MétaCan
Menu
Retour à la cohorte
Enregistrement W4409905374 · doi:10.1021/acsfoodscitech.5c00007

Contrasting Impacts of Pre-harvest Field Sprouting on the Functionality of Bread Wheat and Durum Wheat

2025· article· en· W4409905374 sur OpenAlexfundaboutno aff
Kun Wang, Carly Isaak, Bin Xiao Fu

Notice bibliographique

RevueACS Food Science & Technology · 2025
Typearticle
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensnon disponible
Organismes subventionnairesAgriculture and Agri-Food Canada
Mots-clésSproutingAgronomyWinter wheatBiologyField (mathematics)Whole wheatAgricultural engineeringEngineeringMathematicsHorticultureFood science

Résumé

récupéré en direct d'OpenAlex

High Resolution Image Download MS PowerPoint Slide This study was conducted to examine the impacts of pre-harvest field sprouting (PHS) on wheat end-use functionality of bread wheat Canada Western Red Spring (CWRS) and durum wheat Canada Western Amber Durum (CWAD). PHS affected CWRS and CWAD differently in milling performance, dough rheological properties, and final product quality. With decreasing Falling Number (FN), key quality attributes of CWAD remained mostly unchanged but CWRS quality progressively decreased, especially when FN dropped below 200 s. Both CWRS and CWAD showed signs of in situ starch hydrolysis in field-sprouted kernels with more damage apparent in CWRS as greater maltose levels were found in flour than in semolina. Analysis of gluten fractions in flour or semolina indicated that protein composition was not affected by PHS. Unlike pasta-making, which involves low water-absorption, short mixing time, and high-temperature drying, the combination of high water absorption, lower temperature, and long fermentation times magnify the detrimental effects of excessive α-amylase on the bread-making performance of CWRS.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,010
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,019
Tête enseignante GPT0,269
Écart entre enseignants0,250 · 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 source (Gemma direct ou Codex distillé), 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

Citations2
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS Food Science & TechnologyMême sujetFood composition and propertiesTravaux en français237 207