MétaCan
Menu
Retour à la cohorte
Enregistrement W2788961194 · doi:10.1021/acs.jafc.7b05343

Volatile Compounds Related to ‘Stone Fruit’ Aroma Attributes in Viognier and Chardonnay Wines

2018· article· en· W2788961194 sur OpenAlexfundno aff
Tracey Siebert, Alice Barker, Wes Pearson, S. Barter, Miguel de Barros Lopes, Philippe Darriet, Markus Herderich, I. Leigh Francis

Notice bibliographique

RevueJournal of Agricultural and Food Chemistry · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFermentation and Sensory Analysis
Établissements canadiensnon disponible
Organismes subventionnairesWine AustraliaAustralian GovernmentAlberta Water Research Institute
Mots-clésAromaWineLinaloolNerolGeraniolFood scienceChemistryAroma of wineWhite WinePartial least squares regressionMathematicsEssential oil

Résumé

récupéré en direct d'OpenAlex

A 'stone fruit' aroma is important in many white wine varieties and styles, but little is known about the chemical basis of this wine aroma attribute. A set of Viognier and Chardonnay wines that featured 'stone fruit' aroma attributes were selected by a panel of wine experts. The selected wines were characterized by sensory descriptive analysis and detailed volatile chemical composition analyses. This comprehensive data also allowed Viognier wine to be profiled for the first time. By partial least-squares regression, several esters and fatty acids and benzaldehyde were indicated as contributing to the 'peach' attribute; however, a reconstitution sensory study was unsuccessful in mimicking this attribute. A mixture of γ-lactones, monoterpenes, and aldehydes were positively correlated to the 'apricot' aroma, which were generally higher in the Viognier wines. Reconstitution studies confirmed that the monoterpenes linalool, geraniol, and nerol were the most important compounds for the mixture being perceived as having an 'apricot' aroma.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,908
Score d'incertitude au seuil0,183

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 Opus0,014
Tête enseignante GPT0,215
Écart entre enseignants0,201 · 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

Citations68
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural and Food ChemistryMême sujetFermentation and Sensory AnalysisTravaux en français237 207