MétaCan
Menu
Retour à la cohorte
Enregistrement W4249159586 · doi:10.21608/ajfs.2020.105625

Utilization of Agro-Wastes to Produce Oyster Mushroom (Pleurotus ostreatus) with High Antioxidant and Antimicrobial Activities

2020· article· en· W4249159586 sur OpenAlexafffund
Amal Abd El-Razek, Amel Ibrahim, Aisha El-Attar, Dalal Asker

Notice bibliographique

RevueAlexandria Journal of Food Science and Technology · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueFungal Biology and Applications
Établissements canadiensUniversity of Toronto
Organismes subventionnairesUniversity of TorontoAlexandria UniversityAcademy of Scientific Research and Technology
Mots-clésMushroomOysterPleurotus ostreatusAntimicrobialFood sciencePleurotusAntioxidantChemistryMicrobiologyBiologyFisheryBiochemistry

Résumé

récupéré en direct d'OpenAlex

Oyster mushroom (Pleurotus ostreatus) is a good source of bioactive compounds that have numerous healthbenefits and medicinal properties. In this study, the effect of P. ostreatus cultivation in agro-waste substrates on itspotential as a food additive with antioxidant and antimicrobial activities was investigated. Extracts of P. ostreatus cultivatedon mixed rice and wheat straws (RS+WS) substrates showed higher total polyphenols (TPC), total flavonoids(TFC),α-tocopherol content, ferric reducing antioxidant power and antibacterial activities than those cultivated on ricestraw (RS) alone. The HPLC analysis of their ethanolic extracts revealed 11 phenolic compounds including p-hydroxybenzoic acid, naringenin, kaempferol and apigenin as major compounds. The aqueous and ethanolic extracts of bothcultivates showed significant antibacterial activity against Salmonella typhimurium, Escherichia coli, and Staphylococcusaureus, while no inhibitory effect on Bacillus cereus was observed. The results indicated that P. ostreatuscultivation is an effective bioconversion process that is capable to transfer agro-wastes into potentially valuable sourceof natural antioxidant and antimicrobial additives for further use in functional food products.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,286

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,247
Écart entre enseignants0,228 · 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 tête enseignante, 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

Citations6
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAlexandria Journal of Food Science and TechnologyMême sujetFungal Biology and ApplicationsTravaux en français237 207