Development of Optimized Bioactive Nanocomposite Films Using a Central Composite Design for Control of Microbial Contamination in Stored Rice
Notice bibliographique
Résumé
ABSTRACT Poly(butylene adipate‐co‐terephthalate) (PBAT) and polylactic acid (PLA)‐based nanocomposite films were developed as active packaging materials for stored rice. The composition and synergistic effect of the active formulations (AF‐1 and AF‐2), cellulose nanocrystals (CNC), and glycerol (Gly) as independent variables were tested to reach the optimal antimicrobial nanocomposite films using response surface methodology (RSM) employing a central composite design (CCD). The inhibitory capacity (IC, %) of the developed films as a dependent variable against two bacterial and three fungal strains was measured using the agar volatilization assay. The ANOVA results showed a perfect fit of the regression models for the response, with significant P values ( P ≤ 0.05) and high coefficient of determination (R 2 ) values. Incorporating the CNC, Gly, and AFs significantly improved the PBAT films’ elasticity, water barrier properties, and oxygen transmission rate (OTR) compared to the control films; however, the water and oxygen barrier properties of PLA films were compromised. The release data of AFs from the films was fitted with the Korsmeyer–Peppas model, indicating a Fickian or quasi‐Fickian diffusion mechanism ( n < 0.45). For the in situ study, the optimized bioactive PBAT‐based films with 750 Gy of γ‐irradiation synergistically reduced the bacterial and fungal load by 73–93% in stored rice after 2 months compared to the control treatments. The data confirms the potential applicability of the optimized films as promising candidates for active packaging for cereal grains and their ability to compete with traditionally used inert non‐biodegradable plastic films.
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 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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 tête enseignante, 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 ».