Distinguishing Vaccinium Species by Chemical Fingerprinting Based on NMR Spectra, Validated with Spectra Collected in Different Laboratories
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
A method was developed to distinguish Vaccinium species based on leaf extracts using nuclear magnetic resonance spectroscopy. Reference spectra were measured on leaf extracts from several species, including lowbush blueberry (Vaccinium angustifolium), oval leaf huckleberry (Vaccinium ovalifolium), and cranberry (Vaccinium macrocarpon). Using principal component analysis, these leaf extracts were resolved in the scores plot. Analysis of variance statistical tests demonstrated that the three groups differ significantly on PC2, establishing that the three species can be distinguished by nuclear magnetic resonance. Soft independent modeling of class analogies models for each species also showed discrimination between species. To demonstrate the robustness of nuclear magnetic resonance spectroscopy for botanical identification, spectra of a sample of lowbush blueberry leaf extract were measured at five different sites, with different field strengths (600 versus 700 MHz), different probe types (cryogenic versus room temperature probes), different sample diameters (1.7 mm versus 5 mm), and different consoles (Avance I versus Avance III). Each laboratory independently demonstrated the linearity of their NMR measurements by acquiring a standard curve for chlorogenic acid (R(2) = 0.9782 to 0.9998). Spectra acquired on different spectrometers at different sites classifed into the expected group for the Vaccinium spp., confirming the utility of the method to distinguish Vaccinium species and demonstrating nuclear magnetic resonance fingerprinting for material validation of a natural health product.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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