Wine Oligosaccharides: Underutilized or Irrelevant? A Study into the Effects of Oligosaccharides on Wine Taste and Mouthfeel
Notice bibliographique
Résumé
The taste and mouthfeel of a wine are two of the most important aspects of wine tasting. However, while much is known about phenolic compounds and other macromolecules direct effects on wine taste and mouthfeel, little is known about other wine compounds such as oligosaccharides. This experiment uses Fructo-oligosaccharide (FOS) and Galacto-oligosaccharide (GOS) at two different concentrations, 450 mg/L and 900 mg/L within a simple model wine matrix. A model matrix was used to control for any unknown interactions between oligosaccharides and the multitude of wine components. Oligosaccharides were added individually to the model wine matrix at each concentration to create four treatments. Triangle tests were performed on all treatments against the control base model wine and between the high and low concentrations of each oligosaccharide treatment. Following the triangle tests, each treatment and the control underwent descriptive analysis (DA) using line intensity scales for sweetness, bitterness, astringency, acidity, and viscosity. Triangle test results revealed a significant difference only between the FOS450 and FOS900 samples. The wine matrix was made more complicated by adding polyphenols and still, none of the four oligosaccharide treatment groups were found to be significantly different. DA found no significant differences for the five attributes but did show clear trends in increased sweetness and acidity, decreased bitterness, as well as changes to astringency and viscosity. This suggests there may be more complex interactions happening within the mouth. However, given the lack of significant results in the simple wine model and the more complex wine model wine, any complex interactions between oligosaccharides and other wine compounds are likely to be minimal.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».