International Journal of Food Science & Technology· 2026Q1
Kitaibelia balansae Yaprak Ekstraktının Bakteriler Üzerindeki Farklı Etkileri ve Makine Öğrenmesi ile Tahmini
Phenolic Profile of Kitaibelia balansae Leaf Extract and Machine-Learning Modelling of Effects on Pathogenic and Lactic Acid Bacteria
- 0atıf
- Q1SCImago
- 2026yıl
Kısa özet
Ultrason destekli ekstraksiyon (UAE) ile optimize edilen Kitaibelia balansae yaprak ekstraktı, 24 saat boyunca patojenik bakterilerin büyümesini engellerken laktik asit bakterilerinin büyümesini teşvik etti ve Gauss Süreci Regresyonu (GPR) modelleri bu etkileri doğru bir şekilde tahmin etti.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- Kitaibelia balansae yaprakları için optimize edilmiş ultrason destekli ekstraksiyon (UAE), yüksek siringik asit konsantrasyonu dahil hedeflenen fenolik profile sahip bir ekstrakt elde etti.
- Ekstrakt, 24 saat boyunca iki patojenik bakteri türünün büyümesini engelledi ancak iki laktik asit bakteri suşunun büyümesini teşvik etti.
- GPR'nin en iyi performansı gösterdiği makine öğrenmesi modelleri, MLR'yi ekstraktın bakteriyel yanıtlarını tahmin etmede geride bıraktı.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
Abstract This study followed a three-stage approach. First, phenolic compounds were extracted from Kitaibelia balansae leaves using ultrasound-assisted extraction (UAE), and the extraction parameters were optimised. The targeted phenolic profile of the optimised extract was analysed, and its effects on two pathogenic bacterial species and two lactic acid bacterial strains were monitored over 24 h. Syringic acid showed the highest measured concentration among the targeted compounds. Relative to the solvent-matched controls, extract-treated cultures showed lower growth measurements for the pathogenic bacteria and higher growth measurements for the selected lactic acid bacteria under the tested conditions. These findings represent microorganism-dependent responses to the whole extract and do not establish that individual phenolic compounds caused the observed effects. In the present evaluation, machine-learning models outperformed MLR, with GPR showing the best performance. Independent biological validation is needed to confirm broader generalizability.
Yazarların özeti; kaynağından alınmıştır. International Journal of Food Science & Technology, 2026 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: Biyokimya (Tıp)
BiochemistryMedicine