द्रुत आणि सुलभ तुर्की Tetrazzini कृती

जरी डिश खूप इटालियन वाटतो तरी, Tetrazzini प्रत्यक्षात अमेरिकन ऑपेरा गायक लुईसा टेट्राझिनी नावाच्या नावाचा अमेरिकन डिश होता. हे सामान्यतः टर्की किंवा कोंबडी, स्पगेटी आणि शेरीचे जोडणीसह बनविलेले एक परमिसन चीज सॉससह बनविले जाते. मशरूम सहसा तसेच डिश मध्ये समाविष्ट आहेत तुर्की, चिकन, ट्यूना, सॅल्मन, आणि हेम ही डिशवर अनेक संभाव्य विविधता आहेत आणि सॉसमध्ये विविध प्रकारच्या चीज वापरल्या जाऊ शकतात.

तुर्की टेट्राझिनी बराच काळ उशीर टर्कीचा वापर करण्याचा एक आवडता मार्ग आहे. पण आपण या चवदार डिश करण्यासाठी मुख्य सुट्टी डिनर प्रतीक्षा करण्याची गरज नाही. त्यास डाळ शिजवलेले चिकन लावा किंवा डिश मध्ये वापरण्यासाठी एक साधी टर्की स्तन किंवा टेंडर लिंबाच्या कूक करा.

पास्ता, चीज, टर्की आणि परमेसन यांचे मिश्रण हे स्वादिष्ट आहे. ही आवृत्ती अधिक पारंपारिक पांढर्या सॉसऐवजी मशरूम सूपच्या कंडेमयुक्त क्रीमद्वारे तयार केलेली शॉर्टकट आवृत्ती आहे.

आपल्याला काय आवश्यक आहे

ते कसे तयार करायचे

350 एफ (180 सी / गॅस 4) ओव्हनमध्ये गरम करा. 2 1 / 2- ते 3-चौथा वाट कवच तयार करा.

पॅकेजच्या दिशानिर्देशांनंतर उकळलेले खार्या पाण्यात स्पॅगेटी शिजवा. चांगले मोकळे करा.

एका मोठ्या वाडग्यात, पेंड केलेल्या पनीर 1 कप आणि पॅमसन चीजच्या 2 चमचे शिजवलेल्या आणि निचरा केलेल्या स्पगेटीला एकत्र करा. डेज टर्की आणि पॅमिएन्टोस जोडा.

एक दांडी (टोचणे) किंवा तळलेले पॅन मध्ये , लोणी वितळणे आणि मशरूम आणि कांदा ते निविदा होईपर्यंत आणि सर्वात द्रव बहुतांश evaporated आहे होईपर्यंत saute; उर्वरित साहित्यांसह टर्कीचे मिश्रण घालावे.

आवश्यकतेप्रमाणे चव आणि मिठ आणि मिरप घालावे. हलक्या साहित्य एकत्र ढवळणे.

मिश्रण तयार केलेले पुलाव करुन घ्यावे आणि बाकीचे शेडर आणि परमेसन चीजांसह शिंपडावे. बेकिंग डिश झाकण किंवा पर्ण्याने झाकून ठेवा आणि सुमारे 45 मिनिटे बेक करा

इच्छित असल्यास, 4 ते 6 मिनिटे ब्रॉयलर (हाय गॅस) अंतर्गत कॅसलॉउल ठेवा, किंवा जोपर्यंत ते हलके गोमांस नाही.

6 ते 8 काम करते

विविधता

पोषणविषयक मार्गदर्शक तत्त्वे (प्रत्येक सेवेसाठी)
कॅलरीज 843
एकूण चरबी 49 ग्रॅम
संपृक्त चरबी 23 ग्रॅम
असंतृषित चरबी 14 ग्रॅम
कोलेस्टेरॉल 320 मिग्रॅ
सोडियम 808 मिग्रॅ
कर्बोदकांमधे 13 ग्रॅम
आहार फायबर 1 ग्रॅम
प्रथिने 84 ग्रॅम
(आमच्या पाककृतींवरील पोषण संबंधी माहितीची गणना एका घटक डेटाबेसच्या आधारावर केली जाते आणि त्याचा अनुमान लावला गेला पाहिजे. वैयक्तिक परिणाम बदलू शकतात.)