MétaCan
Menu
Retour à la cohorte
Enregistrement W2737839741 · doi:10.1111/ajgw.12294

The role of potent thiols in Chardonnay wine aroma

2017· article· en· W2737839741 sur OpenAlexfundno aff
Dimitra L. Capone, Alice Barker, Patricia Williamson, I. Leigh Francis

Notice bibliographique

RevueAustralian Journal of Grape and Wine Research · 2017
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFermentation and Sensory Analysis
Établissements canadiensnon disponible
Organismes subventionnairesWine AustraliaAustralian GovernmentAlberta Water Research Institute
Mots-clésAromaWineWhite WineChemistryFlavourAroma of wineFood scienceSensory analysis

Résumé

récupéré en direct d'OpenAlex

Background and Aims Polyfunctional thiols are key aroma compounds in many Sauvignon Blanc wines, but their role in other white cultivars is not clear. Methods and Results A survey of 106 commercial Australian Chardonnay wines found a high concentration of 3-mercaptohexan-1-ol, 3-mercaptohexyl acetate, benzyl mercaptan and 4-mercapto-4-methylpentan-2-one, with nearly all wines having a concentration of all compounds well above their reported sensory detection threshold, and some having a concentration comparable to that found in highly fruity Sauvignon Blanc wines. Wines were made on a research scale from a set of Chardonnay juices sourced from 16 vineyards across Australia. Sensory descriptive analysis combined with quantitative aroma volatile data revealed that several aroma and flavour attributes were related to the concentration of the thiols. Conclusions This study provided evidence that substantial flavour in Chardonnay can be contributed by these thiols. Additionally, consumer acceptance data showed that wines with a higher thiol concentration were liked by most consumers. Significance of the Study This study revealed the importance of polyfunctional thiols in Chardonnay wine.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,089
Tête enseignante GPT0,361
Écart entre enseignants0,272 · 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 source (Gemma direct ou Codex distillé), 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

Citations54
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAustralian Journal of Grape and Wine ResearchMême sujetFermentation and Sensory AnalysisTravaux en français237 207