Ununatria glutamato


















































































Ununatria glutamato

Monosodiumglutamate.svg

Plata kemia strukturo de Ununatria glutamato

Monosodium glutamate crystals.jpg

Blankaj kristaloj de Ununatria glutamato

Alternativa(j) nomo(j)

  • Glutamato de natrio unubaza

Kemia formulo
C5H8NO4Na
CAS-numero-kodo
142-47-2
ChemSpider kodo
76943
PubChem-kodo
85314

Fizikaj proprecoj
Aspekto blankaj kristaloj
Molmaso 169.111 g·mol-1
Denseco 2.1 g cm−3
Fandpunkto 232 °C
Solvebleco
Akvo:740 g/L
Mortiga dozo (LD50) 15800 mg/kg (buŝe)

Sekurecaj Indikoj
Risko
R36/37/38
Sekureco
S24/25 S26 S27 S36/37/39

Danĝero


Irita
Xi
Irita



GHS etikedigo de kemiaĵoj
GHS Damaĝo-piktogramo





05 – Koroda substanco
06 – Venena substanco


08 – Risko al sano
GHS Signalvorto Damaĝa
GHS Deklaroj pri damaĝoj
H302, H311, H318, H360Fd
GHS Deklaroj pri antaŭgardoj
P201, P280, P305+351+338, P308+313, P501

Escepte kiam indikitaj, datumoj estas prezentataj laŭ iliaj normaj kondiĉoj pri temperaturo kaj premo
(25 °C kaj 100 kPa)

Ununatria glutamato (angle: monosodium glutamate aŭ MSG) estas la natria salo de la ne-esenca aminoacido glutama acido. Ĝi estas uzata kiel aldonaĵo por manĝaĵo ofte vendata kiel pligustigilo. Ĝi havas la HS-kodo 29224220 kaj la E-nombro E621. Komercaj nomoj inkluzivas Ajinomoto, Vetsin, kaj Accent. Ĝi iame estis farita de gluteno de tritiko, sed nun ĉefe farita de bakteria fermentado.



Vidu ankaŭ |



  • Umamo

  • Dunatria glutamato

  • Glutamato

  • Glutamino






















Ĝermo pri manĝaĵo
Ĉi tiu artikolo ankoraŭ estas ĝermo pri manĝaĵo.

Helpu al Vikipedio plilongigi ĝin. Se jam ekzistas alilingva samtema artikolo pli disvolvita, traduku kaj aldonu el ĝi (menciante la fonton).



-

Popular posts from this blog

Aikido

Image
Ĉi tiu artikolo citas neniun fonton . Vi povas plibonigi ĝin, aldonante fidindajn fontojn. Senfontaj asertoj povas esti forigitaj.  (Novembro 2012) Aikido Japana Nomo: Kanji 合気道 Hiragana あいきどう Spiradaj ekzercoj Aikido , aŭ Ajkido , estas moderna japana luktarto (Shin Budo) kompilita de Ueshiba Morihei dum la periodo inter la 1930-aj jaroj ĝis 1960-aj jaroj. Ĝi estas senperforta kaj multaj el ĝiaj teĥnikoj evoluis el Daito-Rjuo (speco de ĵuĵicuo) kaj el glava batalado. La filozofio de aikido devenis ĉefe de la religio Oomoto pro la kontaktoj inter O´Sensei ("granda majstro", esprimo uzata de la aikidistoj por nomi Ueshiba Morihei) kaj Deguchi Onisaburo Sensei el Oomoto. Oni konsideras, ke aikidisto havu iom da spiriteco, interalie pri la uzo de la Ĉi, KI, ĝi postulas nenuran teknikan trejnon. La nepo de la kreinto, Ueshiba Moriteru, nun estas "Doshu", tiu kiu montras la vojon. Enhavo 1 Aikido - Oomoto - Esperanto...
Read more

The minimum number of groups for any class cannot be less than 2 error

Image
0 $begingroup$ cv_split = StratifiedShuffleSplit(n_splits=10, test_size=0.3, random_state=0) # Performing cross-validation to estimate the performance of the models for idx, est in enumerate(estimator): cv_results = cross_validate(est[1](), x_value, y_value, cv=cv_split) I got following error from this code ValueError: The least populated class in y has only 1 member, which is too few. The minimum number of groups for any class cannot be less than 2. and my y_value looks like y_value = array([221900, 180000, 510000, ..., 360000, 400000, 325000]) I used this method before and y_value has the same shape as before. python data-mining cross-validation share ...
Read more

SMOTE: ValueError: Expected n_neighbors <= n_samples, but n_samples = 1, n_neighbors = 6

Image
0 $begingroup$ I am designing a multi class classifier for 11 labels. I am using SMOTE to tackle the sampling problem. However I face the following error:- error at SMOTE from imblearn.over_sampling import SMOTE sm = SMOTE(random_state=42) X_res, Y_res = sm.fit_sample(X_f, Y_f) error ~/.local/lib/python3.6/site-packages/sklearn/neighbors/base.py in kneighbors(self, X, n_neighbors, return_distance) 414 "Expected n_neighbors <= n_samples, " 415 " but n_samples = %d, n_neighbors = %d" % --> 416 (train_size, n_neighbors) 417 ) 418 n_samples, _ = X.shape ValueError: Expected n_neighbors <= n_samples, but n_samples = 1, n_neighbors = 6 Why does it say I have only 1 n_samples? When I tr...
Read more