Influence of spouting period on microbiological and nutritional attribute of sesame seed flour
Notice bibliographique
Résumé
This present research was carried out to study the effects of spouting periods on the, proximate composition, mineral content, ant-nutritional factor and microbiological content of sprouted sesame flour. Sesame seeds were soaked in water for 6 h and sprouted for period of 0 h, 24 h, 48 h, 72 h and 96 h. The sprouted seeds were dried at 70 °C for 55 min and milled into flour. The flour was assayed for proximate composition, mineral content, anti-nutrient content and microbiological using standard methods. Results showed that increasing the spouting periods of sesame seed significantly (P < 0.05) increased the protein (28.92–44.21 g/100 g) and ash (9.13–9.93 g/100 g) but decreased moisture (8.02–4.67 g/100 g), crude fibre (13.89—9.82 g/100 g), carbohydrate (16.75–4.10 g/100 g) and crude fat (23.29–23.27 g/100 g) of the flour respectively. The same applies for the mineral contents; calcium (460.07–477.07 mg/100 g) magnesium (390.06–419.07 mg/100 g). From 0 to 96 h sprouting time, the viable count increased from 6.40 ± 0.04 × 103 to 8.20 ± 0.05 × 103 cfu/g, yeast count from 7.60 ± 0.07 × 103 to 7.82 ± 0.04 × 103 cfu/g, and mold count from 18.44 ± 1.08 × 103 to 24.15 ± 1.34 × 103 cfu/g respectively with no Coliform counts. The data obtained was within the standard acceptable microbiological limit. The study has shown that increase in sprouting period improved the nutrient and microbiota composition of the sesame seed flour.
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) | 0,001 | 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 ».