Comprehensive Metabolomic Comparison of Five Cereal Vinegars Using Non-Targeted and Chemical Isotope Labeling LC-MS Analysis
Notice bibliographique
Résumé
Vinegar is used as an acidic condiment and preservative worldwide. In Asia, various black vinegars are made from different combinations of grains, such as Sichuan bran vinegar (SBV), Shanxi aged vinegar (SAV), Zhenjiang aromatic vinegar (ZAV), and Fujian Monascus vinegar (FMV) in China and Ehime black vinegar in Japan (JBV). Understanding the chemical compositions of different vinegars can provide information about nutritional values and the quality of the taste. This study investigated the vinegar metabolome using a combination of GC-MS, conventional LC-MS, and chemical isotope labeling LC-MS. Different types of vinegar contained different metabolites and concentrations. Amino acids and organic acids were found to be the main components. Tetrahydroharman-3-carboxylic acid and harmalan were identified first in vinegar. Various diketopiperazines and linear dipeptides contributing to different taste effects were also detected first in vinegar. Dipeptides, 3-phenyllactic acid, and tyrosine were found to be potential metabolic markers for differentiating vinegars. The differently expressed pathway between Chinese and Japanese vinegar was tryptophan metabolism, while the main difference within Chinese vinegars was aminoacyl-tRNA biosynthesis metabolism. These results not only give insights into the metabolites in famous types of cereal vinegar but also provide valuable knowledge for making vinegar with desirable health characteristics.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».