काळे क्विनो सलाद

प्रत्येकजण असे वाटते की ते अधिक केळे खात असतात, परंतु जेव्हा कच्चे असते तेव्हा ते कधी कधी संघर्ष करतात मी काळे सॅलड्ससाठी बरेच पाककृती पाहिली आहेत जिथे सूचनांना ऑलिव्ह ऑईलसह प्रत्येक काळे पानाचे मास लावण्याबद्दल आणि त्यांना कमी त्रास देण्यास सांगितले जाते. मी काहीही मसाज वेळ होती तर, मी कदाचित काळे निवडा नाही.

मला जेवढे आवडते ते गरम मसालेदार मिक्सरमध्ये बारीक चिरलेले असते, जेणेकरून धान्याचा उष्णता काळे काहीसे विचित्र करते, परंतु काही बनावटीची पाने तो काढून टाकते जेणेकरून ते डिशमध्ये असते. या प्रकारचे धान्याचे भांडे गरम, उबदार, खोलीचे तापमान, अगदी थंडही होऊ शकतात. ते सुपर पोर्टेबल आहेत, त्यामुळे संपूर्ण आठवड्यात चांगले लंच करा.

इतर धान्ये, जसे कि फ्रोरो, बार्ली, ज्वारी, कुस्करस (खरंतर पास्ता, पण हरकत नाही ... प्रयत्न करा.

शीतिंग समाप्त करण्यासाठी बेकिंग शीटवर ड्रेस केलेले धान्य सॅलड पसरवण्यासाठी वेळ किंवा कल नसेल तर आपण पायरी सोडू शकता. हे फक्त quinoa अधिक समान रीतीने थंड करण्यास अनुमती देते आणि थोडासा चिकट किंवा चिकट बनलेले सॅलड होण्याची शक्यता काढून टाकते.

आपल्याला काय आवश्यक आहे

ते कसे तयार करायचे

  1. एका मोठ्या वाडयात, किंवा भांडे ज्यामध्ये आपण कोनो तयार केला आहे, एकत्रितपणे होईपर्यंत किमांसोबत क्विनो एकत्र करा. तो सुमारे 3 मिनिटे बसू द्या म्हणजे काळे थोडा wilts.
  2. एक लहान कंटेनर मिक्स मध्ये कांदा, ऑलिव्ह ऑइल, लिंबाचा रस, व्हिनेगर, डिझन मोहरी, लसूण आणि मिठ आणि मिरपूड. क्विनोआ मिश्रणावर ड्रेसिंग घाला आणि चांगले मिश्रण करण्यासाठी टॉस करा जर आपल्याकडे वेळ असेल तर अॅल्युमिनियमच्या फॉइलसह एक शिंपडलेल्या बेकिंग शीटला लावा आणि क्विनो सलाडचा प्रसार करा जेणेकरून ते द्रुत आणि समान रीतीने थंड होईल. तपमानावर एका वाटीत सर्व्ह करावे.

येथे दशकात हिरव्या बद्दल काही माहिती आहे, काळे: अधिक माहिती येथे आढळू शकते:

कच्चा काळे कप (सुमारे 67 ग्रॅम किंवा 2.4 औन्स) मध्ये (1) आहे:

हे एकूण 33 कॅलरीजसह, 6 ग्रॅम carbs (2 फायबर आहेत) आणि 3 ग्रॅम प्रोटीनसह येत आहे.

पोषणविषयक मार्गदर्शक तत्त्वे (प्रत्येक सेवेसाठी)
कॅलरीज 141
एकूण चरबी 6 ग्रॅम
संपृक्त चरबी 1 ग्रॅम
असंतृषित चरबी 3 ग्रॅम
कोलेस्टेरॉल 0 मिग्रॅ
सोडियम 55 मिग्रॅ
कर्बोदकांमधे 1 9 ग्रॅम
आहार फायबर 3 ग्रॅम
प्रथिने 4 ग्रॅम
(आमच्या पाककृतींवरील पोषण संबंधी माहितीची गणना एका घटक डेटाबेसच्या आधारावर केली जाते आणि त्याचा अनुमान लावला गेला पाहिजे. वैयक्तिक परिणाम बदलू शकतात.)