pH dependent partitioning behaviour of food and beverage aroma compounds between air‐aqueous and organic‐aqueous matrices
Notice bibliographique
Résumé
Abstract Aroma compounds in the Flavornet database were screened for ionizable functional groups such as carboxylic acids, aliphatic and aromatic amines, phenols, alcohols and thiols. Of the 738 aroma compounds listed in this database, 101 molecules have ionizable moieties with estimated monomeric aqueous pKa values ranging between 1.75 and 10.97. pH dependent effective air/water partitioning coefficients (Kaw,eff) and n‐octanol/water partitioning coefficients (Dow) were estimated for all ionizable aroma compounds over the pH range from 0 to 14. The ionizable aroma compounds display a broad range of Kaw,eff (1.8 × 10‐23 to 6.1 atm M‐1) and log Dow (‐6.2 to +7.2 units) values. For many aroma compounds, pH dependent ionization will have a significant effect on Kaw,eff and Dow, leading to variations in these physico‐chemical properties by up to 11 orders of magnitude over the composite pH range of common foods and beverages. Changes in food and beverage pH affect not only the relative contributions of neutral versus charged forms of ionizable aroma compounds (which directly affects analyte volatility and olfactory reception), but also partitioning between freely dissolved and sorbed forms of the analyte in solution (which indirectly affects analyte volatility). Copyright © 2015 John Wiley & Sons, Ltd.
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 | 0,000 | 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) | 0,002 | 0,001 |
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 ».