MétaCan
Menu
Retour à la cohorte
Enregistrement W4402306119 · doi:10.20870/oeno-one.2024.58.3.8067

Modulation of the ‘flinty’ aroma compound phenylmethanethiol during fermentation: impacts of yeast starter culture and nitrogen supplementation

2024· article· en· W4402306119 sur OpenAlexfundno aff
Antonio G. Cordente, Allie G. Kulcsar, Deanna Langone, Lisa Pisaniello, Tracey Siebert, Marlize Z. Bekker

Notice bibliographique

RevueOENO One · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFermentation and Sensory Analysis
Établissements canadiensnon disponible
Organismes subventionnairesWine AustraliaAustralian GovernmentAlberta Water Research Institute
Mots-clésWinemakingWineAromaFermentation in winemakingFermentationYeastFood scienceChemistryFlavourStarterYeast in winemakingNitrogenOdorSulfurAroma compoundBiochemistrySaccharomyces cerevisiaeOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The sulfur compound phenylmethanethiol (PMT) has been associated with ’flinty’ and ’struck-match’ aromas in wine, and it is considered to be an important contributor to the flavour of certain white wine styles. Little is known about the factors driving the formation of this potent sulfur aroma compound during winemaking conditions, as well as the precursors/pathways that might be involved in its formation. In this study, we demonstrate that a range of practical winemaking strategies may have significant implications on the final concentration of PMT in wine. Specifically, the choice of yeast strain used to perform alcoholic fermentation was shown to modulate the formation of this ‘flinty’ compound under laboratory-scale conditions, and in the absence of oak. The nutritional level of the fermentation media was also found to significantly impact PMT formation by yeast, as nitrogen additions in the form of inorganic nitrogen promoted the formation of PMT. Finally, the potential role of both benzaldehyde and hydrogen sulfide as precursors to PMT formation was also explored, as well as the contribution of other alternative pathways.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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 savante0,0010,000
Science ouverte0,0000,000
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 Opus0,020
Tête enseignante GPT0,244
Écart entre enseignants0,224 · 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'étudeObservationnel
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

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOENO OneMême sujetFermentation and Sensory AnalysisTravaux en français237 207