Valorization of grape pomace by microbial fermentation: Composition, biological activities and potential applications for the food industry
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Grape pomace is a rich source of nutrients and bioactive substances, including dietary fiber, (poly)phenols, and other phytochemicals. This review aims to highlight the current knowledge on microbial fermentation of grape pomace, composition and biological activities of fermented grape pomace and discuss the potential of using fermented grape pomace for the development of functional food ingredients, supplemented foods, and nutraceuticals. Fermentation of grape pomace using various microorganisms, including filamentous fungi, edible mushrooms, yeast, and lactic acid bacteria, has been shown to enhance the (poly)phenolic profile of grape pomace. Furthermore, bioactive microbial metabolites (postbiotics) such as gallic acid, pyrogallol, scopoletin and catechol, which were not detected in the initial pomace-based substrates or extracts, were produced through biotransformation. Biotransformed grape pomace has exhibited beneficial and enhanced biological properties such as antioxidant, anti-inflammatory, anti-cancer, and anti-steatotic activities. Microbial-based valorization of grape pomace offers a sustainable approach to producing novel food ingredients and nutraceuticals with valuable health benefits. • Microbial fermentation of grape pomace and (poly)phenols changes are discussed. • Filamentous fungi, yeast, and lactic acid bacteria effectively biotransform grape pomace. • Fermented grape pomace shows enhanced bioactivity and health-promoting properties. • Valorization reduces winery waste, enhances (poly)phenols, and yields postbiotics.
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.
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 | 0,000 | 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 | 0,000 |
| 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) | 0,000 | 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 découle