MétaCan
Menu
Retour à la cohorte
Enregistrement W4413138244 · doi:10.1002/jsfa.70133

Functional role of citrus fiber as an emulsifier in dough rheology, gluten structure formation and bread quality characteristics

2025· article· en· W4413138244 sur OpenAlexfundno aff
Yebeen Kim, Sung Ho Lee, In kyu Lim, Jee‐Young Imm

Notice bibliographique

RevueJournal of the Science of Food and Agriculture · 2025
Typearticle
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensnon disponible
Organismes subventionnairesKorea Environmental Industry and Technology InstituteMinistry of Education, IndiaMinistry of EnvironmentPublic Safety Canada
Mots-clésFood scienceGlutenIngredientRheologyChemistryDietary fiberFiberDynamic mechanical analysisGluten freeMaterials scienceComposite materialPolymerOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Citrus fiber (CF) is a promising clean label emulsifier to replace commonly used emulsifiers such as propylene glycol alginate (PGA) in breadmaking. However, most previous studies have focused primarily on the physical and sensory attributes of CF-enriched bread while the mechanisms underlying these effects remain poorly understood. RESULTS: The addition of CF significantly increased β sheet structure of gluten proteins and improved both the storage modulus (G') and loss modulus (G″) of dough, with a more pronounced effect on G' compared to PGA. White bread containing the optimum CF level (0.6% CF) displayed the highest specific loaf volume, improved crumb structure and reduced staling, whereas a higher level (0.9%) led to a decline in bread quality. Quantitative protein network analysis indicated that CF enhanced dough properties by increasing total gluten length, area and junction density. CONCLUSION: Overall, CF demonstrates potential as a clean label functional ingredient that improves the structural and textural quality of bread for health-conscious consumers. However, its optimal incorporation level must be carefully controlled to avoid adverse effects on product quality. © 2025 Society of Chemical 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 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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,011
Tête enseignante GPT0,247
Écart entre enseignants0,236 · 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'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the Science of Food and AgricultureMême sujetFood composition and propertiesTravaux en français237 207