Assessment of food component distribution and structure by confocal laser scanning microscopy: A review
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
Structure and component distribution of food is critical for understanding their physico-mechanical, chemical, thermal, and biological properties, which have a direct impact on quality, safety, and consumer acceptability. Confocal laser scanning microscopy (CLSM) has developed as an effective method for studying structure and component distribution in bio-matrices at the micro-/nano-scales. This study detailed the working mechanism, sample preparation, advantages and disadvantages of employing this emerging technique in food sectors. Furthermore, this study investigated the use of CLSM to examine the topographical, internal structural and component distribution features of various food items (i.e., cereal, cheese, noodle, chocolate, plant-derived meat, gel, emulsion, nut, baked item, vegetable, grain, processed food, etc.) emphasizing the importance of structure and component distribution in determining overall product quality during consumption and storage. CSLM helps visualize fat globules, protein networks, starch granules, and the distribution of components and additives. By providing insights into structural changes during processing, CSLM can aids in quality control, product development, and understanding texture, stability, and shelf life of food product. CLSM image-based quantitative analysis, which reveals the subtle links between internal structure-component distribution and food quality attributes. CSLM is an essential tool for advancing food research and innovation. Further research in this area may result in the production of more improved food products.
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