Fish oil sensory properties can be predicted using key oxidative volatiles
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract The high level of PUFA in fish oil, primarily eicosapentaenoic acid (EPA) and DHA result in rapid oxidation of the oil. Current methods used to assess oxidation have little correlation with sensory properties of fish oils. Here we describe an alternative method using solid phase microextraction (SPME) combined with GC‐MS to monitor volatile oxidation products. Stepwise discriminant function analysis (DFA) was used to classify oils characterized as acceptable or unacceptable based on sensory analysis; a cross‐validated success rate of 100% was achieved with the function. The classification function was also successfully validated with tasted samples that were not used to create the method. A total of 14 variables, primarily aldehydes and ketones, were identified as significant discriminators in the classification function. This method will be useful as a quality control method for fish oil manufacturers. Practical applications: This paper describes an analytical method that can be used by fish oil manufacturers for quality control purposes. Solid phase microextraction and GC‐MS were used to monitor volatile oxidation products in fish oil. These data, combined with results of analyses by a sensory panel, were used to create a function that classified fish oil samples as acceptable or unacceptable. The volatile oxidation products used to in the function were primarily aldehydes and ketones. This method can be used by fish oil manufacturers as an alternative to expensive sensory panels.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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