MétaCan
Menu
Retour à la cohorte
Enregistrement W2020865655 · doi:10.1021/jf202543z

Identification and Quantitation of 3-<i>S</i>-Cysteinylglycinehexan-1-ol (Cysgly-3-MH) in Sauvignon blanc Grape Juice by HPLC-MS/MS

2011· article· en· W2020865655 sur OpenAlexfundno aff
Dimitra L. Capone, Kevin H. Pardon, Antonio G. Cordente, David W. Jeffery

Notice bibliographique

RevueJournal of Agricultural and Food Chemistry · 2011
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFermentation and Sensory Analysis
Établissements canadiensnon disponible
Organismes subventionnairesAlberta Water Research Institute
Mots-clésChromatographyHigh-performance liquid chromatographyChemistryIdentification (biology)Food scienceBiologyBotany

Résumé

récupéré en direct d'OpenAlex

Precursors to varietal wine thiols are a key area of grape and wine research. Several such precursors, in the form of odorless conjugates, have been closely studied in recent years. A new conjugate has now been identified as 3-S-cysteinylglycinehexan-1-ol (Cysgly-3-MH), being the dipeptide intermediate between cysteine and glutathione precursors of tropical thiol 3-mercaptohexan-1-ol (3-MH). Authentic Cysgly-3-MH was produced via enzymatic transformation of the glutathione conjugate and used to verify the presence of both diastereomers of Cysgly-3-MH in Sauvignon blanc juice extracts. Cysgly-3-MH was added into our HPLC-MS/MS precursor method, and the validated method was used to quantify this new analyte in a selection of Sauvignon blanc juice extracts. Cysgly-3-MH was found in the highest concentrations (10-28.5 μg/L combined diastereomer total) in extracts from berries that had been machine-harvested and transported for 800 km in 12 h. This dipeptide conjugate was much less abundant than the glutathione and cysteine conjugates in the samples studied. On the basis of the results, the new cysteinylglycine conjugate of 3-MH seemingly has a short existence as an intermediate precursor, which may explain why it has not been identified as a natural juice component until now.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
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)0,0010,000

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 Opus0,018
Tête enseignante GPT0,203
Écart entre enseignants0,185 · 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

Citations53
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

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