Quantifying hericenone and erinacine content in Hericium erinaceus fruiting bodies cultivated on Vancouver Island douglas-fir sawdust substrates
Notice bibliographique
Résumé
Lion's mane mushroom (Hericium erinaceus) has attracted broad attention for its nerve growth factor-stimulating compounds, but the influence of regional substrate chemistry on bioactive terpenoid yields is poorly understood. This research quantified hericenone and erinacine concentrations in H. erinaceus fruiting bodies cultivated on Douglas-fir (Pseudotsuga menziesii) sawdust substrates prepared at seven carbon-to-nitrogen ratios on Vancouver Island, British Columbia, Canada. Fruiting bodies were extracted with ethanol, fractionated by column chromatography, and analysed by HPLC-UV and LC-MS/MS. Four target compounds were identified: hericenone C, hericenone D, erinacine A, and erinacine C. A substrate C:N ratio near 340:1 maximised both hericenone (8.7 mg/g dry weight) and erinacine (6.1 mg/g) accumulation, following a bell-shaped dose-response curve. Higher nitrogen supplementation (C:N below 220) suppressed terpenoid biosynthesis by favouring vegetative mycelial growth over secondary metabolism. The Douglas-fir substrate outperformed a reference alder-sawdust control by 18 to 23% for total hericenone content, possibly due to its higher resin acid and lignin composition. These results provide the first substrate-optimisation data specific to Pacific Northwest forestry residues and offer practical guidance for mycopharmacological producers seeking to maximise neuroactive compound yields.
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 ».