Fractionation of pea flour components using continuous and discontinuous density gradient centrifugation
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
Density gradient centrifugation (DGC) has been widely used for biomolecule separation based on their buoyant density. This study investigated the effectiveness of DGC in fractionating pea flour into starch- and protein-enriched fractions using three density gradient media (DGM) – polyvinylpyrrolidone (PVP), Optiprep, and corn syrup – applied as a continuous Optiprep gradient and five discontinuous gradients by layering different DGM. DGC was performed using 5 g of pea flour in 10 ml of DGM at 14,000 x g for 10 min. DGC achieved a clear fractionation of pea flour into top and bottom fractions, with 80–90% product recovery. The bottom fractions exhibited higher bulk and tapped densities than the top fractions, indicating successful density-based separation. Compositional analysis confirmed that starch was concentrated in the bottom fractions, while the top fractions were protein rich. The PVP-Optiprep-corn syrup gradient achieved three layered fractions with 71.83% starch (dry basis) in the middle fraction and 36.84% protein (dry basis) in the top fraction. Scanning electron microscopy also confirmed distinct starch granules in the bottom fractions and protein-starch aggregates in the top fractions. This study demonstrates the potential of DGC as a sustainable method for pea flour fractionation, offering an alternative to conventional starch and protein isolation techniques.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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