Effects of β-Glucans and Environmental Factors on the Viscosities of Wort and Beer
Notice bibliographique
Résumé
This paper reports on the influence of molecular weight and concentration of barley β-glucans on the rheological properties of wort and beer. Environmental conditions such as pH, maltose level in wort, ethanol content of beer, shearing and shearing temperature were also examined for their effects on wort and beer viscosities. In the range of 50–1000 mg/L, β-glucans increased solution viscosity linearly with both molecular weights (MW) of 31, 137, 250, 327, and 443 kDa and concentration. The influence of MW on the intrinsic viscosity of β-glucans followed the Mark-Houwink relationship. Shearing wort and beer at approximately 13,000 s−1for 35 s was found to increase the wort viscosity but reduce beer viscosity. Shearing wort at 20°C influenced β-glucan viscosity more than shearing at 48°C and 76°C whereas the shearing temperature (0, 5 and 10°C) did not effect the viscosity of beer. At lower pHs, shearing was found to reduce the viscosity caused by β-glucans in wort but had no effect in beer. Higher concentrations of maltose in wort and ethanol in beer also increased the viscosity of β-glucan polymers. It was found that β-glucans had higher intrinsic viscosities in beer than in wort (5°C), and lower critical overlap concentrations (C*) in beer than in wort.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».