Anti-Salmonella Activity and Peptidomic Profiling of Peptide Fractions Produced from Sturgeon Fish Skin Collagen (Huso huso) Using Commercial Enzymes
Notice bibliographique
Résumé
This study investigated peptide fractions from fish skin collagen for antibacterial activity against Escherichia coli and Salmonella strains. The collagen was hydrolyzed with six commercial proteases, including trypsin, Alcalase, Neutrase, Flavourzyme, pepsin and papain. Hydrolyzed samples obtained with trypsin and Alcalase had the largest number of small peptides (molecular weight <10 kDa), while the hydrolysate produced with papain showed the lowest degree of hydrolysis and highest number of large peptides. Four hydrolysates were found to inhibit the growth of the Gram-negative bacteria, with papain hydrolysate showing the best activity against E. coli, and Neutrase and papain hydrolysates showing the best activity against S. abony; hydrolysates produced with trypsin and pepsin did not show detectable antibacterial activity. After acetone fractionation of the latter hydrolysates, the peptide fractions demonstrated enhanced dose-dependent inhibition of the growth (colony-forming units) of four Salmonella strains, including S. abony (NCTC 6017), S. typhimurium (ATCC 13311), S. typhimurium (ATCC 14028) and S. chol (ATCC 10708). Shotgun peptidomics analysis of the acetone fractions of Neutrase and papain hydrolysates resulted in the identification of 71 and 103 peptides, respectively, with chain lengths of 6–22 and 6–24, respectively. This work provided an array of peptide sequences from fish skin collagen for pharmacophore identification, structure–activity relationship studies, and further investigation as food-based antibacterial agents against pathogenic microorganisms.
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 | 0,000 | 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) | 0,000 | 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 ».