MétaCan
Menu
Retour à la cohorte
Enregistrement W4410707556 · doi:10.1016/j.foodchem.2025.144901

Water lentil (duckweed) protein purification by chemical (HCl) and electrochemical (Electrodialysis with bipolar membranes) acidification: Composition, structure and functional properties vs commercial protein isolates

2025· article· en· W4410707556 sur OpenAlexafffund
Tristan Müller, Laurent Bazinet

Notice bibliographique

RevueFood Chemistry · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueProteins in Food Systems
Établissements canadiensUniversité Laval
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of Manitoba
Mots-clésElectrodialysisChemistryMembraneComposition (language)ElectrochemistryChromatographyChemical compositionBiochemistryOrganic chemistryElectrode

Résumé

récupéré en direct d'OpenAlex

Water lentils (duckweeds) are a potential source of sustainable protein, though their use in food formulation remains underexplored. This study aims to investigate the functional properties of water lentil protein concentrates (WLPCs) and their by-products, which were obtained through solubilization followed by chemical (HCl) and electrochemical (electrodialysis with bipolar membranes) purification in comparison to the initial water lentil powder (IP), egg white, soy, and whey protein commercial isolates. Both purification methods increased RubisCO content from 40 % in the IP to 80-85 % in the purified products, while structural analysis showed a shift from intermolecular to intramolecular β-sheets and α-helices, enhancing functionality. Regardless of the purification process, WLPCs and their by-products exhibited complementary functional properties, often matching or exceeding those of the IP and commercial protein isolates. These findings highlight that purified water lentil proteins are suitable for food formulation, but further investigations are necessary to evaluate their organoleptic properties.

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 enseignants0,001
Score d'incertitude au seuil0,003

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)0,0000,000

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 Opus0,007
Tête enseignante GPT0,168
Écart entre enseignants0,160 · 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

Citations4
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFood ChemistryMême sujetProteins in Food SystemsTravaux en français237 207