MétaCan
Menu
Retour à la cohorte
Enregistrement W2002108285 · doi:10.1021/jf990893i

High-Performance Liquid Chromatographic Method for Determination of Biogenic Amines in Feedstuffs, Complete Feeds, and Animal Tissues

2000· article· en· W2002108285 sur OpenAlexafffund
Mireya Tapia‐Salazar, Trevor K. Smith, Andrew Harris

Notice bibliographique

RevueJournal of Agricultural and Food Chemistry · 2000
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiquePolyamine Metabolism and Applications
Établissements canadiensUniversity of Guelph
Organismes subventionnairesUniversity of Guelph
Mots-clésCadaverineChromatographyChemistryBiogenic aminePutrescineIleumTyramineSaponificationHepatopancreasSpermineTrichloroacetic acidBiochemistry

Résumé

récupéré en direct d'OpenAlex

Numerous methods to analyze biogenic amines in biological materials have been described. A versatile and rapid methodology to analyze these compounds in feedstuffs, complete feeds, and animal tissues, however, has not been reported. The current method was developed to address this need. Biogenic amines in feedstuffs, complete animal feeds, and animal tissues were extracted with 10% trichloroacetic acid, reacted with O-phthaladehyde using high-performance liquid chromatographic employing a cation exchange column. Detection limits were 50 pmol/mL for tyramine, histamine, putrescine, and spermine; 40 pmol/mL for cadaverine; and 25 pmol/mL for spermidine. Extraction efficiency of biogenic amines in feedstuffs, duodenum, liver, ileum + jejunum, and whole shrimp and shrimp hepatopancreas ranged between 99-105, 93-135, 80-85, 65-102, 88-98, and 88-97%, respectively. It can be concluded that the current method can be applied to individual feedstuffs, complete feeds, and animal tissues for the rapid and accurate determination of concentration of biogenic amines.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,004

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 Opus0,007
Tête enseignante GPT0,231
Écart entre enseignants0,224 · 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
GenreMéthodes

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

En bref

Citations81
Publié2000
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural and Food ChemistryMême sujetPolyamine Metabolism and ApplicationsTravaux en français237 207