MétaCan
Menu
Retour à la cohorte
Enregistrement W2026227963 · doi:10.1111/j.1750-3841.2008.00847.x

Detection Thresholds for 2‐Isopropyl‐3‐Methoxypyrazine in Concord and Niagara Grape Juice

2008· article· en· W2026227963 sur OpenAlexafffund
Gary J. Pickering, A. Karthik, Debra Inglis, M. K. Sears, K. Ker

Notice bibliographique

RevueJournal of Food Science · 2008
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFermentation and Sensory Analysis
Établissements canadiensUniversity of GuelphBrock University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésRipenessFlavorFood scienceDetection thresholdFlavourChemistryHorticultureBiologyComputer scienceRipening

Résumé

récupéré en direct d'OpenAlex

2-isopropyl-3-methoxypyrazine (IPMP) is the compound responsible for the off-flavor known as ladybug taint, which occurs when Harmnonia axyridis beetles become incorporated with the grapes during juice processing. It is also an important grape-derived component of juice flavor in some varieties. The main objective of this study was to determine the orthonasal (ON) and retronasal (RN) detection thresholds for IPMP in juice. The ASTM E679 ascending forced choice method of limits was used to determine detection thresholds for 26 individuals in Concord and Niagara juices. Group best estimate thresholds (BETs) averaged 0.93 ng/L and were 50% and 21% higher in Concord than in Niagara juices for ON and RN evaluation, respectively. Group BETs for IPMP (ng/L) for Concord were ON: 1.11; RN: 1.02 and for Niagara were ON: 0.74; RN: 0.84. Variation in individual detection thresholds was observed, although familiarity with ladybug taint was not associated with individual threshold values. We conclude that humans are very sensitive to IPMP in juice, and that detection thresholds are more strongly influenced by grape variety than evaluation mode. These results may assist juice producers in establishing tolerance levels for IPMP in juice affected by ladybug taint or derived from grapes of suboptimal ripeness.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,756
Score d'incertitude au seuil0,197

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,048
Tête enseignante GPT0,268
Écart entre enseignants0,220 · 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

Citations20
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Food ScienceMême sujetFermentation and Sensory AnalysisTravaux en français237 207