MétaCan
Menu
Retour à la cohorte
Enregistrement W4413840298 · doi:10.1016/j.lwt.2025.118426

On the optimisation of water droplet encapsulation within fat crystal shells

2025· article· en· W4413840298 sur OpenAlexafffund
Veronica Hislop, Dérick Rousseau

Notice bibliographique

RevueLWT · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood Chemistry and Fat Analysis
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésEncapsulation (networking)Materials scienceChemical engineeringMechanicsChemistryNanotechnologyComputer sciencePhysicsEngineering

Résumé

récupéré en direct d'OpenAlex

Novel means of water droplet encapsulation within solid matrices are sought for applications ranging from bioactive delivery to flavour and texture control. Model water-in-oil emulsions containing a 10 wt% dispersed aqueous phase were formulated using a continuous phase composed of soybean oil and hydrogenated soybean oil. Polyglycerol polyricinoleate and glycerol monooleate were incorporated in order to stabilize the emulsion. Encapsulation was achieved by applying controlled shear during cooling from 80 to 20 °C on a rheometer stage. Cooling rates of 0.5, 1.0, or 2.0 °C/min and shear rates of 500, 1000, or 2000 s -1 were investigated. Polarized light microscopy confirmed the formation of fat crystal shells encapsulating aqueous droplets under most conditions, with the exception of the highest shear (2000 s -1 ) combined with the slowest cooling rate (0.5 °C/min). Higher shear rates generally produced smaller water droplets and more spherical fat crystal shells whereas slower cooling rates promoted larger spheroidal shells and the occurrence of multi-droplet encapsulation. The fat phase exhibited varying β′/ β ratios depending on the shear-cooling conditions used. Overall, this study demonstrated that the morphology of water droplets encapsulated within crystalline fat shells can be tailored by controlling shear and cooling rates.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,007
Score d'incertitude au seuil0,740

Scores Codex et Gemma par catégorie

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 Opus0,010
Tête enseignante GPT0,194
Écart entre enseignants0,184 · 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 tête enseignante, 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 revueLWTMême sujetFood Chemistry and Fat AnalysisTravaux en français237 207