Aroma Profile and Chemical Composition of Reverse Osmosis and Nanofiltration Concentrates of Red Wine Cabernet Sauvignon
Notice bibliographique
Résumé
Wine aroma represents one of the main properties that determines the consumer acceptance of the wine. It is different for each wine variety and depends on a large number of various chemical compounds. The aim of this study was to prepare red wine concentrates with enriched aroma compounds and chemical composition. For that purpose, Cabernet Sauvignon red wine variety was concentrated by reverse osmosis (RO) and nanofiltration (NF) processes under different operating conditions. Different pressures (2.5, 3.5, 4.5 and 5.5 MPa) and temperature regimes (with and without cooling) were applied on Alfa Laval LabUnit M20 equipped with six composite polyamide RO98pHt M20 or NF M20 membranes. Higher pressure increased the retention of sugars, SO2, total and volatile acids and ethanol, but the temperature increment had opposite effect. Both membranes were permeable for water, ethanol, acetic acid, 4-ethylphenol and 4-ethylguaiacol and their concentration decreased after wine filtration. RO98pHt membranes retained higher concentrations of total aroma compounds than NF membranes, but both processes, reverse osmosis and nanofiltration, resulted in retentates with different aroma profiles comparing to the initial wine. The retention of individual compounds depended on several factors (chemical structure, stability, polarity, applied processing parameters, etc.).
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 | 0,000 | 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 ».