Integrated untargeted and targeted metabolomics and microbiome profiling reveal the effects of storage duration on the flavor quality of Rizhao Jinhua white tea
Notice bibliographique
Résumé
The post-fermented tea develops enhanced quality attributes with prolonged storage. In this study, we explored the dynamic changes in sensory characteristics, untargeted and targeted metabolomics, and microbial communities of Rizhao Jinhua white tea (WFB) across different storage years. Storage process reduced bitterness and astringency, while improving overall mellowness. Levels of total polyphenols, amino acids, theaflavins, and thearubigins declined significantly, whereas theabrownin reached its peak at year 5. Among 118 identified differential metabolites, flavonoids exhibited the most pronounced variations. Further targeted quantification of flavonoids revealed catechin, epicatechin, epigallocatechin, quercitrin, and isorhamnetin as key flavor determinants. This was related to glycosylation, hydrogenation, hydroxylation, and hydrolysis reactions occurring during storage. Dominant microbial genera such as Aspergillus and Pseudomonas continuously promoted flavonoids transformations during storage. The outcomes of this research support better approaches to flavor quality optimization in stored Jinhua white tea. • A Jinhua white tea product was developed based on the fermentation of white tea. • Jinhua white tea stored 5 years reduces bitterness-astringency, enhances mellowness. • Flavonoids are the key metabolites responsible for flavor changes. • Aspergillus and Pseudomonas continuously contribute to metabolite transformation. • First establishment of sensory-metabolite-microbe network in Jinhua white tea.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 ».