MétaCan
Menu
Retour à la cohorte
Enregistrement W4295993434 · doi:10.3168/jds.2022-21949

Quantitative PCR reveals the frequency and distribution of 3 indigenous yeast species across a range of specialty cheeses

2022· article· en· W4295993434 sur OpenAlexafffundabout
Alex Tremblay Lamarche, M-H. Lessard, Catherine Viel, Sylvie L. Turgeon, Daniel St‐Gelais, Steve Labrie

Notice bibliographique

RevueJournal of Dairy Science · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFermentation and Sensory Analysis
Établissements canadiensAgriculture and Agri-Food CanadaUniversité Laval
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaFonds de recherche du Québec – Nature et technologiesNovalaitUniversité Laval
Mots-clésPasteurizationFood scienceYeastMicroorganismBiologyRaw milkBacteriaBiochemistry

Résumé

récupéré en direct d'OpenAlex

Indigenous microorganisms are important components of the complex ecosystem of many dairy foods including cheeses, and they are potential contributors to the development of a specific cheese's sensory properties. Among these indigenous microorganisms are the yeasts Cyberlindnera jadinii, Pichia kudriavzevii, and Kazachstania servazzii, which were previously detected using traditional microbiological methods in both raw milk and some artisanal specialty cheeses produced in the province of Qubec, Canada. However, their levels across different cheese varieties are unknown. A highly specific and sensitive real-time quantitative PCR assay was developed to quantitate these yeast species in a variety of specialty cheeses (bloomy-rind, washed-rind, and natural-rind cheeses from raw, thermized, and pasteurized milks). The specificity of the quantitative PCR assay was validated, and it showed no cross-amplification with 11 other fungal microorganisms usually found in bloomy-rind and washed-rind cheeses. Cyberlindnera jadinii and P. kudriavzevii were found in the majority of the cheeses analyzed (25 of 29 and 24 of 29 cheeses, respectively) in concentrations up to 10 4 to 10 8 gene copies/g in the cheese cores, which are considered oxygen-poor environments, and 10 1 to 10 4 gene copies/ cm 2 in the rind. However, their high abundance was not observed in the same samples. Whereas C. jadinii was present and dominant in all core and rind samples, P. kudriavzevii was mostly present in cheese cores. In contrast, K. servazzii was present in the rinds of only 2 cheeses, in concentrations ranging from 10 1 to 10 3 gene copies/cm 2 , and in 1 cheese core at 10 5 gene copies/g. Thus, in the ecosystems of specialty cheeses, indigenous yeasts are highly frequent but variable, with certain species selectively present in specific varieties. These results shed light on some indigenous yeasts that establish during the ripening of specialty cheeses.

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)0,001
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,850
Score d'incertitude au seuil0,390

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
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 Opus0,046
Tête enseignante GPT0,287
Écart entre enseignants0,242 · 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'étudeObservationnel
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
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Dairy ScienceMême sujetFermentation and Sensory AnalysisTravaux en français237 207