The Influence of Malt Variety and Origin on Wort Flavor
Notice bibliographique
Résumé
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».