High pressure processing at different hydration levels as a tool to enhance rice bran stability and techno-functionality
Notice bibliographique
Résumé
• HPP is effective as preservative treatment at hydration levels higher than 15% • Hydration level and HPP enhance techno-functional characteristics of rice bran. • Hydration of 30% enhances the impact of HPP on rice bran structure. • HPP reduces peroxide values at low hydration and increases them at high hydration. • HPP achieves stable emulsions across all hydration conditions. High-pressure processing (HPP) enhances food safety and shelf life by inactivating microorganisms and preserving food quality, yet its effectiveness in low-humidity environments has not been evaluated. This study investigated the effects of HPP at 500 MPa for 15 min across varying hydration levels (15, 30, 60, 77 %) on rice bran (RB), aiming to identify microbial effectiveness, besides techno-functional and physicochemical properties. HPP effectively reduced mesophilic bacteria, molds and yeast of RB at > 15 % hydration level, achieving reductions of up to 4 logarithmic cycles in the latter, nearing the detection limit of the method. However, it did not significantly impact spore inactivation. HPP treatment of ≥ 30 % hydrated RB induced particles aggregation and a honeycomb formation. The interaction between hydration and HPP treatment significantly affected the distribution of total dietary fibers, with an increase in soluble dietary fiber from 8.73 g/100 g to 11.03 g/100 g after HPP treatment at 15 % hydration level. Protein solubility was enhanced by hydration (15, 30 and 60 %), and peroxide values decreased after HPP treatment at low hydration (≤30 %) but increased when applied to high hydrated (>30 %) RB. Emulsifying activity decreased upon HPP treatment of highly hydrated RB (≥60 %), but more stable emulsions were achieved after HPP, regardless of the hydration level. Therefore, this study highlights the potential of HPP as a sustainable approach to enhance the utilization of rice bran in food applications, addressing existing knowledge gaps regarding its processing under different moisture conditions.
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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».