કોર્ન ટામેટા બેસિલ સલાડ

આ રેસીપી માટે ફક્ત તાજું, મધુર મકાઈનો ઉપયોગ કરો. જે પ્રકારની તે ટેન્ડર અને મીઠી છે તે તમે તેને કાચા ખાઈ શકો છો, કારણ કે અહીં બરાબર શું છે! હા, તમે મકાઈ કાચા ખાઈ શકો છો, અને આ કચુંબર તેના અતિ-મીઠાસનો સંપૂર્ણ લાભ લે છે તે તેજસ્વી, તેજાબી ટામેટાં સાથે જોડીને. આ કચુંબર ખૂબ ખૂબ કોઈપણ શેકેલા ભોજન, અથવા નો કૂક ઉનાળામાં રાત્રિભોજન ભાગ તરીકે અદ્ભુત છે

નોંધ: જો તમે કોઈપણ રીતે ગિલિંગ કરી રહ્યાં હોવ, તો તમે તેના બદલે આ મસાલેદાર શેકેલા મકાઈના સલાડનો આનંદ લઈ શકો છો!

તમને જરૂર પડશે

તે કેવી રીતે બનાવો

  1. એક કચુંબર વાટકી અથવા કચુંબર માટે પૂરતી મોટી અન્ય જહાજ, તેલ, સરકો, અને મીઠું ભળવું
  2. છીણી અને છીંદો કતરણ કરવી તેને ડ્રેસિંગમાં ઉમેરો અને ભેગા કરવા જગાડવો.
  3. મકાઈનો હસ્કી કરો અને કર્નલને કાપી નાંખવા માટે એક તીવ્ર છરીનો ઉપયોગ કરો (તમે તેને એક અલગ વાટકીમાં કરી શકો છો અને પછી ડ્રેસિંગમાં ઉમેરો કરી શકો છો અથવા ડ્રેસિંગ સાથે વાટકીમાં સીધું કાપી શકો છો). હંમેશાં જ્યારે કોબથી મકાઈની કર્નલો કાપવી, ખૂબ ઊંડા ન કાપવા માટે સાવચેત રહો: ​​જો તમારી પાસે તીક્ષ્ણ છરી હોય અને કોઈ પણ પ્રતિકાર મળે, તો તમે ખૂબ ઊંડા કાપી રહ્યા છો અને ખડતલ, લાકડાંના ઘૂંટણની સાથે અંત આવી શકો છો. કર્નલો
  1. કોર, બીજ અને વિનિમય ટામેટાં: સ્ટેમ એન્ડ અને કોર નીચે કાપીને તીક્ષ્ણ છરીનો ઉપયોગ કરો, વિષુવવૃત્ત સાથે અડધા ટામેટાંને કાપીને બહાર કાઢો અને બીજ અને વધારાનું રસ કાઢી નાખો અને ચોપ કરો. મકાઈ સાથે બાઉલમાં ઉમેરો
  2. ડ્રેસિંગ સાથે મકાઈ અને ટમેટાં ટૉસ.
  3. પાતળા સ્ટ્રિપ્સ (શિફઓનડે) માં તુલસીનો છોડ કાપો .
  4. તુલસીનો છોડ ની ઘોડાની લગામ સાથે કચુંબર છંટકાવ અને સેવા આપે છે. (એગ્રેગ્યુલાના એક ખૂંટો પર તેની પોતાની અથવા ચમચી પર સેવા આપવો; મને માખણની લેટીસના પાંદડાઓમાં પણ ચમકાવવામાં આવે છે, માખણની લેટીસ એક નાના બાઉલ અથવા કપ તરીકે કામ કરે છે. કચુંબર.)

ઉમેરાઓ / ભિન્નતા

જ્યારે આ ત્રણેય ઉનાળામાં પહેલેથી જ ચીસો કરે છે, તેની સાથે રમવા (અને તેના સુપર સરળ ડ્રેસિંગ) માટે નિઃસંકોચ અને આ વિચારો સાથે ઉનાળાના સ્વાદો અથવા અતિશયતાના એક બીટ ઉમેરો:

પોષક માર્ગદર્શિકા (સેવા આપતા દીઠ)
કૅલરીઝ 119
કુલ ચરબી 3 જી
સંતૃપ્ત ફેટ 1 જી
અસંતૃપ્ત ચરબી 2 જી
કોલેસ્ટરોલ 0 એમજી
સોડિયમ 105 મિલિગ્રામ
કાર્બોહાઇડ્રેટ્સ 22 ગ્રામ
ડાયેટરી ફાઇબર 3 જી
પ્રોટીન 4 જી
(અમારા વાનગીઓ પરની પોષણની માહિતીને ઘટક ડેટાબેઝનો ઉપયોગ કરીને ગણવામાં આવે છે અને તેને એક અંદાજ ગણવામાં આવે છે. વ્યક્તિગત પરિણામો બદલાઈ શકે છે.)