મીઠી અને સૌર પોર્ક ટેન્ડરલાઈન મેડેલિયન્સ

આ તંદુરસ્ત મીઠી અને ખાટા ડુક્કરનું માંસ દુર્બળ ટન્ડરલાઈન ઉપયોગ કરે છે અને ઊંડા તળેલી સખત મારપીટ પગલું છોડી દો. તમે પરંપરાગત અમેરિકન-ચાઇનીઝ લેવ-આઉટ સંસ્કરણનો એક જ મહાન સ્વાદ મેળવી શકો છો, પરંતુ ઘણી ઓછી ચરબી સાથે.

તમને જરૂર પડશે

તે કેવી રીતે બનાવો

1. ચટણી બનાવો: એક માધ્યમ બાઉલમાં, કેચઅપ, ચોખાના સરકો, અનેનાસ રસ, બ્રાઉન સુગર, ચિકન બ્રોથ, લસણ, ગરમ મરચું સૉસ અને સોયા સોસને સારી રીતે મિશ્રીત કરો. કોરે સોસ સેટ કરો

2. ડુક્કરનું માંસ બનાવવું: ડુક્કરના ટેન્ડરલાઈનને કાપો, ક્રોસવર્ડ, 4 સમાન કદની ટુકડાઓમાં. ડુક્કરની ઉપર પ્લાસ્ટિકની લપેટીની શીટ મૂકવી અને ડુક્કરને 4 મેડલઅન, લગભગ 1/2-inch જાડામાં માંસની પાઉન્ડર અથવા ભારે પાઉનનો ઉપયોગ કરો.

મીઠું અને તાજી ગ્રાઉન્ડ કાળા મરી સાથે બંને બાજુઓની સિઝન.

3. મધ્યમ ઉચ્ચ ગરમી પર એક મોટા skillet માં વનસ્પતિ તેલ ગરમી. ડુક્કરને ઉમેરો અને દરેક બાજુ પર લગભગ 4 મિનિટ માટે ટુકડાઓ કાઢો, અથવા લગભગ દ્વારા રાંધવામાં આવે ત્યાં સુધી. ચીપોનો ઉપયોગ કરીને ડુક્કરને પ્લેટ અને રિઝર્વમાં ફેરવો.

4. પાનના માખણને ઉમેરો, અનેનાસ હિસ્સાઓ સાથે. 2 મિનિટ માટે કુક, ક્યારેક ક્યારેક stirring, અથવા અનેનાસ સુધી ગોલ્ડન બ્રાઉન છે. અનામત સૉસ ઉમેરો અને મધ્યમ-ઉચ્ચ ગરમી પર મિશ્રણને બોઇલમાં લાવો. ગરમીને મધ્યમથી ઓછી કરો અને કૂક કરો, ઘણી વખત લગભગ 5 મિનિટ સુધી, અથવા ચટણી ઘટાડે અને જાડાઈ સહેજ સુધી.

5. ડુક્કરને પેન પર પાછા આવો અને રસોઈ સમાપ્ત કરવા માટે ગરમી કરો. જ્યારે ડુક્કર તમારી પસંદગી માટે કરવામાં આવે છે, ગરમી બંધ કરો.

6. ગરમ સફેદ કે ભૂરા ચોખા ઉપર ડુક્કરની સેવા આપે છે, ટોચ પર ચટણી અને અનેનાસના હિસ્સાને ચમકાવે છે. ઇચ્છિત તરીકે chives અથવા લીલા ડુંગળી સાથે સુશોભન માટે વાપરવાની સામગ્રી

રેસીપી નોંધો અને ટીપ્સ

• તમે ચટણી 2 દિવસ સુધી આગળ કરી શકો છો અને રેફ્રિજરેટરમાં એરટાઇટને સ્ટોર કરી શકો છો. ઉપયોગ કરતા પહેલા ચટણીને જગાડવો.

• તમે ડુક્કરને એક દિવસ સુધી પાઉન્ડ પણ આપી શકો છો. પ્લાસ્ટિકની આવરણમાં પૂર્ણપણે કવર કરો અને વાપરવા માટે તૈયાર ન થાય ત્યાં સુધી ઠંડુ રાખો.

કેથી કિંગ્સલે દ્વારા સંપાદિત

પોષક માર્ગદર્શિકા (સેવા આપતા દીઠ)
કૅલરીઝ 1161
કુલ ચરબી 16 ગ્રામ
સંતૃપ્ત ફેટ 5 જી
અસંતૃપ્ત ચરબી 7 ગ્રામ
કોલેસ્ટરોલ 145 મિલિગ્રામ
સોડિયમ 462 એમજી
કાર્બોહાઇડ્રેટ્સ 184 ગ્રામ
ડાયેટરી ફાઇબર 6 જી
પ્રોટીન 64 ગ્રામ
(અમારા વાનગીઓ પરની પોષણની માહિતીને ઘટક ડેટાબેઝનો ઉપયોગ કરીને ગણવામાં આવે છે અને તેને એક અંદાજ ગણવામાં આવે છે. વ્યક્તિગત પરિણામો બદલાઈ શકે છે.)