MétaCan
Menu
Retour à la cohorte
Enregistrement W3181939405 · doi:10.1080/03610470.2021.1937460

Unfilterable Beer Haze Part I: The Investigation of an India Pale Ale Haze

2021· article· en· W3181939405 sur OpenAlexaff
Margaux Huismann, Fraser J. Gormley, Dzeti Dzait, R. Alex Speers, Dawn L. Maskell

Notice bibliographique

RevueJournal of the American Society of Brewing Chemists · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFermentation and Sensory Analysis
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésHazeBrewingPolyphenolFood scienceChemistryYeastGlucanBiochemistryFermentationAntioxidantOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The nature of undesirable and unfilterable haze particles observed by craft breweries remains nebulous and presents a challenge when the aim is the production of bright beer. A commercial beer was studied in which the brewery had sporadically encountered unfilterable haze. In this study, it was hypothesized that unfilterable haze particles were formed due to increased concentrations of proteins, polyphenols, and/or beta-glucans. Samples of a high haze and low haze India Pale Ale were degassed and digested with enzymes amyloglucosidase, pepsin, and UltraFlo Max (NovozymesTM). Additionally, the protein, polyphenol, and beta-glucan content of each sample was measured. When comparing protein, polyphenol, and beta-glucan concentrations substantial differences between high haze and low haze protein concentrations were observed. Due to the unfilterable nature of these hazes, combined with experimental findings, it was hypothesized that yeast cell-wall proteins were responsible for this haze. Understanding of the source of these hazes offers brewers the opportunity to mitigate against their formation by adjusting brewing practices.

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 enseignants0,004
Score d'incertitude au seuil0,007

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)0,0010,000

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 Opus0,022
Tête enseignante GPT0,235
Écart entre enseignants0,213 · 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

Citations7
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

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