MétaCan
Menu
Retour à la cohorte
Enregistrement W2153874707 · doi:10.1111/j.1750-3841.2010.01879.x

Changes in the Composition of the Bacterial Flora on Tray‐Packaged Pork during Chilled Storage Analyzed by PCR‐DGGE and Real‐Time PCR

2010· article· en· W2153874707 sur OpenAlexaff
Yun Jiang, Feng Gao, Xinglian Xu, KePing Ye, Guanghong Zhou

Notice bibliographique

RevueJournal of Food Science · 2010
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueIdentification and Quantification in Food
Établissements canadiensMinistry of Education and Child Care
Organismes subventionnairesMinistry of Science and Technology of the People's Republic of China
Mots-clésFood scienceBacteriaTemperature gradient gel electrophoresis16S ribosomal RNAFood spoilagePseudomonasMeat spoilageBiologyPopulationMicrobiologyChemistry

Résumé

récupéré en direct d'OpenAlex

In this study, a polymerase chain reaction (PCR)-denaturing gradient gel electrophoresis (DGGE) was used to investigate the changes in the composition of the bacterial population of tray-packaged pork during chilled storage. Relative quantitative real-time PCR was further used to evaluate the predominant spoilage bacteria obtained from DGGE analysis for their relative amount to the total bacteria in meat samples. DGGE analysis of the V3 and V6-V8 regions of the 16S rRNA gene showed that Pseudomonas were the predominant bacterial species at the end of the monitoring period. Real-time PCR expressed as the ΔΔC(T) method showed that the average 2(-ΔΔC)(T) values increased continually during the storage period from less than 0.001 at day 0 to 4.438 at the end of the monitoring, which indicated that the proportions of Pseudomonas within the total bacteria in meat samples increased. Both methods confirmed that Pseudomonas was the predominant spoilage bacteria. Practical Application: This study uses new techniques to identify bacteria in fresh retail pork and to follow changes in the bacterial population during 12 d refrigerated storage. Pseudomonads were found to increase with storage time, becoming the dominant flora after 12 d.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,011
Tête enseignante GPT0,246
Écart entre enseignants0,236 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations26
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Food ScienceMême sujetIdentification and Quantification in FoodTravaux en français237 207