Discrimination of Genealogical Groups of Arabica Coffee by the Chemical Composition of the Beans
Notice bibliographique
Résumé
This work aimed to characterize and discriminate genealogical groups of coffee as to the chemical composition of the grains through the model created by PLS-DA method. 22 accessions of Coffea arabica, from the Active Germplasm Bank of Minas Gerais, were divided into groups according to the genealogical origin. Samples of ripe fruits were harvested selectively and processed by the wet method, to obtain pulped coffee beans, with 11% (b.u.) of water content. The raw beans were assessed as to the content of polyphenols, total sugars, total lipids, protein, caffeine, sucrose, and fatty acids. The data were submitted the chemometric analysis, PCA and PLS-DA. The results of PLS-DA identified the variables which most influence the classification of genealogical groups and possible chemical markers to accessions processed by the pulped method. The sucrose content was an important marker for the Exotic accession group. However, the content of polyphenols has been identified as a marker for the group Tymor Hybrid, and the caffeine for the bourbon group. The different fatty acids have been identified as markers for all genealogical groups, at different levels. The model PLS-DA is effective in discriminating genealogical groups from the chemical composition of the beans.
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 | 0,001 | 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) | 0,000 | 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 ».