Evaluation of inhibitory activity of essential oils and natural extracts on foodborne viruses
Notice bibliographique
Résumé
AIMS: Enteric viruses are recognized as a major concern in health care and in the food sector in Canada. Novel clean-label strategies for controlling enteric viruses are sought in the food industry. In this study, we examined the antiviral potential of plant extracts and essential oils on murine norovirus 1 (MNV-1), hepatitis A virus (HAV), and herpes simplex virus 1 (HSV-1). METHODS AND RESULTS: Inactivation of the viruses by grape seed, blueberry, green tea, and cranberry extracts and by rosemary and thyme essential oils was measured using plaque formation assay. Concentrations ranging from 50 to 200 000 ppm with a contact time of 90 min were tested. Grape seed extract at 10 000 ppm was the most effective (P < 0.05) at reducing MNV-1 and HAV infectious titers, respectively, by 2.85 ± 0.44 log10 and 1.94 ± 0.17 log10. HSV-1 titer was reduced by 3.81 ± 0.40 log10 at 1000 ppm grape seed extract. CONCLUSIONS: Among the plant products tested, grape seed extract was found the most effective at reducing the infectious titers of MNV-1, HAV, and HSV.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».