The Composition of Camembert Cheese-Ripening Cultures Modulates both Mycelial Growth and Appearance
Notice bibliographique
Résumé
The fungal microbiota of bloomy-rind cheeses, such as Camembert, forms a complex ecosystem that has not been well studied, and its monitoring during the ripening period remains a challenge. One limitation of enumerating yeasts and molds on traditional agar media is that hyphae are multicellular structures, and colonies on a petri dish rarely develop from single cells. In addition, fungi tend to rapidly invade agar surfaces, covering small yeast colonies and resulting in an underestimation of their number. In this study, we developed a real-time quantitative PCR (qPCR) method using TaqMan probes to quantify a mixed fungal community containing the most common dairy yeasts and molds: Penicillium camemberti, Geotrichum candidum, Debaryomyces hansenii, and Kluyveromyces lactis on soft-cheese model curds (SCMC). The qPCR method was optimized and validated on pure cultures and used to evaluate the growth dynamics of a ripening culture containing P. camemberti, G. candidum, and K. lactis on the surface of the SCMC during a 31-day ripening period. The results showed that P. camemberti and G. candidum quickly dominated the ecosystem, while K. lactis remained less abundant. When added to this ecosystem, D. hansenii completely inhibited the growth of K. lactis in addition to reducing the growth of the other fungi. This result was confirmed by the decrease in the mycelium biomass on SCMC. This study compares culture-dependent and qPCR methods to successfully quantify complex fungal microbiota on a model curd simulating Camembert-type cheese.
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 | 0,000 |
| 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 ».