MétaCan
Menu
Retour à la cohorte
Enregistrement W3121619159 · doi:10.3389/fmicb.2020.612118

Lactic Acid Bacteria in Wine: Technological Advances and Evaluation of Their Functional Role

2021· review· en· W3121619159 sur OpenAlexfundno aff
Carla Virdis, Krista M. Sumby, Eveline Bartowsky, Vladimir Jiranek

Notice bibliographique

RevueFrontiers in Microbiology · 2021
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFermentation and Sensory Analysis
Établissements canadiensnon disponible
Organismes subventionnairesAustralian Research CouncilLallemandWine AustraliaUniversity of AdelaideAustralian Government
Mots-clésWinemakingWineMalolactic fermentationAroma of wineOenococcus oeniChemistryFood scienceWine faultMouthfeelLactic acidAging of wineGenerally recognized as safeBacteriaBiologyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Currently, the main role of Lactic Acid Bacteria (LAB) in wine is to conduct the malolactic fermentation (MLF). This process can increase wine aroma and mouthfeel, improve microbial stability and reduce the acidity of wine. A growing number of studies support the appreciation that LAB can also significantly, positively and negatively, contribute to the sensorial profile of wine through many different enzymatic pathways. This is achieved either through the synthesis of compounds such as diacetyl and esters or by liberating bound aroma compounds such as glycoside-bound primary aromas and volatile thiols which are odorless in their bound form. LAB can also liberate hydroxycinnamic acids from their tartaric esters and have the potential to break down anthocyanin glucosides, thus impacting wine color. LAB can also produce enzymes with the potential to help in the winemaking process and contribute to stabilizing the final product. For example, LAB exhibit peptidolytic and proteolytic activity that could break down the proteins causing wine haze, potentially reducing the need for bentonite addition. Other potential contributions include pectinolytic activity, which could aid juice clarification and the ability to break down acetaldehyde, even when bound to SO 2 , reducing the need for SO 2 additions during winemaking. Considering all these findings, this review summarizes the novel enzymatic activities of LAB that positively or negatively affect the quality of wine. Inoculation strategies, LAB improvement strategies, their potential to be used as targeted additions, and technological advances involving their use in wine are highlighted along with suggestions for future research.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,037
Tête enseignante GPT0,276
Écart entre enseignants0,240 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations171
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in MicrobiologyMême sujetFermentation and Sensory AnalysisTravaux en français237 207