亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Characterization of volatile metabolites in Pu-erh teas with different storage years by combining GC-E-Nose, GC–MS, and GC-IMS

气相色谱-质谱法 化学 色谱法 电子鼻 食品科学 质谱法 神经科学 生物
作者
Yuting Rong,Jialing Xie,Haibo Yuan,Lilei Wang,Fuqiao Liu,Yuliang Deng,Yongwen Jiang,Yanqin Yang
出处
期刊:Food Chemistry: X [Elsevier BV]
卷期号:18: 100693-100693 被引量:69
标识
DOI:10.1016/j.fochx.2023.100693
摘要

Storage time is one of the important factors affecting the aroma quality of Pu-erh tea. In this study, the dynamic changes of volatile profiles of Pu-erh teas stored for different years were investigated by combining gas chromatography electronic nose (GC-E-Nose), gas chromatography-mass spectrometry (GC-MS), and gas chromatography-ion mobility spectrometry (GC-IMS). GC-E-Nose combined with partial least squares-discriminant analysis (PLS-DA) realized the rapid discrimination of Pu-erh tea with different storage time (R
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
7秒前
wang5945完成签到 ,获得积分10
13秒前
16秒前
科研通AI5应助北辰一刀流采纳,获得10
19秒前
27秒前
29秒前
nikakk发布了新的文献求助20
29秒前
ahhhhhh发布了新的文献求助10
30秒前
31秒前
33秒前
34秒前
hahahah发布了新的文献求助10
40秒前
芒果好高完成签到,获得积分10
42秒前
合适的半青完成签到,获得积分10
42秒前
深情安青应助ahhhhhh采纳,获得10
43秒前
科研通AI5应助wise111采纳,获得10
48秒前
华仔应助七千万采纳,获得10
49秒前
49秒前
puhu完成签到 ,获得积分10
52秒前
杨无敌完成签到 ,获得积分10
54秒前
taku完成签到 ,获得积分10
55秒前
Qintt完成签到 ,获得积分10
59秒前
三个气的大门完成签到 ,获得积分10
1分钟前
1分钟前
1分钟前
hhhhh完成签到 ,获得积分10
1分钟前
kid1412完成签到 ,获得积分10
1分钟前
wise111发布了新的文献求助10
1分钟前
1分钟前
Tushar完成签到,获得积分10
1分钟前
1分钟前
白青发布了新的文献求助10
1分钟前
辛苦的小包完成签到 ,获得积分10
1分钟前
天天快乐应助科研通管家采纳,获得10
1分钟前
YifanWang应助科研通管家采纳,获得10
1分钟前
大个应助科研通管家采纳,获得30
1分钟前
1分钟前
1分钟前
1分钟前
scm完成签到,获得积分10
1分钟前
高分求助中
All the Birds of the World 4000
Production Logging: Theoretical and Interpretive Elements 3000
Animal Physiology 2000
Les Mantodea de Guyane Insecta, Polyneoptera 2000
Am Rande der Geschichte : mein Leben in China / Ruth Weiss 1500
CENTRAL BOOKS: A BRIEF HISTORY 1939 TO 1999 by Dave Cope 1000
Machine Learning Methods in Geoscience 1000
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 物理 生物化学 纳米技术 计算机科学 化学工程 内科学 复合材料 物理化学 电极 遗传学 量子力学 基因 冶金 催化作用
热门帖子
关注 科研通微信公众号,转发送积分 3736596
求助须知:如何正确求助?哪些是违规求助? 3280584
关于积分的说明 10019999
捐赠科研通 2997226
什么是DOI,文献DOI怎么找? 1644486
邀请新用户注册赠送积分活动 782041
科研通“疑难数据库(出版商)”最低求助积分说明 749646