MétaCan
Menu
Retour à la cohorte
Enregistrement W4403764089 · doi:10.3390/app14219759

Microbiome Evolution of Brewer’s Spent Grain and Spent Coffee Ground Solid Sidestreams Under Industrial Storage Conditions

2024· article· en· W4403764089 sur OpenAlexaff
Christian Hermansen, Qi Kang Chong, Sherilyn Ho, Federica Natali, Melanie Weingarten, Eric Charles Peterson

Notice bibliographique

RevueApplied Sciences · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueCoffee research and impacts
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesBiomedical Research CouncilNational Research Foundation SingaporeAgency for Science, Technology and ResearchNational Research Foundation
Mots-clésFood spoilageFood scienceShelf lifeBacilliBiologyBacteriaChemistry

Résumé

récupéré en direct d'OpenAlex

Brewer’s spent grain (BSG) and spent coffee ground (SCG) are solid sidestreams from beverage production increasingly being upcycled into food, feed and other value-added products. These solid sidestreams are prone to microbial spoilage, negatively impacting their upcycling potential. Three samples each of BSG and SCG were obtained from generators and recycling facilities in Singapore, and their chemical, elemental, and microbial composition was characterized. The spoilage mechanisms were investigated during storage under anaerobic and aerobic conditions. Bacterial loads of sidestreams were low from craft brewery and café sources (<1 and 3.53 ± 0.03 log10 CFU/g) and high from recycling facilities (>6 log10 CFU/g). The microbiome of BSG from recycling facilities was dominated by Bacilli, and B. coagulans was identified as the most prevalent species. SCG from recycling facilities was dominated by lactic acid bacteria, with L. panis being the most prevalent species. Storage up to 14 days under anaerobic conditions led to further bacterial proliferation mainly by Bacilli, lactic acid bacteria, and acetic acid bacteria, while aerobic storage led to extensive fungal contamination, including potential aflatoxin-producing Aspergillus flavus. The results shed light on the spoilage mechanisms, while highlighting the short shelf-life and food safety risks of BSG and SCG to inform valorization strategies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,639
Score d'incertitude au seuil0,356

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,064
Tête enseignante GPT0,350
Écart entre enseignants0,286 · 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 tête enseignante, 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

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied SciencesMême sujetCoffee research and impactsTravaux en français237 207