MétaCan
Menu
Retour à la cohorte
Enregistrement W2017089072 · doi:10.1111/1556-4029.12018

Forensic Identification of Seal Oils Using Lipid Profiles and Statistical Models

2012· article· en· W2017089072 sur OpenAlexaboutno aff
Margaret H. Broadwater, Gloria T. Seaborn, John H. Schwacke

Notice bibliographique

RevueJournal of Forensic Sciences · 2012
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueIdentification and Quantification in Food
Établissements canadiensnon disponible
Organismes subventionnairesNational Marine Fisheries ServiceNational Institute of Standards and Technology
Mots-clésBlubberGas chromatographyEuropean unionChromatographyGas chromatography–mass spectrometryPolyunsaturated fatty acidSeal (emblem)Fish <Actinopterygii>Fish oilFatty acidChemistryFood scienceBiologyMass spectrometryFisheryBiochemistryGeography

Résumé

récupéré en direct d'OpenAlex

Seal blubber oils are used as a source of omega-3 polyunsaturated fatty acids in Canada but prohibited in the United States and (FA) European Union. Thus, a reliable method is needed to identify oils originating from seals versus fish. Two lipid profiling methods, fatty acid analysis using gas chromatography and triacylglycerol (TAG) analysis using liquid chromatography and mass spectrometry, were applied with statistical models to discriminate commercial oils and blubber samples harvested from marine fish and seals. Significant differences were observed among FA profiles, and seal samples differed from each of the fish oils (p ≤ 0.001). FA and TAG profiles were used to discriminate sample groups using a random forest classifier; all samples were classified correctly as seals versus fish using both methods. We propose a two-step method for the accurate identification of seal oils, with preliminary identification based on FA profile analysis and confirmation with TAG profiles.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,027
Score d'incertitude au seuil0,229

Scores Codex et Gemma par catégorie

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

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 Opus0,061
Tête enseignante GPT0,332
Écart entre enseignants0,271 · 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 tête enseignante, 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

Citations8
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Forensic SciencesMême sujetIdentification and Quantification in FoodTravaux en français237 207