Metabolomicsto Understand the Impacts of Wildfireson Wines
Notice bibliographique
Résumé
The Okanagan Valley is one of Canada’s premier wine producing regions. Wines produced in the Okanagan can be damaged by exposure to wildfire smoke. We hypothesized that exposure to wildfire smoke creates a terroir signature that can be detected by metabolomics. Our study developed a high-resolution mass spectrometry-based metabolomics approach to characterize the nonvolatile metabolites that are accumulated in grapes exposed to wildfires and retained throughout the wine-making process. We developed a method for wine metabolomics by reversed-phase chromatography with compound detection by high-resolution mass spectrometry (UHPLC-OrbiTrap MS). Data was extracted, aligned, and filtered by MZMine version 3.9.0 and analyzed with MetaboAnalyst, SIRIUS, and ZODIAC for ranking of formula candidates, CSI/FingerID to identify the structures of compounds, COSMIC to assign a confidence score to CSI/FingerID structure identifications, and CANOPUS to predict compound classes. More than 90 significant features were identified as being characteristic of the smoky wine, and two novel hypotheses were generated regarding nitrogen cycling physiology and flavonoid metabolism in wine grapes. This research contributes valuable insights into the broader impact of climate-induced challenges on wine composition and quality.
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 | 0,001 |
| 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) | 0,185 | 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 ».