MétaCan
Menu
Retour à la cohorte
Enregistrement W1990921220 · doi:10.1021/jf102008r

Selective Determination of Volatile Sulfur Compounds in Wine by Gas Chromatography with Sulfur Chemiluminescence Detection

2010· article· en· W1990921220 sur OpenAlexfundno aff
Tracey Siebert, Mark Solomon, Alan P. Pollnitz, David W. Jeffery

Notice bibliographique

RevueJournal of Agricultural and Food Chemistry · 2010
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFermentation and Sensory Analysis
Établissements canadiensnon disponible
Organismes subventionnairesAlberta Water Research Institute
Mots-clésChemiluminescenceWineSulfurChemistryChromatographyGas chromatographyOrganic chemistryFood science

Résumé

récupéré en direct d'OpenAlex

Volatile sulfur compounds can be formed at various stages during wine production and storage, and some may impart unpleasant "reduced" aromas to wine when present at sensorially significant concentrations. Quantitative data are necessary to understand factors that influence the formation of volatile sulfur compounds, but their analysis is not a trivial undertaking. A rapid and selective method for determining 10 volatile sulfur-containing aroma compounds in wine that have been linked to "off-odors" has been developed. The method utilizes static headspace injection and cool-on-column gas chromatography coupled with sulfur chemiluminescence detection (GC-SCD). Validation demonstrated that the method is accurate, precise, robust, and sensitive, with limits of quantitation around 1 microg/L or better, which is below the aroma detection thresholds for the analytes. Importantly, the method does not form artifacts, such as disulfides, during sample preparation or analysis. To study the contribution of volatile sulfur compounds, the GC-SCD method was applied to 68 commercial wines that had reductive sensory evaluations. The analytes implicated as contributors to reductive characters were hydrogen sulfide, methanethiol, and dimethyl sulfide, whereas carbon disulfide played an uncertain role.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,005
Tête enseignante GPT0,182
Écart entre enseignants0,177 · 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 source (Gemma direct ou Codex distillé), 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

Citations158
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural and Food ChemistryMême sujetFermentation and Sensory AnalysisTravaux en français237 207