एक राई Sourdough वळू बनवा कसे

आता सॅरडॉ हा एक लोकप्रिय ब्रेड आहे, कदाचित कारण ती आपल्यासाठी स्वस्थ असण्यासाठी खाण्याकरिता आणि नामित असलेली एक सोपी *** आहे. बहुतेक sourdough पांढरे पिठ सह केले आहे, परंतु येथे या कृतीत, राय नावाचे धान्य आणि पांढरा पीठ यांचे मिश्रण

रायल्याचे पीठ वापरून सापेक्ष, पांढरा बटर पेक्षा अधिक घनता तयार होते परंतु सर्व रायलेट्सचा वापर केल्यास बहुतेक पॅलेटसाठी ते फारच मजबूत असतात; दोन चे मिश्रण चव आणि पोत दोन्ही मध्ये एक अधिक आनंददायी ब्रेड देईल

सर्व sourdough च्या प्रमाणे, आपल्याला फळाची स्टार्टरची आवश्यकता असेल , ज्यात थोडा वेळ आणि काही संयम असतो. माझ्यावर विश्वास ठेवा, दाट, किंचित, चवळीय ब्रेडसाठी त्याच्या सुखद 'खारट' चवसाठी प्रयत्न करणे योग्य आहे. खालील नोट्स पहा.

पॉल हॉलीवूड सारख्या सेलिब्रिटी बायकर्सना धन्यवाद लवकरच तयार होणारे (आणि खाणे) sourdough ब्रेड लोकप्रिय कल कोणत्याही वेळी कमी होण्याची शक्यता नाही आहे.

सुरुवात करण्यापूर्वी आपण आपली स्टार्टर तयार आणि जोमदार असल्याची खात्री करा. हे जर निष्क्रिय झाले असेल तर काही दिवस खाद्य द्यावे लागते.

आपल्याला काय आवश्यक आहे

ते कसे तयार करायचे

द सॉरेडॉ स्टार्टर

आपण एक स्टार्टर तयार आणि नंतर काम करत असल्यास, निर्देश म्हणून या कृती मध्ये वापर स्टार्टर नाही? काळजी करू नका. दोन आठवडे आधी आपण आपली भाजी तयार करू इच्छिता, चार चमचे राय नावाचे मासचे दांडे आणि 3 टेस्पून गरम पाणी एका कपाळ्यातील काचपात्रात घाला. मिक्स करावे आणि एकदम दोन आठवडे उबदार, परंतु गरम नसताना 48 तासांपर्यंत उघडी सोडू शकाल. या काळानंतर, हे बंडखोरपणाने चांगले असावे आणि वापरण्यासाठी तयार आहे.

आपल्यासाठी सौदाभाऊ भाकरी का बरे आहे

सॉरेडॉफ हे आमच्यासाठी स्वस्थ असल्याचे मानले जाते तसेच ते पचविणे सोपे आहे. ब्रेडसाठी वापरली जाणारी नैसर्गिक फेमलपट्टी (स्टार्टर) देखील जीवाणूंना आवडत नसलेली वडीमध्ये अम्लीय वातावरण निर्माण करतात. त्यामुळे, कडधान्य व्यावसायिक ब्रेड पेक्षा जास्त काळ चालते आणि एक आठवडा जुने देखील उत्तम टोस्ट बनले तरीही.

पोषणविषयक मार्गदर्शक तत्त्वे (प्रत्येक सेवेसाठी)
कॅलरीज 2 9 5
एकूण चरबी 10 ग्रॅम
संपृक्त चरबी 2 ग्रॅम
असंतृषित चरबी 5 ग्रॅम
कोलेस्टेरॉल 0 मिग्रॅ
सोडियम 1,406 मिलीग्राम
कर्बोदकांमधे 46 ग्रॅम
आहार फायबर 5 ग्रॅम
प्रथिने 6 ग्रॅम
(आमच्या पाककृतींवरील पोषण संबंधी माहितीची गणना एका घटक डेटाबेसच्या आधारावर केली जाते आणि त्याचा अनुमान लावला गेला पाहिजे. वैयक्तिक परिणाम बदलू शकतात.)