Large-Scale Reassessment of In-Vineyard Smoke-Taint Grapevine Protection Strategies and the Development of Predictive Off-Vine Models
Notice bibliographique
Résumé
Smoke taint in wine is thought to be caused by smoke-derived volatile phenols (VPs) that are absorbed into grape tissues, trapped as conjugates that are imperceptible by smell, and subsequently released into wines as their free odor-active forms via metabolism by yeasts during fermentation. Blocking VP uptake into grapes would, therefore, be an effective way for vineyards to protect ripening grape crops exposed to smoke. Here, we re-evaluated a biofilm that had previously shown promise in pilot studies in reducing levels of smoke-derived VPs. A suite of nine free and acid-labile VPs were quantitated in Pinot Noir grapes that had been exposed to smoke after being coated with the biofilm one, seven or 14 days earlier. In contrast with earlier studies, our results demonstrated that in all cases, the biofilm treatments led to increased concentrations of both free and total VPs in smoke-exposed grapes, with earlier applications elevating concentrations of some VPs more than the later time points. Tracking VP concentrations through the grape ripening process demonstrated that some (phenol, p/m-cresol, and guaiacol) were not entirely sequestered in grapes as acid-labile conjugates, suggesting the presence of VP storage forms beyond simple glycosides. Free VPs in grapes, though a minor portion of the total, most clearly correlated with concentrations present in the resulting wines. Finally, red table grapes, available year round, were observed to replicate the effects of the biofilm treatments and were capable of transforming most VPs into acid-labile conjugates in under 24 h, indicating that they might be an effective model for rapidly assessing smoke-taint prophylactic products in the laboratory.
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 ».