Relationship between Desiccation Tolerance and Biofilm Formation in Shiga Toxin-Producing Escherichia coli
Notice bibliographique
Résumé
Shiga toxin-producing Escherichia coli (STEC) is a major concern in the food industry and requires effective control measures to prevent foodborne illnesses. Previous studies have demonstrated increased difficulty in the control of biofilm-forming STEC. Desiccation, achieved through osmotic stress and water removal, has emerged as a potential antimicrobial hurdle. This study focused on 254 genetically diverse E. coli strains collected from cattle, carcass hides, hide-off carcasses, and processing equipment. Of these, 141 (55.51%) were STEC and 113 (44.48%) were generic E. coli. The biofilm-forming capabilities of these isolates were assessed, and their desiccation tolerance was investigated to understand the relationships between growth temperature, relative humidity (RH), and bacterial survival. Only 28% of the STEC isolates had the ability to form biofilms, compared to 60% of the generic E. coli. Stainless steel surfaces were exposed to different combinations of temperature (0 °C or 35 °C) and relative humidity (75% or 100%), and the bacterial attachment and survival rates were measured over 72 h and compared to controls. The results revealed that all the strains exposed to 75% relative humidity (RH) at any temperature had reduced growth (p < 0.001). In contrast, 35 °C and 100% RH supported bacterial proliferation, except for isolates forming the strongest biofilms. The ability of E. coli to form a biofilm did not impact growth reduction at 75% RH. Therefore, desiccation treatment at 75% RH at temperatures of 0 °C or 35 °C holds promise as a novel antimicrobial hurdle for the removal of biofilm-forming E. coli from challenging-to-clean surfaces and equipment within food processing facilities.
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 | 0,000 | 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 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 ».