Activité antimicrobienne de peptides provenant d’hydrolysats de protéines de babeurre, de lactoferrine et de pois
Bibliographic record
Abstract
Les antibiotiques sont fréquemment utilisés dans l’alimentation de la volaille afin de prévenir certaines maladies, dont l’entérite nécrotique, ce qui occasionne l’émergence de souches bactériennes résistantes aux antibiotiques. Une alternative prometteuse est l’utilisation de peptides antimicrobiens (AMPs) comme suppléments alimentaires, tels les AMPs provenant des produits laitiers. L’objectif du projet était de développer une méthode de production d’extraits peptidiques à partir de coproduits de la transformation alimentaire (babeurre, lactoferrine, isolat de protéines de pois), afin de tester si ces extraits peptidiques possédaient une activité antimicrobienne sur les pathogènes spécifiques aviaires suivants : Salmonella Enteritidis, Salmonella Typhimurium, Escherichia coli et Staphylococcus aureus. Les protéines ont été mises en suspension dans l’eau (5% p/p) et hydrolysées par la pepsine, 6 heures, pH de 2.5. Les peptides furent récupérés par ultrafiltration (< 10 kDa), puis fractionnés selon leur charge nette : totaux, cationiques, anioniques et non liés. L’effet antimicrobien a été évalué surmicroplaques, par la survie bactérienne en présence de concentrations croissantes d’extraits peptidiques. Les extraits cationiques de babeurre ont démontré une efficacité à une concentration inférieure ou égale à 5 mg/mL; perte de 3 log pour Escherichia coli O78 :H80. En comparaison, la lactoferrine cationique a été efficace à une concentration inférieure ou égale à 0.6 mg/mL; perte de 6 log pour E. coli O78 :H80. Les extraits peptidiques du pois ont démontré une efficacité faible. Cette méthode s’avère prometteuse pour le développement d’une alternative ou d’un complément pour la réduction de l’utilisation des antibiotiques dans l’alimentation de la volaille.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".