Influence of enzymatic hydrolysis conditions on antimicrobial activities and peptide profiles of milk protein-derived hydrolysates from white wastewater
Notice bibliographique
Résumé
The focus of our investigation lies in the hydrolysis of milk proteins found in the substantial wastewater generated by the dairy industry, particularly in the white and cleaning wastewater resulting from rinsing and cleaning-in-place processes in order to enhance the value of dairy constituents by producing a diverse population of peptides, including potential antimicrobial peptides generated by 4 different enzymes: pepsin, trypsin, pronase E, and thermolysin. The protein/peptide content was influenced by the degree of hydrolysis values ranging from 2 % to 13 %, and UPLC-MS/MS characterization reveals distinct peptide sequences in enzymatic hydrolysates. The impact of hydrolysis time was also examined, revealing significant differences between 30 minutes and 240 minutes, with 555 peptides identified at 30 minutes, increasing to 693 at 240 minutes. After 4 hours, grouping showed variations: 181 peptides (thermolysin), 153 (pepsin), 126 (trypsin), and 83 (pronase E). A comparative analysis of the characterized sequences with antimicrobial peptides databases identified 17 antimicrobial peptides after 240 minutes pronase E and thermolysin hydrolysis, though they were insufficient to inhibit strains like Clostridium tyrobutyricum and Pseudomonas aeruginosa . Antimicrobial assays also revealed that peptides from Pronase T30, Pronase T240, and Thermolysine T240 exhibited antifungal activity against Mucor racemosus (MIC 2.5 mg/mL), but none against Penicillium commune . The effet of enzymatic hydrolysis demonstrated in this study highlights, for the first time, the potential for valorizing dairy white wastewater within the context of a circular economy framework. • Protein hydrolysis for wastewater valorization by generating antimicrobial peptides. • The 4 enzymes tested generated different peptide populations. • 17 antimicrobial peptides generated after 4 h pronase E and thermolysin hydrolysis. • 22 new Potential antifungal peptides identified against M. racemosus
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 | 0,001 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».