MétaCan
Menu
Retour à la cohorte
Enregistrement W3157462444 · doi:10.3390/membranes11050322

Concentration with Nanofiltration of Red Wine Cabernet Sauvignon Produced from Conventionally and Ecologically Grown Grapes: Effect on Phenolic Compounds and Antioxidant Activity

2021· article· en· W3157462444 sur OpenAlexaboutno aff
Ivana Ivić, Mirela Kopjar, Dubravko Pichler, Ivana Buljeta, Anita Pichler

Notice bibliographique

RevueMembranes · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFermentation and Sensory Analysis
Établissements canadiensnon disponible
Organismes subventionnairesHrvatska Zaklada za Znanost
Mots-clésWineNanofiltrationChemistryPolyphenolAntioxidantFlavonoidFood scienceMembraneChromatographyAnthocyaninOrganic chemistryBiochemistry

Résumé

récupéré en direct d'OpenAlex

The aim of this study was to investigate the influence of different operating conditions (four pressures: 2.5, 3.5, 4.5 and 5.5 MPa; two temperature regimes: with and without cooling) and wine type on phenolic compounds retention during the nanofiltration process of two Cabernet Sauvignon red wines (conventionally and ecologically produced). The nanofiltration process was conducted on Alfa Laval LabUnit M20 with plate module and six NF M20 membranes. In initial wines and obtained retentates, total polyphenol and flavonoid contents, monomeric anthocyanins content, antioxidant activity, individual phenolic compounds and CIELab colour parameters were determined. A loss of total phenolic compounds and decrease in antioxidant activity was observed in all retentates comparing to initial wine. However, retentate cooling and higher pressure increased their retention. Besides processing parameters, individual phenolic compound retention depended on several factors, such as the wine type, chemical properties of compounds and membrane type, and their combinations. Different chemical composition of initial conventional and ecological wine influenced the retention of individual compounds.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,625
Score d'incertitude au seuil0,183

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,012
Tête enseignante GPT0,206
Écart entre enseignants0,194 · 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 tête enseignante, 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

Citations7
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMembranesMême sujetFermentation and Sensory AnalysisTravaux en français237 207