MétaCan
Menu
Retour à la cohorte
Enregistrement W4396568072 · doi:10.1016/j.fufo.2024.100361

Use of reuterin to inhibit mold growth and preserve quality attributes of strawberries during cold storage

2024· article· en· W4396568072 sur OpenAlexafffund
Yasmine Lamri, Ismaı̈l Fliss, Arturo Duarte‐Sierra

Notice bibliographique

RevueFuture Foods · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePostharvest Quality and Shelf Life Management
Établissements canadiensUniversité Laval
Organismes subventionnairesUniversité Laval
Mots-clésMoldCold storageQuality (philosophy)Food scienceChemistryHorticultureBiologyBotanyPhysics

Résumé

récupéré en direct d'OpenAlex

The use of fungicides, many of which are of chemical origin and are governed by stringent laws, such as maximum residual limits (MRLs), has proven to be the most successful method to date, especially when used prior to harvest. In light of regulatory compliance and public health considerations, there is interest in exploring fungicides of natural origin as alternatives to chemical fungicides. The objective of this study is to validate the antifungal potential of reuterin at the postharvest stage and to compare it over a commercial fungicide, fludioxonil, by in vivo testing on common strawberry pathogens, including Botrytis cinerea, Colletotrichum acutatum, Rhizopus stolonifer, and Penicillium expansum. Analysis of strawberries stored at 4 °C/95 % RH for 12 d revealed that 2000 mM squalene and 100 mM reuterin did not adversely affect fruit quality parameters such as color, total soluble solids, titratable acidity, weight loss, and visual quality. Reuterin at 50 mM resulted in a sizable decrease in spore count of 3 log CFU mL−1 (p = 0.003). These results suggest that reuterin may be promising as a potential new biofungicide suitable for pre- and post-harvest application.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,062
Tête enseignante GPT0,271
Écart entre enseignants0,209 · 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 source (Gemma direct ou Codex distillé), 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

Citations6
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFuture FoodsMême sujetPostharvest Quality and Shelf Life ManagementTravaux en français237 207