MétaCan
Menu
Retour à la cohorte
Enregistrement W2052251761 · doi:10.4028/www.scientific.net/amm.749.70

Novel Applications for Biomaterials: The Case of Remediation of Wine Taints Using Poly-Lactic Acid Polymer

2015· article· en· W2052251761 sur OpenAlexaff
Andreea Botezatu, Gary J. Pickering

Notice bibliographique

RevueApplied Mechanics and Materials · 2015
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFermentation and Sensory Analysis
Établissements canadiensBrock University
Organismes subventionnairesnon disponible
Mots-clésWineBiopolymerLactic acidChemistryFood scienceChromatographyMass spectrometryPolymerBacteriaOrganic chemistryBiology

Résumé

récupéré en direct d'OpenAlex

Wine is the world’s oldest alcoholic beverage and the most consumed in at least 20 countries. However, taints detract from its quality and acceptance, significantly reducing the value of wine. In this study we investigated the capacity of a poly-lactic acid (PLA) biopolymer to reduce concentrations of four odorants responsible for tainting many red wines: i so propyl-methoxypyrazine (IPMP), iso butyl–methoxypyrazine (IBMP), 4-ethylphenol (4-EP) and 4-ethylguaiacol (4-EG). Red wine was spiked with either IPMP [20 ng/L] and IBMP [20 ng/L] (Study 1) or 4-EP [200 ug/L] and 4-EG [200 ug/L] (Study 2) and then treated with a PLA film [surface area 350 cm 2 /L]. Solid Phase Micro-Extraction Multi-Dimensional Gas Chromatography–Mass Spectrometry and Gas Chromatography-Mass Spectrometry were used to measure the methoxypyrazines and ethylphenols, respectively, both before and after treatment with PLA. Results showed significant reductions in all of the target odorants after 8hrs treatment: IPMP (51%), IBMP (26%), 4-EP (21%) and 4-EG (20%). Taken overall, the data suggest potential for the use of PLA in treating common wine faults, particularly ‘ladybug taint’, which is caused by elevated levels of IPMP.

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)0,000
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 enseignants0,028
Score d'incertitude au seuil0,109

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 recherche0,0000,000
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 Opus0,065
Tête enseignante GPT0,276
Écart entre enseignants0,211 · 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

Citations1
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied Mechanics and MaterialsMême sujetFermentation and Sensory AnalysisTravaux en français237 207