Pork juice promotes biofilm formation in <i>Listeria monocytogenes</i>
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract A total of 47 Listeria monocytogenes isolates were separated and identified from 153 retailed raw meat samples in Shanghai area with the highest contamination rate in pork meat (20.34%). Using multiplex PCR, these isolates were divided into 3 serogroups: 1/2a‐3a, 1/2b‐3b‐7, and 1/2c‐3c, and 1/2a‐3a was predominant in these isolates. Calgary device was introduced to cultivate biofilm, and crystal violet staining and viable cell enumeration was used to determine the quantity of biofilm formation. Meat juices significantly impacted the biofilm formation, and L. monocytogenes had the highest biofilm‐forming ability in pork juice. However, there was no significant difference on biofilm formation among different serotypes and sources. When cocultured in pork juice, the cell numbers of Salmonella enterica , Staphylococcus aureus , and L. monocytogenes had a significant decrease or decreasing tendency compared to monospecies biofilm, which revealed a competitive interaction among the three species. Practical applications It is aimed to investigate the biofilm formation by L. monocytogenes on plastic surface in different meat juices (beef, chicken, and pork) and the interaction among the multispecies biofilm of Salmonella , Staphylococcus aureus , and L. monocytogenes in pork juice. Meat juice was used as a simulation of the real condition in meat processing environment, and the result can give suggestions to meat industry to keep a close eye on raw pork product.
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.
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 | 0,001 | 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 découle