Flavor Differences of Edible Parts of Grass Carp between Jingpo Lake and Commercial Market
Notice bibliographique
Résumé
This study investigated the flavor differences among three individual parts (abdomen, back, and tail) of Jingpo Lake grass carp (JPGC) and commercial grass carp (CGC). The growing environment and fish parts influenced the volatile compounds of the fish. The highest total contents of alcohols and ethers were found in the back of JPGC (p < 0.05). The combination of an electronic tongue and electronic nose (E-nose) could effectively distinguish the flavor differences between the different parts of JPGC and CGC by principal component analysis. Both the content of total free amino acids (FAAs) and content of amino acids contributing to the sweet and fresh flavors were higher in JPGC than CGC (p < 0.05). Among the ATP-associated products, the inosine 5’-monophosphate (IMP) contents of the back and tail of JPGC were higher (p < 0.05), but the abdomen content was lower (p > 0.05) than the respective contents in the corresponding parts of CGC. Sensory evaluation shows that JPGC had a better texture, odor, and taste, compared to CGC. Correlation analysis showed that the E-nose data and FAAs were highly correlated with the content of alcohols, aldehydes, and ethers. This study showed that the flavors of the different parts of JPGC differed significantly from those of CGC.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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) | 0,001 | 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 ».