Chitosan–ZnO nanocomposite coating for inhibition of <i>Listeria monocytogenes</i> on the surface and within white brined cheese
Notice bibliographique
Résumé
Several types of cheeses including white brined cheese have been linked to listeriosis outbreaks worldwide. This study aimed to (i) investigate the in vitro inhibitory activity of zinc oxide (ZnO) nanoparticles (NPs) at concentrations of 0.0125-0.1% against three Listeria monocytogenes strains at 10 or 37°C, (ii) evaluate the antimicrobial efficiency of chitosan-based coating containing 1.0% ZnO NPs against L. monocytogenes on the surface or inside vacuum-packaged white brined cheese at 4 or 10°C, and iii) determine the migration of ZnO NPs from the surface to the interior of cheeses using energy dispersive X-ray analysis (EDX). The antimicrobial activity of ZnO NPs was higher at 37°C than at 10°C. The initial numbers (4.0 log CFU/ml) of two L. monocytogenes strains were reduced below detectable levels, while the third strain was reduced by 1.2 log CFU/ml at 37°C. At 10°C, the initial L. monocytogenes numbers were reduced by 0.4-1.9 log CFU/ml. Chitosan coating containing 1.0% ZnO NPs reduced L. monocytogenes numbers by 1.5 and 3.7 log CFU/g on the surface or by 0.9 and 1.5 log CFU/g in the interior of vacuum-packed cheese stored at 10 or 4°C, respectively. The EDX results showed that ZnO NP levels remained constant on the cheese surface with no indication of migration into the cheese matrix at the end of storage. Practical Application: Chitosan and ZnO are antimicrobial agents and their combination in edible coatings has the potential for inactivating foodborne pathogens. Chitosan coating containing ZnO NPs can be used as an effective active packaging material to reduce numbers of L. monocytogenes in white brined cheese.
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 | 0,003 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».