MétaCan
Menu
Retour à la cohorte
Enregistrement W2892353667 · doi:10.3390/fermentation4030077

Characterization of Saccharomyces bayanus CN1 for Fermenting Partially Dehydrated Grapes Grown in Cool Climate Winemaking Regions

2018· article· en· W2892353667 sur OpenAlexafffund
Jennifer M. Kelly, Fei Yang, Lisa Dowling, Canan Nurgel, Ailin Beh, Fred Di Profio, Gary J. Pickering, Debra Inglis

Notice bibliographique

RevueFermentation · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFermentation and Sensory Analysis
Établissements canadiensBrock University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésWineWinemakingFood scienceSaccharomycesWine faultYeastSugarMalolactic fermentationFermentationChemistryBrixEthanol fermentationYeast in winemakingFermentation in winemakingWine colorAcetic acidBiologySaccharomyces cerevisiaeBiochemistryBacteriaLactic acid

Résumé

récupéré en direct d'OpenAlex

This project aims to characterize and define an autochthonous yeast, Saccharomyces bayanus CN1, for wine production from partially dehydrated grapes. The yeast was identified via PCR and Basic Local Alignment Search Tool (BLAST) analysis as Saccharomyces bayanus, and then subsequently used in fermentations using partially dehydrated or control grapes. Wine grapes were dried to 28.0°Brix from the control grapes at a regular harvest of 23.0°Brix. Both the partially dehydrated and control grapes were then vinified with each of two yeast strains, S. bayanus CN1 and S. cerevisiae EC1118, which is a common yeast used for making wine from partially dehydrated grapes. Chemical analysis gas chromatography-flame ionization detector (GC-FID) and enzymatic) of wines at each starting sugar level showed that CN1 produced comparable ethanol levels to EC1118, while producing higher levels of glycerol, but lower levels of oxidative compounds (acetic acid, ethyl acetate, and acetaldehyde) compared to EC1118. Yeast choice impacted the wine hue; the degree of red pigment coloration and total red pigment concentration differed between yeasts. A sensory triangle test (n = 40) showed that wines made from different starting sugar concentrations and yeast strains both differed significantly. This newly identified S. bayanus strain appears to be well-suited for this style of wine production from partially dehydrated grapes by reducing the oxidative compounds in the wine, with potential commercial application for cool climate wine regions.

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 enseignants0,008
Score d'incertitude au seuil0,015

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
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,030
Tête enseignante GPT0,262
Écart entre enseignants0,232 · 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

Citations13
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFermentationMême sujetFermentation and Sensory AnalysisTravaux en français237 207