MétaCan
Menu
Retour à la cohorte
Enregistrement W3048438856 · doi:10.1080/03610470.2020.1795437

Magnesium-Accelerated Maillard Reactions Drive Differences in Adjunct and All-Malt Brewing

2020· article· en· W3048438856 sur OpenAlexafffund
Isaac Omari, Hannah Charnock, Alexa L. Fugina, Euan L. S. Thomson, J. Scott McIndoe

Notice bibliographique

RevueJournal of the American Society of Brewing Chemists · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFermentation and Sensory Analysis
Établissements canadiensCanada Malting (Canada)University of Victoria
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésBrewingMaillard reactionChemistryMagnesiumMass spectrometryFood scienceCatalysisElectrospray ionizationOrganic chemistryChromatographyFermentation

Résumé

récupéré en direct d'OpenAlex

Magnesium impacts key processes in brewing including yeast metabolism and mash pH but is typically overshadowed in brewing studies, owing to the established centrality of calcium. Using flame atomic absorption spectroscopy (FAAS), a 33.7% average increase in magnesium concentration in commercially available beers brewed with 100% barley malt versus those brewed with adjunct grains was identified. Parallel analysis of brewing grains implicates rice in driving this discrepancy. Given the known catalytic properties of magnesium, its role in beer color development via Maillard chemistry using model systems and wort (unfermented beer) was investigated. Kinetic data were obtained by ultraviolet-visible spectrometry and reaction species were identified by electrospray ionization mass spectrometry. Magnesium accelerated Maillard chemistry in all systems in a dose-dependent manner. These findings reveal a divergence in outcomes of all-malt and adjunct brewing driven by magnesium-catalyzed color formation in the brewhouse. It is proposed that magnesium inhibits water mobility and serves as a Lewis acid catalyst to facilitate Maillard reactions.

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 enseignants0,002
Score d'incertitude au seuil0,006

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)0,0020,000

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 Opus0,052
Tête enseignante GPT0,251
Écart entre enseignants0,199 · 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

Citations15
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

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