Process-induced toxicants in food: an overview on structures, formation pathways, sensory properties, safety and health implications
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract With the rapid advances in ready-to-eat food products and the progress of food processing industries, concerns about food security and investigating food safety as well as sensory quality have intensified. Many food safety concerns are attributed to the toxic components, which can be produced during food processing as process-induced toxicants (PITs). The thermal processing of food (e.g., baking, cooking, grilling, roasting, and toasting) may lead to the formation of some highly hazardous PITs for humans and animals. These include acrolein, acrylamide, benzene, ethyl carbamate, chlorinated compounds, heterocyclic organic compounds (HOCs), polycyclic aromatic hydrocarbons (PAHs), heterocyclic aromatic amines (HAAs), biogenic amines (BAs), N -nitrosamines, Maillard reaction products (MRPs), and several newly identified toxicants such as 3-monochloropropane-1,2-diol. The occurrence of these contaminants is often accompanied by distinguishing odor, taste, and color. The severity of the sensory attributes can vary depending on the compound concentration. Knowledge about the biochemical and chemical mechanisms of PITs generation is necessary for expanding feasible approaches to limit and control their amounts in food products. This contribution introduces the most significant PITs, highlighting their formation mechanisms, impact on sensory characteristics of foods, analytical methods to detection, risk assessments, and food safety/adverse health effects of ultra-processed foods. Graphical Abstract
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.
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 | 0,001 |
| 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 découle