MétaCan
Menu
Retour à la cohorte
Enregistrement W4412956389 · doi:10.1021/acsfoodscitech.5c00603

Canola Proteins at the Air–Water Interface

2025· article· en· W4412956389 sur OpenAlexafffund
Xenya Vasiu, Vassilis Kontogiorgos

Notice bibliographique

RevueACS Food Science & Technology · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueProteins in Food Systems
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesCanada Foundation for Innovation
Mots-clésCanolaInterface (matter)Air waterEnvironmental scienceBiologyEngineeringAgronomyChemical engineeringMechanicsPhysicsPulmonary surfactant

Résumé

récupéré en direct d'OpenAlex

This study investigated the interfacial behavior and viscoelastic properties of canola proteins at air–water interfaces in the presence or absence of salt. Pendant drop tensiometry, kinetic modeling, compression isotherms, Brewster angle microscopy (BAM), and dilatational rheology have been employed. Salt accelerates protein adsorption at the air–water interface, but it does not affect diffusion or rearrangement kinetics. The construction of compression isotherms revealed the formation of irreversible 2D networks, and BAM imaging showed microstructural faults. The elasticity and irreversibility of these films were confirmed using dilatational rheology, where the elastic modulus remained frequency-independent throughout the experimental window. Protein films were largely unaltered by salt in the linear viscoelastic range of the interface. However, notable effects were observed outside the linear viscoelastic range, where salt influenced mechanical responses, leading to strain-hardened interfaces. This study links the structural characteristics of canola protein to its functionalities, suggesting improvements in interfacial properties for sustainable foods.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,015
Tête enseignante GPT0,240
Écart entre enseignants0,225 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS Food Science & TechnologyMême sujetProteins in Food SystemsTravaux en français237 207