Antimicrobial Synergic Effect of Chitosan with Sodium Lactate, Nisin or Potassium Sorbate against the Bacterial Flora of Fish
Notice bibliographique
Résumé
<p>The inhibitory action of sodium lactate (SL), potassium sorbate (PS), nisin and chitosan against representative bacteria of fish spoilage flora (two <em>Pseudomonas </em>strains, <em>Shewanella putrefaciens</em> and <em>Lactobacillus plantarum</em>) and also against <em>Listeria innocua</em> was assessed. Minimum inhibitory and bactericidal concentrations were determined. Antimicrobial interactions seeking for synergistic effects between binary mixtures were evaluated by isobolograms and by the fractional inhibitory concentrations (FIC). To study antimicrobials effects on a food matrix, selected mixtures showing synergistic action were tested in fish homogenates. Most antimicrobials inhibited bacterial growth. Isobolograms and FIC index showed that the combination of antimicrobials with chitosan and the mixture PS-SL exerted a synergistic action. Among them, combinations containing PS were discarded, since the levels needed may have adverse effects on the sensory characteristics of fish. Regarding to fish homogenates, chitosan in combination with SL, achieved the greater reduction of bacterial population, being useful for the preservation of minimally processed fish.</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 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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».