MétaCan
Menu
Retour à la cohorte
Enregistrement W4221034849 · doi:10.1080/03610470.2022.2041156

The Influence of Malt Variety and Origin on Wort Flavor

2022· article· en· W4221034849 sur OpenAlex
Susan L. Stewart, Ross D. Sanders, Natalja Ivanova, Kerry L. Wilkinson, Doug Stewart, Jianjun Dong, Shumin Hu, D. Evan Evans, Jason A. Able

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJournal of the American Society of Brewing Chemists · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFermentation and Sensory Analysis
Établissements canadiensnon disponible
Organismes subventionnairesGrains Research and Development Corporation
Mots-clésFlavorFood scienceBrewingChemistrySweetnessSensory analysisAromaFermentation

Résumé

récupéré en direct d'OpenAlex

Beer flavor is primarily impacted by malt kilning and the choice of yeast/hops in the beer recipe. Although barley malt is the material backbone of most beers, variety has until recently been largely overlooked with respect to flavor differences. In this study, 11 malt variety samples from multiple Australian and international (UK, Canada, China) growing regions were infusion mashed (65 °C) at laboratory scale to produce unboiled wort to investigate differences between the flavor profiles observed with sensory assessment and headspace-SPME gas chromatography-mass spectrometry (HS-SPME GC-MS). Sensory evaluation identified wort flavor differences with the control heritage samples, Maris Otter/Schooner, having the highest overall flavor complexity and acceptability. The Chinese malted Chinese/Canadian samples had the lowest overall flavor complexity rankings. Overall, flavor complexity was correlated with KI, malt protein (negative), and β-glucosidase (negative), while sweetness intensity was correlated with limit dextrinase and pH. HS-SPME GC-MS analysis focused only on compounds that were significantly different between varieties (ANOVA, P ≤ 0.05). Overall, 107 compounds were identified with significantly different levels between the varietal worts. The resultant PCA plots (overall, aldehydes, alcohols, esters, organic acids, terpenes, ketones) supported the sensory assessment, with Maris Otter and the Australian samples clustering in different PCA sectors compared to the Chinese malted Canadian/Chinese samples. These findings provide a basis for key compound identifications that influence malt flavor through the brewing process. The results have the potential to assist barley breeders in selecting optimized germplasm for future variety development and can assist maltsters and brewers to consistently target desired flavors for finished beers and potentially whisk(e)y.

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.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,885
Score d'incertitude au seuil0,237

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,014
Tête enseignante GPT0,239
Écart entre enseignants0,226 · 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