Characterization of Brown Seaweed (Ascophyllum nodosum) and Sugar Kelp (Saccharina latissima) Extracts Using Temporal Check-All-That-Apply
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
Seaweed is a sustainable ingredient that has been suggested to improve the nutritional aspects as well as the sensory properties of different food products. The objective of this study was to evaluate the flavor properties of extracts from brown seaweed (Ascophyllum nodosum) and sugar kelp (Saccharina latissimi) obtained at different temperatures. These varieties commonly grow in the Atlantic Ocean. The seaweed samples were extracted using water at three different temperatures (50 °C, 70 °C, and 90 °C). The volatile fraction of the extracts was extracted with headspace solid-phase microextraction and analyzed by gas chromatography–mass spectrometry. The headspace chemical composition varies significantly among seaweed extracts and at different extraction temperatures. Major classes of identified compounds were aldehydes, ketones, alcohols, hydrocarbons, and halogenated compounds. Extracts were also evaluated using temporal check-all-that-apply (with 84 untrained participants). The different temperatures had minimal impact on the flavour properties of the brown seaweed samples, but the extraction temperature did influence the properties of the sugar kelp samples. Increasing the extraction temperature seemed to lead to an increase in bitterness, savouriness, and earthy flavor, but future studies are needed to confirm this finding. This study continues the exploration of the flavor properties of seaweeds and identifies the dynamic flavor profile of brown seaweed and sugar kelp under different extraction conditions.
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 | 0,000 |
| 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