The Effect of Carbohydrates and Bacteriocins on the Growth Kinetics and Resistance of Listeria monocytogenes
Notice bibliographique
Résumé
The aim of this study was to determine if different carbohydrates influence the growth of Listeria monocytogenes in the presence of carnocyclin A or leucocin A. Carnobacterium maltaromaticum ATCC PTA-5313 and Leuconostoc gelidum UAL187 were used to produce carnocyclin A and leucocin A, respectively. Growth curves were modelled for 5 strains of L. monocytogenes grown in basal medium supplemented with glucose, sucrose, fructose, mannose, or cellobiose, in the presence of carnocyclin A or leucocin A. The growth of L. monocytogenes to leucocin A or carnocyclin A was influenced by carbohydrate and/or strain. Carnocyclin A inhibited the growth of L. monocytogenes more than leucocin A. Growth in media containing glucose, mannose, and fructose increased the sensitivity of some strains of L. monocytogenes to bacteriocins, while growth in cellobiose and sucrose increased the resistance of L. monocytogenes to bacteriocins, as evidenced by a shorter lag phase. Strains of L. monocytogenes developed resistance to both leucocin A and carnocyclin A, but the time to develop resistance was longer when strains are treated with carnocyclin A. Carbohydrate influences the development of resistance of L. monocytogenes to the bacteriocins, but the ability of strains to develop resistance to leucocin A or carnocyclin A differs. Results of this study indicate that carbohydrates influence the ability of L. monocytogenes to grow in the presence of bacteriocins.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».