MétaCan
Menu
Retour à la cohorte
Enregistrement W2003174518 · doi:10.1080/19440049.2011.567360

Design and characterization of a direct ELISA for the detection and quantification of leucomalachite green

2011· article· en· W2003174518 sur OpenAlexafffund
Gurmit Singh, Terence Koerner, Jean-Marc Gélinas, Michael Abbott, Beth Brady, Anne-Catherine Huet, Caroline Charlier, Philippe Delahaut, Samuel Benrejeb Godefroy

Notice bibliographique

RevueFood Additives & Contaminants Part A · 2011
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueAquaculture disease management and microbiota
Établissements canadiensHealth Canada
Organismes subventionnairesHealth Canada
Mots-clésMalachite greenPolyclonal antibodiesDetection limitChromatographyImmunogenBovine serum albuminChemistryTilapiaImmunoassayFish <Actinopterygii>BiologyMicrobiologyMolecular biologyAntibodyMonoclonal antibodyFisheryAdsorption

Résumé

récupéré en direct d'OpenAlex

Malachite green (MG), a member of the N-methylated triphenylmethane class of dyes, has long been used to control fungal and protozoan infections in fish. MG is easily absorbed by fish during waterborne exposure and is rapidly metabolized into leucomalachite green (LMG), which is known for its long residence time in edible fish tissue. This paper describes the development of an enzyme-linked immunosorbent assay (ELISA) for the detection and quantification of LMG in fish tissue. This development includes a simple and versatile method for the conversion of LMG to monodesmethyl-LMG, which is then conjugated to bovine serum albumin (BSA) to produce an immunogenic material. Rabbit polyclonal antibodies are generated against this immunogen, purified and used to develop a direct competitive enzyme-linked immunosorbent assay (ELISA) for the screening and quantification of LMG in fish tissue. The assay performed well, with a limit of detection (LOD) and limit of quantification (LOQ) of 0.1 and 0.3 ng g(-1) of fish tissue, respectively. The average extraction efficiency from a matrix of tilapia fillets was approximately 73% and the day-to-day reproducibility for these extractions in the assay was between 5 and 10%.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,002
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,029
Tête enseignante GPT0,228
Écart entre enseignants0,199 · 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

Citations39
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFood Additives & Contaminants Part AMême sujetAquaculture disease management and microbiotaTravaux en français237 207