MétaCan
Menu
Retour à la cohorte
Enregistrement W4319318163 · doi:10.3390/fermentation9020155

Impacts of Reduced (Vacuum) Pressure on Yeast Fermentation as Assessed Using Standard Methods and Automated Image Analysis

2023· article· en· W4319318163 sur OpenAlexfundno aff
Mario Guadalupe-Daqui, Mandi Chen, Paul J. Sarnoski, Renée M. Goodrich‐Schneider, Andrew J. MacIntosh

Notice bibliographique

RevueFermentation · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMicrobial Inactivation Methods
Établissements canadiensnon disponible
Organismes subventionnairesLallemandUniversity of Florida
Mots-clésFermentationYeastFood scienceEthanol fermentationSaccharomyces cerevisiaeEthanolIndustrial fermentationEthanol fuelBiologyChemistryBiochemistry

Résumé

récupéré en direct d'OpenAlex

In this study the combinatory effect of several extrinsic factors on reduced (vacuum) pressure fermentations was explored. Specifically, the pressure, temperature, and FAN levels of high gravity Saccharomyces cerevisiae fermentations were manipulated, while yeast morphology was assessed using automated multivariate image analysis. Fermentation attributes including yeast growth, viability, and ethanol production were monitored using standard methods. Across all FAN and temperature levels, reduced pressure (vacuum pressure) fermentations resulted in a greater than or equal number of cells in suspension, higher average viability, and greater ethanol production in comparison to atmospheric pressure fermentations; however, the magnitude of the effect varied with extrinsic factors. The image analysis revealed that while yeast size was extremely variable across all fermentations, the ratio of vacuole to cell area consistently decreased over each fermentation and could be used to predict the point where the yeast experienced a sharp decline in viability ending the fermentation. This study showed that a combination of traditional measurements and novel automated analyses can be used by brewers to anticipate performance and endpoints of their fermentations, and that reduced pressure can have significant effects upon the rate and final ethanol concentration of variable industrial fermentations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,031
Tête enseignante GPT0,447
Écart entre enseignants0,416 · 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 source (Gemma direct ou Codex distillé), 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

Citations7
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFermentationMême sujetMicrobial Inactivation MethodsTravaux en français237 207