Catechin to Catechol Biotransformation in Lactobacillus Hilgardii and Paracasei: Detection and Optimization
Notice bibliographique
Résumé
Type II diabetes (T2D) constitutes approximately 90 percent of diabetes cases in Canada. If left untreated, the high blood sugar that results from the illness can precipitate stroke, blindness, and other complications. Many current oral medications for T2D have severe side-effects, but catechol, a natural biomolecule, may be an alternative. Although only trace amounts of catechol occur in fruits and vegetables, one of its biosynthetic pathways starts with the compound catechin, which is common in berries and green tea. Bacteria native to the human gut can degrade catechin into catechol, so we aimed to optimize this biotransformation in Lactobacillus hilgardii and paracasei. Since many environmental factors affect bacterial growth, we also sought to optimize the number of experiments using a statistical method called design of experiment (DOE). To our knowledge, this is the first application of a DOE to bacterial growth. We grew L. hilgardii and L. paracasei at 35 °C while varying carbon dioxide levels, glucose levels, and the density of bacteria at which we fed cultures with catechin. We monitored colonies' growth by measuring their optical density with a UV-Vis spectrometer, and we fed them once this measurement matched the value indicated in the DOE. For each experiment, we incubated three samples for 24 hours, and one for 48. We then quantified the amount of catechol produced using high-performance liquid chromatography. Preliminary results suggest that catechol production varies based on the strain and environment, and L. hilgardii biotransformation seems more efficient in slightly anaerobic conditions than aerobic ones.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».