Traditional and Emerging Physical Processing Technologies: Applications and Challenges in Allergen Control of Animal and Plant Proteins
Notice bibliographique
Résumé
Under global food shortages and environmental challenges, the food industry is shifting from animal to plant proteins, coinciding with a rising prevalence of food allergies. Structural and functional differences between animal and plant proteins significantly influence their allergenic potential. Traditional and emerging physical processing technologies can modify protein structures and reduce immunoreactivity without chemical additives, preserving food quality. These technologies are categorized into thermal, radiation, light, high-pressure, transient pressure, mechanical wave, plasma, and electric field effects. Cold plasma is particularly effective in modifying protein structures by generating reactive species. High hydrostatic pressure also demonstrates significant potential, particularly when combined with heat treatment. Ultrasound, especially when integrated with other methods (e.g., enzymatic hydrolysis or glycosylation), offers versatile and cost-effective solutions. Microwave heating remains a practical option due to its efficiency and scalability, while gamma irradiation remains an effective tool for allergen reduction despite its regulatory and consumer acceptance challenges. Low-allergenic processed foods can induce oral tolerance in allergic individuals, necessitating comprehensive safety evaluations covering allergenicity, toxicity, and nutrition. Unintentional allergens in food processing pose risks, and current regulations are insufficient. International organizations have proposed precautionary allergen labeling to protect consumers. While processing technologies cannot fully eliminate allergenicity, optimized selection can mitigate risks. Future research should focus on their impact on functional properties, nutritional value, safety, cost, and production efficiency to ensure safe and effective application in the food industry.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».