Water quality assessment in water protection planning

Yhteenveto: Veden laadun arviointi vesiensuojelun suunnittelussa

Ruismallasuute vähägluteenisessa kauraleivonnassa

Tutkielman kirjallisuuskatsauksessa tarkasteltiin kauran leivontateknologisia ominaisuuksia, entsyymiaktiivista leivontaa ja ruismaltaan hyödyntämistä vähägluteenisessa leivonnassa. Kokeellisessa osiossa tutkittiin ruismallashapantaikinasta valmistetun uutteen vaikutusta kaurataikinan viskositeettiin ja kauraleivän ominaisuuksiin. Työn tarkoituksena oli kehittää maultaan ja rakenteeltaan onnistunut rukiinmakuinen kauraleipä. Ruismaltaan entsyymien annettiin pilkkoa keliaakikolle haitallisia rukiin prolamiineja hapantaikinaprosessissa. Hapantaikinasta erotettiin uute sentrifugoimalla. Leivontakokeisiin käytettiin entsyymiaktiivista ja kuumentamalla inaktivoitua uutetta. Uutteella korvattiin taikinavettä 15, 25 ja 30 % (taikinan painosta). Leivonta toteutettiin miniatyyrikoossa, vuokaleivontana 20 g:n taikinapaloja käyttäen. Taikinoiden viskositeetti mitattiin tarkoituksena seurata beetaglukaanin hydrolyysiä. Rukiin makua mitattiin koulutetun raadin avulla. Happaman uutteen lisäys laski taikinan pH-arvoa noin 5,8:sta noin 4,4:ään. Entsyymiaktiivisen uutteen lisäys laski taikinan viskositeettia ja inaktivoitu uute puolestaan kasvatti sitä. Leipien sisus tiivistyi, jolloin mitatut sisuksen kovuudet kasvoivat uutteen lisäyksen myötä. Uutelisäys paransi leipien makua ja aromia. Uutteen vaikutuksesta leipien huokoset olivat pienempiä ja ne jakaantuivat tasaisemmin leipämatriisiin. Jos uutetta käytettiin inaktivoituna, leipien murenevuus kasvoi. Tutkimuksessa kehitetyn teknologian avulla oli mahdollista valmistaa hyvänlaatuinen, rukiinmakuinen kauraleipä myös ilman että uutteen entsyymit inaktivoitiin keittämällä. Tähän vaikutti ilmeisesti taikinan alhainen pH, joka inhiboi alfa-amylaasia, ja kauratärkkelyksen korkea liisteröitymislämpötila, jolloin entsyymien inaktivoituminen paiston aikana tapahtui ennen kuin tärkkelys tuli alttiiksi liialliselle pilkkoutumiselle. Tämä mahdollistaa uutteen käytön osana leivontaprosessia ilman inaktivointia. Hapantaikinafermentaatio osana gluteenitonta leivontaa havaittiin toimivaksi yhdistelmäksi, sillä se paransi leivän väriä, makua ja rakennetta. Myös leivän homeeton aika parani jo vähäisenkin uutelisäyksen vaikutuksesta. Näyttää siltä, että tämän teknologian avulla on mahdollista tuoda esille pitkään kaivattua rukiin makua vähägluteenisten kauraleipien valikoimassa. Laskennallisesti ja aiempiin tuloksiin tukeutuen, voitiin päätellä, että leivän prolamiinipitoisuudessa on mahdollista päästä tasolle 63,5 mg/kg, mutta jatkokehityksen avulla päästäisiin luultavasti vielä parempiin tuloksiin.

Influence of sampling frequency on the estimates of runoff water quality

Tiivistelmä: Havaintotiheyden vaikutus valumavesien laatuarvioihin

High-quality annotation of promoter regions for 913 bacterial genomes

Motivation: The number of bacterial genomes being sequenced is increasing very rapidly and hence, it is crucial to have procedures for rapid and reliable annotation of their functional elements such as promoter regions, which control the expression of each gene or each transcription unit of the genome. The present work addresses this requirement and presents a generic method applicable across organisms. Results: Relative stability of the DNA double helical sequences has been used to discriminate promoter regions from non-promoter regions. Based on the difference in stability between neighboring regions, an algorithm has been implemented to predict promoter regions on a large scale over 913 microbial genome sequences. The average free energy values for the promoter regions as well as their downstream regions are found to differ, depending on their GC content. Threshold values to identify promoter regions have been derived using sequences flanking a subset of translation start sites from all microbial genomes and then used to predict promoters over the complete genome sequences. An average recall value of 72% (which indicates the percentage of protein and RNA coding genes with predicted promoter regions assigned to them) and precision of 56% is achieved over the 913 microbial genome dataset.