MétaCan
Menu
Retour à la cohorte
Enregistrement W4411515456 · doi:10.1016/j.foostr.2025.100442

Effect of pretreatment methods of Kabuli chickpea on microstructure and physical properties of enriched bread

2025· article· en· W4411515456 sur OpenAlexafffund
Obasi Ukpai Ukoji, Muhammad Mudassir Arif Chaudhry, Lindsey Boyd, Elaine Sopiwnyk, Michael T. Nickerson, Jitendra Paliwal

Notice bibliographique

RevueFood Structure · 2025
Typearticle
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensUniversity of SaskatchewanUniversity of WinnipegManitoba Beekeepers' AssociationUniversity of Manitoba
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMicrostructureFood scienceMaterials scienceChemistryMathematicsComposite material

Résumé

récupéré en direct d'OpenAlex

This study examines the impact of chickpea pretreatment methods on the microstructural and physical properties of chickpea-enriched bread, with the goal of determining the most effective treatment for improving bread quality. Five bread formulations were analyzed: a control (100 % wheat flour), a sample with 20 % untreated chickpea flour, and three samples containing 20 % chickpea flour derived from germinated, roasted, or micronized chickpeas. The microstructure of the breads was analyzed using X-ray microcomputed tomography, whereas the physical properties (bread weight, specific volume and crumb colour) were measured according to standard AACC methods. Germination and micronization of chickpeas statistically significantly increased the protein content of the resulting flours (22.1 and 21.5 % dry basis, respectively) as compared to untreated chickpea flour (20.8 % dry basis). The inclusion of pretreated chickpea flours enhanced bread weight and reduced specific volume relative to untreated chickpea-enriched bread and the control sample. Microstructural analysis of breads made with flour from roasted and germinated chickpeas depicted increased open pores, greater uniformity in porosity distribution, thinner crumb walls, and a well-defined, interconnected 3D structure. In conclusion, germination is a promising pretreatment that can be used on chickpeas to enhance the nutritional quality of bread, ensuring physical integrity while enhancing microstructural properties. This study provides valuable insights for optimizing bread production through the incorporation of chickpea flour to develop nutritionally enriched bread. • Specific volume of untreated and pretreated chickpea-enriched breads was statistically significantly differenet. • Germination enhances key microstructural traits in chickpea-enriched bread. • Principal component analysis showed that pore volume correlates with bread weight.

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 enseignants0,057
Score d'incertitude au seuil0,580

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,010
Tête enseignante GPT0,294
Écart entre enseignants0,284 · 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

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFood StructureMême sujetFood composition and propertiesTravaux en français237 207