MétaCan
Menu
Retour à la cohorte
Enregistrement W1453354992 · doi:10.4081/ws.2015.4941

Together is better. Experience of simultaneous fermentation of yeast and bacteria as a possible strategy to prevent stuck fermentation in difficult wines

2015· article· en· W1453354992 sur OpenAlexfundno aff
Raffaele Guzzon, M. Malacarne, Sergio Moser, Roberto Larcher

Notice bibliographique

RevueWine Studies · 2015
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFermentation and Sensory Analysis
Établissements canadiensnon disponible
Organismes subventionnairesLallemandFondazione Edmund Mach
Mots-clésOenococcus oeniMalolactic fermentationWinemakingWineFood scienceFermentationEthanol fermentationBacteriaFood spoilageBiologyChemistryLactic acid

Résumé

récupéré en direct d'OpenAlex

In the field of winemaking, malolactic fermentation is a key aspect in obtaining high quality wines. Unfortunately, in some oenological contexts effective evolution does not take place because of the occurrence of certain limiting factors for malolactic bacteria in wine. Simultaneous alcoholic and malolactic fermentation in grape must is a promising alternative that promotes the survival of bacteria, due to the absence of certain limiting factors such as ethanol or other toxic substances produced by yeasts in the native grape must. The risk of wine depreciation due to the spoilage activity of malolactic bacteria can be reduced by using selected strains of Oenococcus oeni, with proven behaviour in terms of malolactic fermentation occurring in the presence of sugars. In this work we compared the activity of a strain of Oenococcus oeni in malolactic fermentation of a Chardonnay grape must, using different winemaking protocols characterised by sequential or simultaneous inoculums of microbial starters. The results are discussed both in terms of fermentative behaviour and the quality of the wines obtained, with careful analysis of the main chemical parameters of the wines and of 47 different volatile compounds, giving an exhaustive overview of the opportunities and the risks related to different wine fermentation strategies.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,813
Score d'incertitude au seuil0,175

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,054
Tête enseignante GPT0,323
Écart entre enseignants0,269 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWine StudiesMême sujetFermentation and Sensory AnalysisTravaux en français237 207