MétaCan
Menu
Retour à la cohorte
Enregistrement W6945913289 · doi:10.3389/fgene.2020.00908.s006

Table_3_Characterization of Sub-Regional Variation in Saccharomyces Populations and Grape Phenolic Composition in Pinot Noir Vineyards of a Canadian Wine Region.DOCX

2020· dataset· en· W6945913289 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2020
Typedataset
Langueen
DomaineComputer Science
ThématiqueDigital Imaging for Blood Diseases
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVineyardWineSaccharomyces cerevisiaeWine grapeYeastSaccharomycesFermentationPopulation

Résumé

récupéré en direct d'OpenAlex

<p>Wine is a product of grape juice fermentation by yeast. Terroir is a term that encompasses all environmental factors and interactions at a specific geographical site, resulting in the development of regional-specific microbial strains and grape metabolites. In this study we determine the distribution of vineyard-associated wine yeast strains and characterize the flavonoid profile of Pinot Noir grapes among 3 sub-regions in the Okanagan Valley (OV), a major wine region in British Columbia, Canada. Pinot Noir grape samples were collected from 13 vineyards among 3 sub-regions of the OV, namely Kelowna (KE), Naramata-Penticton (NP) and Oliver-Osoyoos (OO), within a week prior to the winery harvesting date in 2016 and 2017. A total of 156 spontaneous Pinot Noir fermentations were conducted and vineyard-associated Saccharomyces strains were isolated from fermentations that reached two-thirds sugar depletion. Using microsatellite genotyping, we identified 103 Saccharomyces cerevisiae strains and 9 Saccharomyces uvarum strains. We also identified Saccharomyces paradoxus in one vineyard using ITS sequencing. We developed a microsatellite database of 160 commercial S. cerevisiae strains to determine the identity of the isolated strains and we include the database herein. Commercial strains were widely distributed across the three sub-regions. Forty-two of our 103 S. cerevisiae strains were equivalent or highly similar to commercial strains whereas the remaining 61 were considered as ‘unknown’ strains. Two S. uvarum strains were previously isolated in other OV studies and none matched the S. uvarum commercial strain BMV58. S. cerevisiae population structure was driven by sub-region, although S. cerevisiae populations did not differ significantly across vintages. S. uvarum and S. paradoxus were only identified in the 2017 vintage, demonstrating dynamic wine yeast populations between vintages. We found that the flavonoid profile of Pinot Noir grapes from the same 13 vineyards was also affected by sub-regional terroir. The anthocyanin content was lower and the proportion of methoxylated anthocyanins and flavonols was higher in Pinot Noir grapes from OO, the warmer sub-region as compared to KE, the cooler sub-region. Our study demonstrates that both yeast populations and metabolites associated with the Pinot Noir variety have sub-regional variation within a viticultural area.</p>

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,632
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,048
Tête enseignante GPT0,243
Écart entre enseignants0,195 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetDigital Imaging for Blood DiseasesTravaux en français237 207