Biostimulatory Activity of Pyroligneous Acid Enhanced Metabolites Accumulation in Grape Wine
Notice bibliographique
Résumé
Pyroligneous acid (PA) is a known biostimulant in agriculture, but its effects on metabolite accumulation in grape berries and wine are not well understood. This study investigated the impact of varying PA concentrations (0%, 2%, 4%, 8%, and 12%) on metabolite profiles in grape wine (Vitis vinifera cv. KWAD7-1). Using a randomized complete block design, PA was applied to grape leaves at 14-day intervals. Wine samples were analyzed using NMR spectroscopy, identifying 52 metabolites across seven compound groups. The 12% PA treatment resulted in the highest o Brix content: 0.14-fold higher than the control. This treatment significantly (p<0.05) altered the concentrations of organic acids, increasing most except for malic and acetic acids, which decreased by 0.16-fold and 0.60-fold, respectively. Notably, 12% PA increased total amino acid content by 5.96- fold compared to the control and enhanced glucose and fructose contents by 0.25- and 1.40-fold, respectively. A 0.53-fold increase in myo-inositol was also observed with 12% PA, suggesting potential improvements in nutritional value. Principal component analysis revealed distinct metabolic profiles for grapes treated with 12% PA, characterized by elevated levels of phenolics, alcohols, volatiles, and carbohydrates. These findings suggest that PA application can be used to manipulate grape wine metabolites, potentially enhancing sensory attributes and nutritional value. This study provides insights into the use of PA as a tool for modulating wine quality to meet consumer preferences.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 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 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 ».