MétaCan
Menu
Retour à la cohorte
Enregistrement W2012043009 · doi:10.1007/s10295-010-0924-1

Evaluation of the acetaldehyde production and degradation potential of 26 enological Saccharomyces and non-Saccharomyces yeast strains in a resting cell model system

2010· article· en· W2012043009 sur OpenAlexfundno aff
Erhu Li, Ramón Mira de Orduña

Notice bibliographique

RevueJournal of Industrial Microbiology & Biotechnology · 2010
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFermentation and Sensory Analysis
Établissements canadiensnon disponible
Organismes subventionnairesLallemandChina Scholarship Council
Mots-clésAcetaldehydeYeastSaccharomyces cerevisiaeWineBiochemistryYield (engineering)SaccharomycesSubstrate (aquarium)ChemistryFermentationFood scienceEthanolBiologyEcology

Résumé

récupéré en direct d'OpenAlex

Acetaldehyde is relevant for wine aroma, wine color, and microbiological stability. Yeast are known to play a crucial role in production and utilization of acetaldehyde during fermentations but comparative quantitative data are scarce. This research evaluated the acetaldehyde metabolism of 26 yeast strains, including commercial Saccharomyces and non-Saccharomyces, in a reproducible resting cell model system. Acetaldehyde kinetics and peak values were highly genus, species, and strain dependent. Peak acetaldehyde values varied from 2.2 to 189.4 mg l(-1) and correlated well (r(2) = 0.92) with the acetaldehyde production yield coefficients that ranged from 0.4 to 42 mg acetaldehyde per g of glucose in absence of SO(2). S. pombe showed the highest acetaldehyde production yield coefficients and peak values. All other non-Saccharomyces species produced significantly less acetaldehyde than the S. cerevisiae strains and were less affected by SO(2) additions. All yeast strains could degrade acetaldehyde as sole substrate, but the acetaldehyde degradation rates did not correlate with acetaldehyde peak values or acetaldehyde production yield coefficients in incubations with glucose as sole substrate.

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)0,001
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,442

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 recherche0,0010,001
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 Opus0,036
Tête enseignante GPT0,233
Écart entre enseignants0,196 · 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

Citations24
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Industrial Microbiology & BiotechnologyMême sujetFermentation and Sensory AnalysisTravaux en français237 207