Recientemente, la amilosa ha atraído mucha atención como vehículo potencial para la nanoencapsulación de diferentes moléculas de sabor, y la eficiencia de encapsulación del complejo es un índice importante para la evaluación de su efecto de incrustación. En este estudio, se compararon tres métodos diferentes para evaluar la eficiencia de encapsulación de complejos amilosa-sabor. Elegimos heptanol y mentona como moléculas de sabor, ya que ambas exhiben un olor típico. Los complejos se prepararon por el método de fusión y sus estructuras se caracterizaron por DRX. Además, la eficacia de la encapsulación se determinó mediante análisis gravimétrico térmico (TGA), valoración potenciométrica (PT) y cromatografía de gases por microextracción en fase sólida del espacio de cabeza (HS-SPME-GC), respectivamente. Los resultados mostraron que los de la PT estaban dentro del intervalo indicado en la bibliografía, mientras que los de la HS-SPME-GC parecían sobreestimar los resultados y los de la TGA eran los más bajos. Además, las operaciones de TGA y PT eran relativamente sencillas y los resultados eran reproducibles, mientras que el método HS-SPME-GC mostraba una excelente sensibilidad. Por lo tanto, el método PT es el mejor para evaluar la eficiencia de encapsulación de los complejos amilosa-sabor.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Organización modular de las sinergias musculares para lograr comportamientos de movimiento
Artículo:
Evaluación comparativa de subproductos agroindustriales para la producción de proteasa alcalina por cepas silvestres y mutantes de en fermentación sumergida y en estado sólido.
Artículo:
Opinión inadecuada sobre la presión arterial normal e impacto en el cumplimiento en hemodiálisis crónica
Artículo:
Estudios sobre el tiempo de licuefacción y las proteínas implicadas en la mejora de las características seminales de los camellos dromedarios ()
Artículo:
Un multiclasificador basado en Deep Belief Network y Dempster-Shafer para el estadio patológico del cáncer de próstata