Chemical constituents and functional properties of maize ogi fortified with Amaranthus viridis
Notice bibliographique
Résumé
This study investigated the effects of the inclusion of varied amounts of Amaranthus viridis leaf extracts into maize ogi. Proximate and mineral composition, as well as the functional and sensory properties, were evaluated using standard methods. The optimal conditions for the extraction of polyphenol-rich liquid from A. viridis leaves were 1:2 w/v leaf to water ratio at 50°C for a blending time of 10 min. The respective protein and ash contents of the resultant samples improved by 6.01-30.55% and 17.34-82.08% while the carbohydrate and fat contents were reduced. Magnesium (97.90-143.43 mg/100 g), calcium (12.39-58.85 mg/100 g), iron (29.37-70.65 mg/100 g), potassium (59.33-108.42 mg/100 g), and zinc (0.71-1.76 mg/100 g) increased with the increase in fortification levels of the maize ogi. The swelling, amylose, paste clarity, pasting viscosity, and organoleptic qualities (taste, color, flavor, mouthfeel, appearance, and acceptance) of the fortified products decreased with an increase in inclusion levels. The study concluded that the inclusion of the A. viridis leaf extracts into maize ogi could help in boosting nutrients of the products with no major impact on the organoleptic properties of the samples.
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 | 0,000 | 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 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 ».