Improving the taste and aromatic characteristics of citrus wine by co‐fermentation involving <scp> <i>Saccharomyces cerevisiae</i> </scp> and lactic acid bacteria
Notice bibliographique
Résumé
BACKGROUND: Citrus wine, a value-added product of citrus deep processing, often exhibits unwanted bitterness caused by naringin and limonin, along with an aroma, which limits consumer acceptance. This study investigated the potential of co-fermenting Saccharomyces cerevisiae with selected lactic acid bacteria (LAB) to reduce bitterness and enhance aromatic quality. RESULTS: Co-fermentation of Lactiplantibacillus plantarum and Saccharomyces cerevisiae increased α-rhamnosidase activity and reduced naringin concentration from 73.87 ± 0.15 to 39.21 ± 1.62 mg L⁻¹ (P < 0.01), limiting limonin accumulation to 15.32 ± 1.01 mg L⁻¹. This was a 50.79% reduction compared with fermentation using S. cerevisiae alone. A total of 150 volatile compounds were identified by headspace solid-phasemicroextraction coupled with gas chromatography-mass spectrometry (HS-SPME-GC-MS) among which the esters, including ethyl caproate, ethyl 9-decenoate and ethyl laurate were enhanced by co-fermentation. The process also increased the odor activity value (OAV) of isoamyl acetate, isoamyl formate, octanoic acid-2-phenylethanol ester, and nonanal, which contribute to fruity and floral aroma characteristics. Sensory evaluation confirmed reduced bitterness and astringency and improved overall flavor acceptance. CONCLUSION: Co-fermentation of S. cerevisiae and L. plantarum improved citrus wine quality by degrading naringin and limonin to reduce bitterness, enriching key esters to improve aroma, achieving overall sensory optimization. This study provides a scientific basis for microbial synergy in fruit wine production, offering a practical approach to improving the organoleptic properties of citrus wine. © 2025 Society of Chemical Industry.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».