Effects of Continuous Dielectric Barrier Discharge Cold Plasma on Fava Bean Protein Isolate Functionality and 3D Printability
Notice bibliographique
Résumé
Plant proteins are emerging food ingredients in the food processing industry. Fava bean proteins are highly nutritious due to their complete amino acid profile, making them an ideal candidate for human consumption. However, they exhibit poor functionality, including poor solubility and gelling properties. To improve the functionality of fava bean protein isolates (FBPI), cold plasma treatments can be used for protein modification and improvement of functionality. Cold plasma is a non-thermal technology that produces reactive species capable of modifying the structure and functionalities of plant proteins. This study explored the effects of continuous dielectric barrier discharge (DBD) plasma on FBPI. Continuous treatments were investigated as they are more scalable compared to batch treatments, which can be time-consuming and expensive. For treatment, FBPI were combined with water to create a consistent suspension, which was then recirculated between a sample container and the treatment platform, where it was exposed to DBD plasma. FBPI exposed to DBD plasma demonstrated changes in secondary structures, primarily transforming α-helices into β-sheets, with 12.5% and 66% increases in β-sheets for dry and wet FBPI (DW-FBPI) and deep eutectic solvent extracted FBPI (DES-FBPI) samples, respectively. In addition, treated DES-FBPI gels heated at 80°C exhibited a 70% increase in gel hardness, as determined by texture profile analyses. Improvements in 3D printability were also observed, including enhanced gel extrudability and increased structural rigidity. Overall, DBD plasma-treated samples produced 3D-printed structures that were more precise, rigid, and with reduced deformation. Overall, DBD plasma treatments were shown to be an effective method for modifying the structural and functional properties of FBPI.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».