MétaCan
Menu
Retour à la cohorte
Enregistrement W3187638025 · doi:10.21273/hortsci15982-21

Seasonal and Postharvest Changes in Amino Acid Composition in ‘Crimson Crisp’ Apple (Malus domestica Borkh.) in Response to Summer Foliar Urea Applications

2021· article· en· W3187638025 sur OpenAlexafffund
Derek J. Plotkowski, John A. Cline

Notice bibliographique

RevueHortScience · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFermentation and Sensory Analysis
Établissements canadiensUniversity of GuelphOntario Forest Research Institute
Organismes subventionnairesOntario Ministry of Agriculture, Food and Rural Affairs
Mots-clésMalusPostharvestFood scienceHorticultureChemistryYeastFermentationComposition (language)PasteurizationBotanyBiologyBiochemistry

Résumé

récupéré en direct d'OpenAlex

Insufficient biologically available nitrogen (N) for yeast is a persistent issue facing cidermakers, whose apple juice base usually does not provide adequate nutrition for a complete fermentation. Cidermakers often supplement their juice with additional yeast assimilable nitrogen (YAN) in the cellar to aid fermentation. The development of biologically available N in apple juice is not well understood. In this study, juice samples from ‘Crimson Crisp ® ’ apples were taken at several sampling dates in the 2016, 2017, and 2018 growing seasons and analyzed for YAN using formol titration and high-performance liquid chromatography. It was observed that while the total YAN concentration in these apples drops from the period shortly after fruit set to the end of summer, YAN remains stable from several weeks before harvest until the date of harvest. The total YAN did not change after a 6-week postharvest storage period. By contrast, the individual amino acid components of YAN do change during this period. This experiment shows that foliar urea sprays in ‘Crimson Crisp ® ’ produce an increase in organic N in the juice, mostly in the form of asparagine. Increased organic N impacts yeast growth and sensory characteristics of cider and may be seen as desirable by cider producers.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,740
Score d'incertitude au seuil0,992

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
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 Opus0,023
Tête enseignante GPT0,271
Écart entre enseignants0,248 · 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'étudeObservationnel
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

Citations1
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHortScienceMême sujetFermentation and Sensory AnalysisTravaux en français237 207