MétaCan
Menu
← Retour à la cohorte
Enregistrement W7017208070

Activité antifongique de la réutérine produite par Lactobacillus reuteri ATCC53608 dans les yogourts brassés

2019· other· fr· W7017208070 sur OpenAlexaboutno aff

Notice bibliographique

RevueCorpus Université Laval (Université Laval) · 2019
Typeother
Languefr
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFood sectorZea maysBeverage industryFood intake
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

L’industrie agroalimentaire est un secteur économique d’envergure mondiale. L’élargissement des marchés a forcé les industries de transformation à développer des méthodes pour augmenter la durée de conservation des aliments. L’augmentation de l’importation et de l’exportation a été possible grâce au développement de méthodes de conservation comme la stérilisation, la congélation, la réfrigération, le séchage, la concentration, les emballages intelligents ainsi que l’utilisation d’agents de conservation. Cependant, les aliments sont sujets aux contaminations microbiennes pouvant causer des maladies d’origine alimentaires et des pertes de produits. Les pertes alimentaires représentent un énorme enjeu économique et environnemental pour l’industrie agroalimentaire mondiale. En 2010, la FAO a réalisé un rapport mondial sur le gaspillage alimentaire ciblant les principales causes et les secteurs les plus touchés. Dans les pays industrialisés comme le Canada, plus de 40 % des pertes alimentaires ont lieu pendant la transformation des aliments. De plus, en Amérique du Nord les produits laitiers représentent le deuxième secteur le plus touché par les pertes après les fruits et légumes. Une des principales causes est la contamination des produits laitiers transformés due à la présence de moisissures et de levures. Ces contaminations occasionnent des pertes alimentaires directement à l’usine, mais elle peut aussi occasionner le rappel d’aliments. Pour une industrie, un rappel peut couter entre 10 et 30 millions de dollars US chaque fois. De plus, la perte de confiance des consommateurs envers les produits lors d’un rappel alimentaire est non négligeable dans le calcul des impacts économiques. Pour limiter l’occurrence des contaminations microbiologiques, les transformateurs utilisent des méthodes de contrôle diversifiées incluant l’utilisation agents antimicrobiens traditionnels comme le sel, les acides organiques et les agents antifongiques comme la natamycine. Cependant, les consommateurs sont de plus en plus réticents à acheter des produits contenant des agents de conservation. Ils demandent des produits naturels qui sont sans risque pour la santé, réduits en sel et bons pour l’environnement. De plus, les agents de conservation sont très limités dans les produits laitiers notamment lors de la production de yogourt. Les yogourts sont surtout sujets aux contaminations par les moisissures et les levures par leur pH acide qui limite la croissance des autres contaminants. L’utilisation des cultures lactiques bioprotectrices ainsi que leurs métabolites antimicrobiens pour la conservation des aliments est une solution naturelle très prometteuse dans le contexte de l’utilisation d’agents de conservation traditionnels. Cette étude visait à évaluer le potentiel d’utilisation d’un métabolite bactérien antifongique naturel, la réutérine, dans un yogourt brassé pour éliminer la présence de levures et de moisissure. Les résultats ont montré que la réutérine avait un large spectre d’action contre les moisissures et les levures. L’utilisation de la réutérine dans les yogourts brassés s’est avérée plus efficace que la natamycine pour lutter contre les moisissures, mais la réutérine a aussi réduit la population des cultures lactiques utilisées dans la fabrication du yogourt. Des études supplémentaires doivent être réalisées pour limiter l’action de la réutérine sur les ferments lactiques.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,008
Tête enseignante GPT0,195
Écart entre enseignants0,187 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCorpus Université Laval (Université Laval)→Travaux en français237 207→