Exploring the Potential of Lupin ( <i>Lupinus angustifolius</i> ) Flour‐Based Ingredients in Developing High Moisture Meat Analogues
Notice bibliographique
Résumé
The rising demand for sustainably and ethically produced alternatives to animal protein-rich foods has driven interest in plant-based meat analogues. This study evaluated the potential of lupin flour (LF), protein isolate (LPI), and their blends with soy protein isolate (SPI) to produce high-moisture meat analogues (HMMAs) through extrusion cooking. Six SPI-LF-LPI blends, with protein contents ranging from 64.5% to 80.5%, were extruded under three feed moisture contents (FMC) of 60%, 65%, and 70%. Increasing LF content affected the textural attributes of the HMMAs, reducing their hardness, chewiness, and gumminess. The peak force to cut the HMMAs in longitudinal and transverse directions ranged from 3.3 to 10 N, with the softest textures observed for blends containing relatively higher LF and LPI and at the higher FMC level of 70%. In vitro protein digestibility of the HMMAs improved with increasing FMC, reaching a maximum proteolysis degree of 51.5% for the blend containing 55% SPI and 45% LF produced at 70% FMC. Although extrusion reduced the antioxidant capacity of the HMMAs compared to their raw counterparts, the antioxidant capacity of the HMMAs increased as the FMC level increased. These findings highlight the feasibility of using lupin ingredients to produce nutritionally rich and texturally appealing plant-based meat analogues when extrusion conditions are fine-tuned.
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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».