MétaCan
Menu
Retour à la cohorte
Enregistrement W4328049270 · doi:10.1093/lambio/ovad037

Role of thiols and ascladiol production in patulin degradation by lactobacilli

2023· article· en· W4328049270 sur OpenAlexafffund
Gautam Gaur, Michael G. Gänzle

Notice bibliographique

RevueLetters in Applied Microbiology · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueMycotoxins in Agriculture and Food
Établissements canadiensUniversity of Alberta
Organismes subventionnairesCanada Research Chairs
Mots-clésPatulinBiotransformationFermentationChemistryFood scienceMycotoxinYeastBiochemistryEnzyme

Résumé

récupéré en direct d'OpenAlex

Patulin is a mycotoxin contaminant in various foods with apple products being its major dietary source. Yeast can reduce patulin levels during fermentation via biotransformation and thiol-adduct formation, with the ability of patulin to react with thiols being well known. Conversion of patulin to ascladiol by lactobacilli has been sparsely reported, while the contribution of thiols in reduction of patulin levels by lactobacilli remains undocumented. In this study, 11 strains of lactobacilli were screened for ascladiol formation in apple juice fermentation. Highest bioconversion was obtained for Lactiplantibacillus plantarum strains followed by Levilactobacillus brevis TMW1.465. Ascladiol production was also detected in several other lactobacilli species albeit in trace amounts. Reduction in patulin levels by Fructilactobacillus sanfranciscensis DMS 20451 and its glutathione reductase (ΔgshR) negative mutant was also assayed to determine the contribution of thiols. The hydrocinnamic acid reductase of Furfurilactobacillus milii did not contribute to reduction of patulin levels. In conclusion, this study demonstrated the potential of various lactobacilli in reduction of patulin levels via biotransformation of patulin to ascladiol, while also providing evidence for the role of thiol formation by lactobacilli and its presence in reducing patulin levels during fermentation.

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 enseignants0,123
Score d'incertitude au seuil0,182

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,006
Tête enseignante GPT0,174
Écart entre enseignants0,168 · 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

Citations7
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLetters in Applied MicrobiologyMême sujetMycotoxins in Agriculture and FoodTravaux en français237 207