Optimizing the selection process of yeast starter cultures by preselecting strains dominating spontaneous fermentations
Notice bibliographique
Résumé
We propose an efficient and time-saving strategy for starter culture selection. Our approach is based on the accomplishment of 3 phases: (i) the selection of yeast strains dominating spontaneous fermentations, (ii) the selection among the dominant strains of those showing the best technological characteristics, and (iii) the final selection among good technological strains of those showing the desired qualitative traits. We applied this approach to wine fermentations, even though the same strategy has the potential to be employed for the selection of any type of starter culture. We isolated and identified yeast strains at the mid- and final stages of 6 spontaneous fermentations carried out in 3 different Spanish wineries. We identified all strains as Saccharomyces cerevisiae by restriction fragment length polymorphism of the ribosomal DNA internal transcribed spacer region, and subsequently distinguished each strain by analyzing the polymorphism of the inter-delta regions. Strains that were detected both at the mid- and final stages of the fermentation were considered dominant. Four dominant strains were finally selected and tested in pilot-scale fermentation, and their performance was compared with that of a commercial wine strain. All dominant strains showed good fitness and resulted suitable to be employed as starter cultures. One of the dominant strains isolated in this study is currently commercialized.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».