MétaCan
Menu
Retour à la cohorte
Enregistrement W2950568191 · doi:10.1089/ind.2019.29175.lbs

Bioprotective Culture: A New Generation of Food Additives for the Preservation of Food Quality and Safety

2019· article· en· W2950568191 sur OpenAlexaff
Laila Ben Said, Hélène Gaudreau, Laurent Dallaire, Michèle Tessier, Ismaı̈l Fliss

Notice bibliographique

RevueIndustrial Biotechnology · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueProbiotics and Fermented Foods
Établissements canadiensCégep de LévisUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésFood spoilagePreservativeBusinessFood safetyAntimicrobialBiotechnologyShelf lifeGenerally recognized as safeFood industryLactic acidFood productsFood scienceFood preservationFood additiveBacteriaBiologyMicrobiology

Résumé

récupéré en direct d'OpenAlex

Ensuring food quality and safety will remain a major challenge for the agri-food sector, due in large part to expected limits on the use of conventional microbiological barriers. There is an urgent need to develop new antimicrobial agents that are effective throughout the food manufacturing and distribution chain. The use of lactic acid bacteria and metabolites thereof to increase product shelf life has attracted much interest during recent years. Their potential as preservatives in many food matrices appears to be huge. However, the number of agents approved by regulatory agencies and available for widespread commercial use remains small. In this paper we review the recent literature on the potential of lactic acid bacteria as bioprotective culture in foods and summarize their mechanisms of antimicrobial action, recent applications and potential advantages and limitations in the suppression of spoilage organisms and foodborne pathogens. We also examine various aspects of obtaining regulatory approval for the use of lactic acid bacteria as new food additives.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,117
Tête enseignante GPT0,270
Écart entre enseignants0,153 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations96
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIndustrial BiotechnologyMême sujetProbiotics and Fermented FoodsTravaux en français237 207