DETERMINATION AND PREDICTION OF ODOR THRESHOLDS FOR ODOR ACTIVE VOLATILES IN A NEUTRAL APPLE JUICE MATRIX
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
ABSTRACT Odor thresholds were determined for 10 odor active compounds (OAC) in apple juice, using three‐alternate forced choice methodology. Thresholds were determined in a neutral juice matrix by 25–30 panelists in duplicate at 22C. Individual thresholds were calculated using the best estimate threshold method. Group thresholds were determined using the geometric mean of the individual thresholds. OAC differed substantially in their concentration ranges, aroma thresholds (0.06–5.49 µL/L) and response rates (1.5–234.5% correct response/[µL/L]). Juice thresholds exceeded water thresholds by ∼5–600 times. Multiple linear regressions were used to develop models to predict juice thresholds from water thresholds and physical constants, for apple juice (AJ) and published orange juice (OJ) values. The simplest most practical models utilized just one variable, the logarithm of the water threshold. Coefficients of correlation ( R 2 ) for the AJ and OJ models were 71.7 and 72.8%, respectively, and provided satisfactory estimates of juice thresholds. PRACTICAL APPLICATIONS This research established aroma thresholds in a juice matrix for 10 prevalent esters in apples and related them to water thresholds using log models. These thresholds allow industry to calculate more realistic odor activity values for quality control and research purposes in the apple juice industry.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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