MétaCan
Menu
Retour à la cohorte
Enregistrement W2057250588 · doi:10.1021/jf0349376

Acrylamide in French Fries:  Influence of Free Amino Acids and Sugars

2004· article· en· W2057250588 sur OpenAlexaff
Adam Becalski, Benjamin P.‐Y. Lau, David Lewis, Stephen W. Seaman, Stephen Hayward, M.E. Sahagian, Manoharan Ramesh, Yves Leclerc

Notice bibliographique

RevueJournal of Agricultural and Food Chemistry · 2004
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePotato Plant Research
Établissements canadiensHealth Canada
Organismes subventionnairesnon disponible
Mots-clésAcrylamideFrench friesChemistryAsparagineMaillard reactionSucroseSugarFructoseFood scienceChromatographyReducing sugarIsotope dilutionAmino acidBiochemistryOrganic chemistryMass spectrometryPolymer

Résumé

récupéré en direct d'OpenAlex

The free amino acid profile and sugar (fructose, glucose, and sucrose) composition were determined in potato samples selected to give a large range of variation (a total of 66 samples). From these samples French fries were produced in a laboratory-scale simulation of an industrial process followed by a finish fry at 180 degrees C for 3.5 min using a restaurant fryer. The final product was blast frozen and analyzed for acrylamide. Acrylamide was detected in all samples, but its concentration varied significantly from 50 to 1800 ng/g. For isotope dilution (13C3) acrylamide analysis, samples were extracted with water, cleaned up on HLB Oasis polymeric and Accucat mixed mode anion and cation exchange SPE columns, and analyzed by LC-MS/MS. Statistical analysis of the data indicates that the effect of sugars and asparagine on the concentration of acrylamide in French fries is positive and significant (p < 0.001). It appears that one of the ways acrylamide formation in French fries can be effectively controlled is by the use of raw products with low sugar (and to a lesser degree, asparagine) content.

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)0,001
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,009
Tête enseignante GPT0,200
Écart entre enseignants0,191 · 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

Citations228
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural and Food ChemistryMême sujetPotato Plant ResearchTravaux en français237 207