MétaCan
Menu
Retour à la cohorte
Enregistrement W2065765397 · doi:10.1111/j.1750-3841.2007.00298.x

Detection and Quantification of Soy Allergens in Food: Study of Two Commercial Enzyme‐Linked Immunosorbent Assays

2007· article· en· W2065765397 sur OpenAlexaff
Lamia L’Hocine, Joyce I. Boye, Christella Munyana

Notice bibliographique

RevueJournal of Food Science · 2007
Typearticle
Langueen
DomaineMedicine
ThématiqueFood Allergy and Anaphylaxis Research
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésSoy proteinPapainChemistryFood scienceBromelainChromatographyEnzymeCross-reactivityAntigenBiochemistryCross reactionsBiologyImmunology

Résumé

récupéré en direct d'OpenAlex

The objective of this study was to evaluate the efficacy of 2 commercially available soy enzyme-linked immunosorbent assays (ELISA) and use them in detecting soy proteins in selected food commodities. Both ELISA kits exhibited high sensitivity. The determined limits of detection (LOD) (approximately 2 and <1 microg/mL for Tepnel Biosystems and Elisa Systems kits, respectively) were lower than those claimed by the manufacturer. Quantification range for both kits was, however, narrower and in a lower concentration range than defined by the kit providers. Our examination revealed a positive cross-reactivity with chickpea proteins and matrix interferences for both kits. The immunoreactivity of soy proteins, when tested by the Tepnel Biosystems kit, was partially reduced by papain and bromelain hydrolysis; it was significantly decreased by protein glycation (>47%). Nondenatured and nonheated soy protein isolate (SPI) samples were also significantly less antigenic than the treated ones.

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)0,003
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,664
Score d'incertitude au seuil0,236

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
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 Opus0,059
Tête enseignante GPT0,362
Écart entre enseignants0,303 · 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

Citations26
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Food ScienceMême sujetFood Allergy and Anaphylaxis ResearchTravaux en français237 207