Development of a natural antifungal formulation for grated cheese and a microencapsulation approach using whey protein isolate and maltodextrin blend
Notice bibliographique
Résumé
The antifungal activity of natural antimicrobials such as essential oils (EOs), citrus extracts, and other natural derivatives was evaluated against 10 fungal strains using minimum inhibitory concentration (MIC) analysis. Compounds having the highest inhibitory activity at the lowest concentrations were subsequently selected to evaluate the possible synergistic interactions by checkerboard method (FIC). The results showed that citrus extract A (CEA) and EOs rich in cinnamaldehyde had the highest inhibitory capacity against evaluated strains (Aspergillus niger, Aspergillus versicolor, Aureobasidium pullulans, Eurotium rubrum, Paecilomyces spp., Penicillium chrysogenum, Penicillium citrinum, Penicillium commune, Penicillium crustosum, and Penicillium roqueforti). The stability of the antifungal mixture was then optimized using lecithin and sucrose monopalmitate (SMP) as surfactants. Stability test showed that lecithin:SMP at HLB 10 maintains emulsion stability for 15 days of storage at 4°C. Encapsulation process for the loaded emulsion was optimized using whey protein isolate (WPI) and maltodextrin (MD) blend with ratios WPI:MD (1:2) and WPI:MD (1:3). The results showed that WPI:MD (1:3) led to a higher physicochemical stability (-40.5 mV), encapsulation efficiency (91%), and antifungal activity (315 ppm). Microencapsulation maintained the available active compounds content more prolonged with an average interval of 7 days compared to the nonencapsulated formulations during storage at 4°C.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 source (Gemma direct ou Codex distillé), 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 ».