MétaCan
Menu
Retour à la cohorte
Enregistrement W4406127542 · doi:10.1016/j.foodchem.2025.142777

Tannin additions decrease the concentration of malodorous volatile sulfur compounds in wine-like model solutions and wine

2025· article· en· W4406127542 sur OpenAlexfundno aff
Marlize Z. Bekker, Allie C. Kulcsar, Alicia Jouin, V. Felipe Laurie

Notice bibliographique

RevueFood Chemistry · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFermentation and Sensory Analysis
Établissements canadiensnon disponible
Organismes subventionnairesDepartment of Education and TrainingWine AustraliaAustralian GovernmentAlberta Water Research Institute
Mots-clésWineTanninChemistrySulfurAging of wineOrganic chemistryFood scienceChromatography

Résumé

récupéré en direct d'OpenAlex

Hydrogen sulfide (H 2 S), methanethiol (MeSH) and ethanethiol (EtSH) are volatile sulfur compounds (VSCs) produced during winemaking and are associated with negative ‘reductive’ aromas in wine. Anecdotal evidence suggests that oenological tannins may be used to remediate the ‘reductive’ character of wines, yet little scientific evidence or explanation supporting this observation has been published. In this study, it was found that the addition of oenological tannin significantly decreased H 2 S, MeSH, and EtSH in model wine by 92 %, 90 % and 86 %, respectively. Furthermore, the removal of H 2 S, MeSH, and EtSH from model wine matrices was accelerated at high pH levels. The reaction products of polyphenol oxidation and their ability to ameliorate the presence of MeSH and EtSH were studied in model systems and wines, and vescalagin/castalagin adducts of MeSH and EtSH were subsequently produced. This study provides evidence for the mechanism through which oenological tannins may diminish ‘reductive’ aromas in wine. • Tannin significantly decreased H 2 S and MeSH in model and real wine. • Vescalagin/castalagin, and gallic acid VSC-adducts were produced. • Higher pH promoted the removal of H 2 S, MeSH, and EtSH. • A mechanism is proposed by which oenological tannins decrease ‘reductive’ aromas.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,469
Score d'incertitude au seuil0,252

Scores Codex et Gemma par catégorie

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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,019
Tête enseignante GPT0,218
Écart entre enseignants0,199 · 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 tête enseignante, 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

Citations5
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFood ChemistryMême sujetFermentation and Sensory AnalysisTravaux en français237 207