Dataset of the volatile compounds detected in unmarinated and marinated grilled ruminant meats with novel unfiltered beer-based marinades to improve their nutritional quality, safety, and sensory perception
Notice bibliographique
Résumé
The objective of this data in brief article is to present the associated data set regarding the published paper Novel unfiltered beer-based marinades to improve the nutritional quality, safety, and sensory perception of grilled ruminant meats in Food Chemistry [1]. Grilling is a popular cooking method; however, the high temperatures required can modify grilled meat quality and safety. In this data set, we include 5 tables containing the volatile composition of unmarinated and marinated grilled ruminant meat (beef and moose). Novel unfiltered beer-based marinades infused with herbs and spices were used for meat marination, and the volatiles present in the meat following grilling extracted by solid phase microextraction and subsequently analysed by gas chromatography/mass spectrometry (SPME-GC/MS). The volatile profile includes alcohols, aldehydes, ketones, acids, esters, alkylfurans, nitrogenated compounds, terpenes (mono-, sesqui- and oxygenated terpenes), sulfur derivatives, benzene derivatives, and phenol derivatives. This dataset provides valuable information on meat volatile composition useful to understand certain aspects of the quality and safety of grilled meat following preparation with unfiltered beer-based marinades. For more insight please see [1].
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 | 0,001 |
| 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 ».