MétaCan
Menu
Retour à la cohorte
Enregistrement W2891555272 · doi:10.3329/bjp.v13i3.36716

Antibacterial activities of endophytic fungi isolated from six Sri Lankan plants of the family Cyperaceae

2018· article· en· W2891555272 sur OpenAlexaff
Pamoda B. Ratnaweera, R. Chandula Walgama, Kinkini U. Jayasundera, Suseema D. Herath, S. Abira, David E. Williams, Raymond J. Andersen, E. Dilip de Silva

Notice bibliographique

RevueBangladesh Journal of Pharmacology · 2018
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiquePlant Pathogens and Fungal Diseases
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Science Foundation
Mots-clésPlant use of endophytic fungi in defenseAspergillus terreusAntibacterial activityBiologyMicrobiologyStaphylococcus aureusGramBacteriaBotany

Résumé

récupéré en direct d'OpenAlex

In a study designed to determine the antibacterial potential of endophytic fungi inhabiting plants of Cyperaceae family, 72 morphologically distinct endophytic fungi were isolated from six plants and their antibacterial activities against two Gram positive and three Gram negative pathogenic bacterial species were examined. Two antibacterial metabolites from two endophytes were also isolated and their chemical structures and minimum inhibitory concentrations were determined. Sixty six fungal extracts (92%) were active against at least one bacterium tested. Butyrolactone I isolated from the Aspergillus terreus and 9-epi viridol isolated from Trichoderma virens exhibited MIC values in the range 128-256 µg/mL against Gram positive Bacillus subtilits, Staphylococcus aureus, methicillin resistant S. aureus (MRSA) and Escherichia coli. Both compounds were inactive against other micro-organisms tested. This study confirmed that Cyperaceae plants harbor numerous endophytes that produce antibacterial metabolites active against both Gram positive and, to a lesser extent, Gram negative bacteria. Video Clip of Methodology: Column Chromatogrpahy: 15 min 34 sec Click to watch

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 GPT0,254
Écart entre enseignants0,244 · 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'étudeExpérimental (laboratoire)
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

Citations17
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBangladesh Journal of PharmacologyMême sujetPlant Pathogens and Fungal DiseasesTravaux en français237 207