MétaCan
Menu
Retour à la cohorte
Enregistrement W4229456291 · doi:10.1016/j.foodchem.2022.133174

The diversity of effects of yeast derivatives during sparkling wine aging

2022· article· en· W4229456291 sur OpenAlexfundno aff
María Ignacia Lambert-Royo, Cristina Úbeda, Rubén del Barrio‐Galán, Nathalie Sieczkowski, Joan Miquel Canals, Álvaro Peña‐Neira, Mariona Gil

Notice bibliographique

RevueFood Chemistry · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFermentation and Sensory Analysis
Établissements canadiensnon disponible
Organismes subventionnairesLallemandUniversidad de Sevilla
Mots-clésTorulaspora delbrueckiiYeastLeesFood scienceWineSaccharomyces cerevisiaeChemistrySaccharomycesBiologyBiochemistry

Résumé

récupéré en direct d'OpenAlex

This study shows the monitoring of the physical, chemical and sensorial changes that occur in the sparkling wine along 18 months of aging due to different typology yeast-derived products; dry inactivated yeast from Saccharomyces (Saccharomyces cerevisiae) and non-Saccharomyces (Torulaspora delbrueckii) yeast strains, yeast autolysate, and yeast protein extract tested at two different doses. The addition of 5 g/hL yeast protein extract and inactivated yeast from T. delbrueckii helped to preserve esters in wines with 9 and 18 months of aging on lees. The addition of yeast autolysate achieved greater polysaccharide enrichment and gave rise to sparkling wines with the highest antioxidant activity. Effects on foaming properties were quite different depending on the aging time. Despite this, sparkling wines treated with 10 g/hL of yeast autolysate and Optimum White™ generally exhibited the highest foamability and foam stability. Further experiments with higher doses are needed to observe clear effects on sensory profile.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil0,311

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 Opus0,010
Tête enseignante GPT0,183
Écart entre enseignants0,173 · 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'étudeExpérimental (laboratoire)
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

Citations20
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFood ChemistryMême sujetFermentation and Sensory AnalysisTravaux en français237 207