MétaCan
Menu
Retour à la cohorte
Enregistrement W1185933072 · doi:10.3233/bsi-2012-0013

Effect of heat processing methods on spectral images of biological tissues (yellow canola seed protein) using advanced synchrotron-based infrared technique

2012· article· en· W1185933072 sur OpenAlexafffund
Peiqiang Yu

Notice bibliographique

RevueBiomedical Spectroscopy and Imaging · 2012
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueMeat and Animal Product Quality
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaBrookhaven National LaboratoryMinistry of Agriculture - SaskatchewanUniversity of Saskatchewan
Mots-clésCanolaSynchrotronRoastingChemistryFood scienceAmideMaterials scienceBiochemistryOptics

Résumé

récupéré en direct d'OpenAlex

The objective of this study was to use the synchrotron-based SR-IMS imaging technique to study heating effect on protein molecular imaging of yellow canola seed tissues. The heating methods included the control (raw), autoclaving at 120°C for 1 h and dry roasting at 120°C for 1 h. The spectral images were carried out from outside to inside of the yellow seed tissues under functional groups of amide I at ca. 1650 cm −1 and amide II at ca. 1550 cm −1 . The results showed protein amide I and II spectral features were affected by heating methods. The heat processing induced changes in protein secondary structure profile. Different processing had different impact on protein secondary structure profile. The spectral images of the yellow seed tissues were different among the control, autoclaved and dry heated treatments. Future study is needed to confirm such changes with a large number of seed samples and compare the response to different heat-related processing between yellow canola seed (with thin seed coat) and dark-brown canola seed (with thick seed coat).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,339
Écart entre enseignants0,318 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBiomedical Spectroscopy and ImagingMême sujetMeat and Animal Product QualityTravaux en français237 207