Impact of protein sources on the functionality of plant-based cheeses formulated with saturated and unsaturated fat
Notice bibliographique
Résumé
Plant-based cheeses provide an environmentally friendly alternative to traditional dairy, often incorporating coconut oil to mimic the texture of animal fat. This study examines the influence of protein properties on the functionality of plant-based cheeses. Previous research has determined that a blend of 25% coconut oil (CO) and 75% sunflower oil using pea protein 1 (PP1) produces a cheese with high hardness, melt, oil loss, and stretch when compared to the same cheese made with 100% CO. This study assessed another pea protein isolate, a faba protein isolate (FP1), and a lentil protein isolate, at a concentration of 7.5% (w/w) to evaluate their effect on the cheese physical characteristics. Texture profile analysis revealed that the hardness of cheeses increased with higher amounts of coconut oil; however, the cheese formulated with PP1 and 25% CO exhibited the firmest texture of 80 N due to unique protein-fat interactions, which was similar to the hardness of 100 N at 100% coconut oil. The cheese analogs made with 25% CO and PP1 either matched or surpassed the melt, oil loss, and stretch of the cheese analogs products prepared with the same proteins with 100% CO. The rheological properties of the cheeses were assessed between 20 °C and 95 °C, using tan δ (G″/G′) and complex viscosity (η*) at 95 °C as functionality indicators. These results suggest that specific protein-fat interactions can be tuned to achieve the desired hardness while preserving functional properties and potentially improving the sustainability and health benefits of the final product.
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 | 0,001 | 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 ».