MétaCan
Menu
Retour à la cohorte
Enregistrement W4415169848 · doi:10.1021/acsfoodscitech.5c00734

Influence of the Processing on Composition, Protein Structure, and Techno-Functional Properties of Pork Byproduct Isolates Produced by Isoelectric Precipitation and Ultrafiltration–Diafiltration

2025· article· en· W4415169848 sur OpenAlexafffund
Ugo Berthelot, Aude Commenges, Véronique Perreault, Florimond Libbrecht, Isabelle Lachance, Diego Mantovani, Marie-Pierre Létourneau-Montminy, Alain Doyen

Notice bibliographique

RevueACS Food Science & Technology · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood Industry and Aquatic Biology
Établissements canadiensUniversité Laval
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésIsoelectric pointSolubilityPrecipitationDenaturation (fissile materials)Protein precipitationVolume (thermodynamics)

Résumé

récupéré en direct d'OpenAlex

The valorization of pork slaughterhouse byproducts presents a promising strategy to reduce the substantial volume of waste generated by the meat industry. In this work, isoelectric precipitation (IEP) and ultrafiltration–diafiltration (UF-DF) were used to produce protein isolates from pork byproducts (PBPI). Both isolates had comparable protein contents (81.73–84.56%) and similar fatty acid profiles, but PBPI-UFDF exhibited better nutritional lipid indices. The amino acid profiles of both isolates exceeded the FAO recommendations. Structural analyses revealed that UF-DF better preserved protein structure, with higher surface hydrophobicity (538.04 vs 77.96 AU), free sulfhydryl content (60.14 vs 16.44 μmol/g), and denaturation temperature (146.04 vs 106.10 °C) compared to IEP. This translated into improved protein solubility across a broad range of pH range (40–95% vs 3–37%) and lower protein aggregation. PBPI-UFDF also showed superior gelation properties, highlighting its potential as a high-quality functional protein ingredient.

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 seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 GPT0,196
Écart entre enseignants0,186 · 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

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS Food Science & TechnologyMême sujetFood Industry and Aquatic BiologyTravaux en français237 207