MétaCan
Menu
Retour à la cohorte
Enregistrement W4225299841 · doi:10.3390/horticulturae8050401

Recent Advancements in Enhancing Antimicrobial Activity of Plant-Derived Polyphenols by Biochemical Means

2022· article· en· W4225299841 sur OpenAlexaff
L. R. Lakshmikanta Panda, Arturo Duarte‐Sierra

Notice bibliographique

RevueHorticulturae · 2022
Typearticle
Langueen
DomaineMedicine
ThématiquePhytochemicals and Antioxidant Activities
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésAntimicrobialPolyphenolAscorbic acidChemistryPreservativeFood scienceFood PreservativesLaccaseBiotechnologyAntioxidantBiochemistryBiologyOrganic chemistryEnzyme

Résumé

récupéré en direct d'OpenAlex

Plants are a reservoir of phytochemicals, which are known to possess several beneficial health properties. Along with all the secondary metabolites, polyphenols have emerged as potential replacements for synthetic additives due to their lower toxicity and fewer side effects. However, controlling microbial growth using these preservatives requires very high doses of plant-derived compounds, which limits their use to only specific conditions. Their use at high concentrations leads to unavoidable changes in the organoleptic properties of foods. Therefore, the biochemical modification of natural preservatives can be a promising alternative to enhance the antimicrobial efficacy of plant-derived compounds/polyphenols. Amongst these modifications, low concentration of ascorbic acid (AA)–Cu (II), degradation products of ascorbic acid (DPAA), Maillard reaction products (MRPs), laccase–mediator (Lac–Med) and horse radish peroxidase (HRP)–H2O2 systems standout. This review reveals the importance of plant polyphenols, their role as antimicrobial agents, the mechanism of the biochemical methods and the ways these methods may be used in enhancing the antimicrobial potency of the plant polyphenols. Ultimately, this study may act as a base for the development of potent antimicrobial agents that may find their use in food applications.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 Opus0,012
Tête enseignante GPT0,248
Écart entre enseignants0,235 · 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

Citations58
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHorticulturaeMême sujetPhytochemicals and Antioxidant ActivitiesTravaux en français237 207