MétaCan
Menu
Retour à la cohorte
Enregistrement W2912521337 · doi:10.1080/03610470.2018.1561606

Impact of Artificially Induced Respiratory Deficient Yeast on Beer Flavor and Fermentation

2019· article· en· W2912521337 sur OpenAlexaff
Maria Josey, Dawn L. Maskell, R. Alex Speers

Notice bibliographique

RevueJournal of the American Society of Brewing Chemists · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFermentation and Sensory Analysis
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésYeastFermentationBrewingFood scienceFlavorChemistryButanolEthanolStarterAcetaldehydeAlcoholBiochemistry

Résumé

récupéré en direct d'OpenAlex

Respiratory deficient cells or “petites” are the most common type of mutation found in brewing yeast. High levels of petites are known to contribute to unwanted flavors in beer along with yeast flocculation problems during fermentation. However, a minimal amount is known regarding the impact of petites when present at naturally occurring frequencies. Accordingly, this study investigated if petites, which are present at low frequencies, affect beer flavor and fermentation profiles. Laboratory [20 mL] fermentations were undertaken with yeast that contained a range of petite populations 3.7, 5.1, 8.7, and 10.8%. During fermentation, the yeast in suspension, wort density, and alcohol were monitored. At the end of the fermentation, the beer was analyzed for volatile flavor compounds. Correlations between petite levels and levels of vicinal diketones, acetate esters, and medium chain fatty acid (MCFA) ethyl esters existed. Higher alcohol levels were unchanged (propan-1-ol, 3-methyl butanol, 2-methyl butanol, and isobutanol) with increasing levels of petite concentrations. Similarly, the yeast in suspension behavior and the change in wort density attenuation between the control and petite enriched fermentations were not significantly different (P > 0.05). This study suggests that low concentrations of petites in the pitched yeast would not be detectable in the final product characteristics.

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 enseignants0,001
Score d'incertitude au seuil0,003

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 savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,029
Tête enseignante GPT0,284
Écart entre enseignants0,255 · 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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the American Society of Brewing ChemistsMême sujetFermentation and Sensory AnalysisTravaux en français237 207