POTENTIAL OF NISIN LOADED LIPID NANOPARTICLES ON INHIBITION OF ENTEROBACTER CLOACAE BIOFILM FORMATION
Notice bibliographique
Résumé
The food borne pathogen Enterobacter cloacae contribute to food borne illness in humans.Biofilm formation in Enterobacter cloacae makes them more resistant to antibiotics.The main goal of the research is to prevent biofilm-forming Enterobacter cloacae by encapsulating nisin in liposomes using nanotechnology.The isolate was identified by 16S rRNA gene sequencing, and the biofilm-formed were characterized.Nisin was selected based on sensitivity testing.A microvesicle encapsulation method was used to encapsulate nisin in liposomes.Bacterial control was determined by colony forming units in an in vitro bioassay.Inhibition and eradication of Enterobacter cloacae was investigated using a microbial biofilm highthroughput antimicrobial susceptibility test using the Calgary biofilm apparatus.The food borne pathogen Enterobacter cloaca was isolated from the skin of grapes.After characterizing the biofilm formation on the isolate, the results showed that Enterobacter cloacae has the highest biofilm formation in tryptic broth (TSB) and brain heart infusion medium (BHI).In the antibiotic susceptibility test, the isolate is inhibited by antibiotics when presented in high concentrations.High-throughput analysis was performed using the Calgary biofilm apparatus, and the results showed that the nisinloaded liposome exhibited good inhibition compared to antibiotics.One mM concentration of nisin (3.3 mg/10 mL) was used to encapsulate them in liposomes using a microvesicle encapsulation method.The results showed a tremendous inhibition of the food borne pathogen Enterobacter cloacae by the colony-forming units.This liposomal encapsulation of nisin promises high inhibition and can also be used for food safety.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».