Patulin in Apples and Apple-Based Food Products: The Burdens and the Mitigation Strategies
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
Apples and apple-based products are among the most popular foods around the world for their delightful flavors and health benefits. However, the commonly found mold, Penicillium expansum invades wounded apples, causing the blue mold decay and ensuing the production of patulin, a mycotoxin that negatively affects human health. Patulin contamination in apple products has been a worldwide problem without a satisfactory solution yet. A comprehensive understanding of the factors and challenges associated with patulin accumulation in apples is essential for finding such a solution. This review will discuss the effects of the pathogenicity of Penicillium species, quality traits of apple cultivars, and environmental conditions on the severity of apple blue mold and patulin contamination. Moreover, beyond the complicated interactions of the three aforementioned factors, patulin control is also challenged by the lack of reliable detection methods in food matrices, as well as unclear degradation mechanisms and limited knowledge about the toxicities of the metabolites resulting from the degradations. As apple-based products are mainly produced with stored apples, pre- and post-harvest strategies are equally important for patulin mitigation. Before storage, disease-resistance breeding, orchard-management, and elicitor(s) application help control the patulin level by improving the storage qualities of apples and lowering fruit rot severity. From storage to processing, patulin mitigation strategies could benefit from the optimization of apple storage conditions, the elimination of rotten apples, and the safe and effective detoxification or biodegradation of patulin.
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) | 0,001 | 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