Modulation de l’action antimicrobienne in vitro d’extraits de plantes en condition de compétition par un dérivé de microbiote d’origine fécale porcine
Bibliographic record
Abstract
L’incorporation de composés antimicrobiens non antibiotiques à l’alimentation des animaux est une piste abondamment explorée pour contrôler la prévalence des pathogènes et améliorer la santé intestinale générale des animaux. Certains types d’extraits de plante (EPs) et d’huiles essentielles (HEs) ont un pouvoir antimicrobien marqué in vitro, qui ne concordent pas aux résultats obtenus lors d’un passage à l’expérimentation in vivo. Cette étude a permis d’évaluer le caractère antimicrobien de plusieurs composés par diffusion sur gélose, dilution en tubes et par une méthode de dilution en tubes adaptée avec incorporation d’un dérivé de microbiote de porc.Les résultats ont permis de déterminer que le camphre, le carvacrol, le cinnamaldéhyde et l’eugénol ont la même efficacité antimicrobienne en absence qu’en présence d’un microbiote complexe. Rendant ces composés les plus pertinents dans le cadre du développement d’additifs alimentaires, des analyses métagénomiques ont été effectuées pour mesurer l’évolution (qualitative) du microbiote dans ces conditions en contact avec différentes concentrations d’HEs. Les concentrations plus élevées que la CMI avaient un impact significatif sur la diversité alpha (augmentation de la richesse et de l’Eveness) et la diversité beta. De plus, chaque HE à concentration élevée avait un impact significativement différent sur la structure et la composition microbienne. Aussi, des analyses qPCR ont également permis de quantifier des indicateurs du microbiote intestinal en présence de concentrations croissantes en HEs; diminution (significative) des Escherichia coli, stabilité des Lactobacilles pour presque toutes les concentrations et augmentation (significative) des Lachnospiraceae. Ainsi, cette étude a permis de développer un modèle in vitro permettant d’analyser l’efficacité de différents composés en présence d’un dérivé de microbiote intestinal et leur impact sur ce dernier. Cela permet de conclure que certaines HEs pourraient avoir un impact significativement différent sur le microbiote intestinal, lorsqu’elles sont utilisées à une concentration spécifique, et cette caractéristique pourrait être exploitée pour développer des additifs alimentaires efficaces ayant des effets précis.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
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".