بررسی ویژگیهای فیزیکو شیمیایی و آنتیاکسیدانی ماست موسیر پروبیوتیک غنی شده با اینولین
Bibliographic record
Abstract
زمینه مطالعاتی: ماست پروبیوتیک به عنوان یک مادهغذایی فراسودمند بسیار مورد توجه قرار گرفته است. هدف: هدف از این پژوهش بررسی اضافه کردن موسیر و اینولین برای تولید ماست پروبیوتیک و تاثیر این ترکیبات بر خصوصیات فیزیکی شیمیایی و آنتیاکسیدانی این محصول میباشد. روش کار: بدینمنظور موسیر در دو سطح (6/0 و3/0) درصد و اینولین در سه سطح (0، 5/0 و 5/1) درصد، برای تهیه ماست به شیر اضافه گردید و میزان درصد بازدارندگیDPPH ، محتوای کل ترکیبات فنلی، pH، ویسکوزیته، ظرفیت نگهداری آب، خصوصیات حسی و شمارش باکتریهای پروبیوتیک در طی 21 روز نگهداری مورد ارزیابی قرار گرفت. نتایج: نتایج نشان داد که به رغم کاهش معنیدار محتوای ترکیبات فنلی و درصد بازدارندگی DPPH طی مدت نگهداری، اضافه کردن موسیر و اینولین در تیمار حاوی اینولین 5/1 درصد + موسیر 6/0 درصد در روز اول باعث افزایش خاصیت آنتیاکسیدانی شد. با افزایش مدت زمان نگهداری در تمامی تیمارها، pH و ویسکوزیته کاهش یافت. افزودن اینولین باعث افزایش ظرفیت نگهداری آب نمونهها طی دوره نگهداری شد در صورتی که اضافه کردن موسیر تاثیر منفی روی این پارامتر داشت. اضافه کردن اینولین ضمن بهبود ویسکوزیته و پذیرش ارزیابان حسی، منجر به زندهمانی بیشتر باکتری لاکتوباسیلوس اسیدوفیلوس در پایان دوره نگهداری نسبت به بقیه تیمارها شد. حضور موسیر و اینولین به طور معنیدار تاثیر مثبت در زندهمانی جمعیت میکروبی پروبیوتیک داشتند. نتیجه گیری نهایی: نتایج این پژوهش نشانداد میتوان با تولید ماست موسیر پروبیوتیک حاوی اینولین بهعنوان یک غذای فراسودمند، انتخاب جدیدی برای مصرفکنندگان محصولات لبنی فراهم نمود که علاوه بر طعم مطلوب، خواص تغذیهای مناسبی را نیز از مصرف آن احراز نمایند.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.027 | 0.013 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".