Prevalence and abundance of lactic acid bacteria in raw milk associated with forage types in dairy cow feeding
Notice bibliographique
Résumé
Lactic acid bacteria (LAB) found in milk can be responsible for organoleptic defects in cheese. To identify sources of LAB that could potentially develop during cheese making, we evaluated their prevalence and abundance in milk according to the type of forage used in dairy cow feeding. Forages and bulk tank milk were sampled 3 times on 24 farms using either hay alone (control), or grass or legume silage supplemented with corn silage or not. Both types of silage were either non-inoculated or inoculated with commercial preparations containing at least a Lactobacillus buchneri strain along with Lactobacillus casei, Lactobacillus plantarum, Enterococcus faecium, or Pediococcus pentosaceus. Our results indicate that LAB viable counts in milk samples (2.56 log cfu/mL) did not differ according to the type of forage used. A total of 1,239 LAB were isolated and identified by partial 16S rRNA gene sequencing. Although inoculation increased lactobacilli abundance in grass silage by 35%, we did not observe an effect on the LAB profile of milk. Indeed, we found no significant difference in milk LAB prevalence and abundance according to the type of forage (P > 0.05). Moreover, isolates belonging to the L. buchneri group were rarely found in bulk tank milk (3 out of 481 isolates). Random amplified polymorphic DNA typing of 406 LAB isolates revealed the plausible transfer of some strains from silage to milk (~6%). Thus, forage is only a minor contributor to LAB contamination of milk.
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 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».