Optimization of Gluten-Free Bread Formulation Using Whole Sorghum-Based Flour by Response Surface Methodology
Notice bibliographique
Résumé
The growing awareness of celiac disease and gluten sensitivities has generated interest in gluten-free products. Whole sorghum (Sorghum bicolor) is an excellent source of nutrients and is gluten-free. However, the absence of gluten makes it technologically challenging to produce leavened products. This research aims to utilize a response surface methodology to optimize the specific loaf volume and crumb firmness of a whole sorghum-based gluten-free bread formulation, evaluating different levels of milk powder, egg white, yeast, sugar, psyllium husk powder, xanthan gum, and soy lecithin. The models fit achieved an R2≥80%. The optimized formulation increased the specific loaf volume from 1.7 to 2.8 cm3 g−1 and decreased crumb firmness from 10.6 to 3.7 N compared to the initial gluten-free bread formulation (C1). Egg white, milk powder, and psyllium contribute to the formation of a gluten-like network, which enables gas retention, dough expansion, and volume increase. In addition, soy lecithin, among hydrocolloids, enhances dough stability and moisture retention, resulting in a softer crumb. Sensory evaluation indicated good consumer acceptability (average score of 7 on a 9-point hedonic scale), particularly for texture and flavor. These findings suggest that optimal formulation of sorghum achieves both technological and sensory properties, supporting its potential as a viable gluten-free bread alternative.
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 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 | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».