Spray-Deposited Epigallocatechin Gallate-Based Metal–Phenolic Networks as Innovative Edible Coatings for Fresh Produce Preservation
Notice bibliographique
Résumé
Postharvest spoilage of fresh produce is a major contributor to global food loss, with existing preservation methods often constrained by sustainability or scalability. Metal–phenolic networks (MPNs), formed through coordination between metal ions and polyphenols, offer a promising alternative due to their inherent antioxidant and antimicrobial properties. This study presents a systematic evaluation of epigallocatechin gallate (EGCG)-based MPN coatings for fresh produce preservation, focusing on the effects of varying concentrations and metal ion types under controlled conditions. Using strawberries as a model, spray-applied Fe 3+ –EGCG and Zn 2+ –EGCG coatings delayed spoilage by at least 1.3-fold while maintaining key quality indicators. Notably, Zn–EGCG coatings reduced weight loss by up to 27% and retained 21% more firmness compared to uncoated controls over 5 days. While Zn–EGCG coatings, particularly at higher concentrations, demonstrated superior oxidative stability and moisture barrier properties, Fe–EGCG coatings showed reduced performance over time, likely due to iron-induced redox activity. Antibacterial assays showed Fe–EGCG to be more potent than Zn–EGCG, but high-concentration Zn–EGCG also inhibited both Gram-positive and Gram-negative bacteria. These findings highlight EGCG-based MPNs as an effective, scalable, and biocompatible strategy for extending shelf life and reducing postharvest food waste.
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) | 0,000 | 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 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 ».