MétaCan
Menu
Retour à la cohorte
Enregistrement W4409452237 · doi:10.1016/j.foodchem.2025.144363

Unveiling the impact of high pressure and low temperature coupling on gelatin gel properties

2025· article· en· W4409452237 sur OpenAlexaff
Sinan Zhang, Hosahalli S. Ramaswamy, Ting Xiao, Lihui Hu, Yuxiao Mao, Songming Zhu, Ying Liu, Yong Yu

Notice bibliographique

RevueFood Chemistry · 2025
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCollagen: Extraction and Characterization
Établissements canadiensMcGill University
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésGelatinCoupling (piping)Materials scienceHigh pressureComposite materialChemistryChemical engineeringThermodynamicsOrganic chemistryPhysicsEngineering

Résumé

récupéré en direct d'OpenAlex

Balancing shelf life extension and food quality is a key challenge in food processing. Conventional air freezing (CAF) methods inhibit microbial growth but often create large ice crystals that damage food texture, nutrition, flavor, and water holding capacity. High-pressure and low-temperature coupling (HPLT) technologies, such as pressure-shift freezing (PSF) and pressure-assisted freezing (PAF), offer innovative solutions to these limitations. This study explores the effects of HPLT on gelatin gel, focusing on ice crystal morphology, mechanical properties, and water distribution. PSF and PAF produce smaller, more uniform ice crystals, reducing structural damage and preserving gel strength and texture. HPLT also decreases water loss, enhancing gel integrity during freezing. These results demonstrate HPLT's potential to revolutionize frozen food processing, minimizing quality degradation, reducing food waste, and promoting global food security.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,234

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,227
Écart entre enseignants0,219 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFood ChemistryMême sujetCollagen: Extraction and CharacterizationTravaux en français237 207