2 log cfu/g) and Pseudomonas spp. (1.0 log cfu/g). The pH values (regardless of treatment) decreased upon storage. The addition of garlic or chitosan did not significantly affect the lightness (L*) or yellowness (b*). However, garlic, regardless of chitosan concentration, notably reduced lipid oxidation (0.8–1.4 MDA Eq/kg of sample) and had a greater impact on the sensory properties compared to chitosan. The results of this study will encourage producers to produce hummus that has a better flavor due to garlic with enhanced microbial quality.
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 ».