Computational investigation of Betalain derivatives as natural inhibitor against food borne bacteria
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Natural organic pigments such as carotenoids, betalains, anthocyanins, and carminic acid are notably found as safer food preservatives compared to other harmful synthetic chemicals. Due to glycosylation and acylation, betalains exhibit a broad-spectrum antimicrobial functionality with protection against degenerative diseases. Thus, betalains have been investigated as a potential bacterial inhibitor for food preservative applications. Initially, 36 betalain derivatives have been taken for primary screening using molecular docking. Afterward, the top ten ligands are taken for further study and analysis. The results of Prediction of Activity Spectrum of Substances (PASS) assured the antibacterial capabilities of betalains, and Lipinski's rule-of-five ensures the acceptability of the selected ligands as antibacterial inhibitors. The bacterial pathogens, such as C. botulinum (3FIE), E. coli (2ZWK), and S. typhi (3UU2) are selected for molecular docking by these betalain pigments. Furthermore, ADMET investigations and QSAR studies are performed to check insights into the bacterial inhibition process. Most active and common binding sides were observed at GLY159, ASN165, and SER166 for C. botulinum, at ASP8, LYS40, and TRP50 for E. coli; and at ARG37, GLN5, and ARG74 for S. typhi. The present study clearly shows an excellent insight towards the invention of plant-based new organic inhibitors to face the challenges of bacterial-resistant common food preservatives.
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.
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 découle