A Comprehensive Review of Synthesis and Surface Modifications of Starch Nanomaterials for Fortification of Vitamin D<sub>3</sub>
Notice bibliographique
Résumé
Starch-based nanomaterials (SNPs) have garnered significant attention for their potential applications in food fortification and supplementation owing to their unique surface properties. Numerous studies have reported diverse preparation methods to produce SNPs with varying morphologies, particle sizes, stabilities, chemical reactivities, flow properties, opacities, and mechanical strengths. However, these properties, particularly in relation to micronutrient loading and release performance, remain underexplored in the current literature. Notably, the incorporation of certain micronutrients, such as vitamin D 3, into SNPs often compromises particle stability and impairs release kinetics in aqueous conditions. These limitations highlight the need for optimized surface modification strategies and scalable and cost-effective encapsulation protocols. This review critically illustrates the factors influencing starch nanoparticle fabrication, characterization, surface modification, micronutrient loading, and release kinetics. We provide a comprehensive overview of the key formulation considerations, from starch selection and physicochemical properties to emerging strategies for targeted delivery applications. Additionally, the review underscores the importance of precise surface functionalization and processing techniques, including ultrasonication, lyophilization, and the degree of substitution, in enhancing micronutrient solubility and bioavailability. To our knowledge, this work offers one of the most complete syntheses of VD 3 nanoencapsulation using SNPs, serving as a valuable resource for scholars in food science and nanotechnology. Furthermore, we present a detailed bibliometric analysis of the past decade, mapping research trends, identifying influential studies, and highlighting future research directions. This analysis offers insights into the impact, quality, and practical relevance of starch nanoparticle research, promoting innovation and advancement in food fortification technologies.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».