Influence of freezing and heating conditions on grape seed flavan-3-ol extractability, oxidation, and galloylation pattern
Notice bibliographique
Résumé
In cool-climate viticulture, the short growing season can influence grape seed maturation by reducing the apparent oxidation of flavan-3-ol monomers and associated increase in seed browning. A reduction in seed maturation increases the potential extraction of flavan-3-ol monomers into wine during maceration operations, heightening bitterness. Here, we carried out a 2 × 2 factorial experiment to test the ability of freezing and heating treatments to advance maturation (decrease flavan-3-ol, improve browning) of (Vitis vinifera L.) Pinot noir and Cabernet Sauvignon seeds over a 24-h incubation period. Only freezing significantly increased seed browning in both cultivars. Subsequent correlations with seed flavan-3-ol monomer concentrations suggest that freezing enhanced the oxidation of these compounds. Interestingly, natural ripening and freezing reduced galloylated flavan-3-ol monomers to a greater extent than non-galloylated ones. This study provides new information regarding the susceptibility of flavan-3-ol monomers to freezing and heating, and also suggests that freezing can advance the maturation the seeds of under-ripe red vinifera grapes.
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 | 0,000 |
| 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 | 0,001 | 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 ».