Osmoadaptation of wine yeast (<i>Saccharomyces cerevisiae</i>) during Icewine fermentation leads to high levels of acetic acid
Notice bibliographique
Résumé
AIMS: Volatile acidity (VA) production along with gene expression patterns, encoding enzymes involved in both acetic acid production and utilization, were investigated to relate gene expression patterns to the production of undesired VA during Icewine fermentation. METHODS AND RESULTS: Icewine juice and diluted Icewine juice were fermented using the Saccharomyces cerevisiae wine yeast K1-V1116. Acetic acid production increased sixfold during the Icewine fermentation vs the diluted juice condition, while ethyl acetate production increased 2·4-fold in the diluted fermentation relative to the Icewine. Microarray analysis profiled the transcriptional response of K1-V1116 under both conditions. ACS1 and ACS2 were downregulated 19·0-fold and 11·2-fold, respectively, in cells fermenting Icewine juice compared to diluted juice. ALD3 expression was upregulated 14·6-fold, and gene expressions involved in lipid and ergosterol synthesis decreased during Icewine fermentation. CONCLUSIONS: Decreased expression of ACS1 and ACS2 together with increased ALD3 expression contributes to the higher acetic acid and lower ethyl acetate levels generated by K1-V1116 fermenting under hyperosmotic stress. SIGNIFICANCE AND IMPACT OF THE STUDY: This work represents a more comprehensive understanding of how and why commercial wine yeast respond at the transcriptional and metabolic level during fermentation of Icewine juice, and how these responses contribute to increased acetic acid and decreased ethyl acetate production.
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) | 0,001 | 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 ».