MétaCan
Menu
Retour à la cohorte
Enregistrement W2131303898 · doi:10.1002/jssc.200900185

Separation and determination of closely related lantibiotics by micellar electrokinetic chromatography

2009· article· en· W2131303898 sur OpenAlexaff
Bob Stanley, Kevin A. Mehr, Trent Kellock, Jonathan D. Van Hamme, Kingsley K. Donkor

Notice bibliographique

RevueJournal of Separation Science · 2009
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFermentation and Sensory Analysis
Établissements canadiensThompson Rivers University
Organismes subventionnairesnon disponible
Mots-clésLantibioticsChromatographyNisinChemistryMicellar electrokinetic chromatographyDetection limitElectrokinetic phenomenaPhosphate buffered salineAntimicrobialOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

A sensitive micellar electrokinetic chromatography (MEKC) method was developed for the separation and determination of four closely related lantibiotics: gallidermin, cinnamycin, duramycin and nisin. Factors affecting the separation of the lantibiotics such as pH, phosphate buffer concentration, SDS concentration and wavelength for UV detection were investigated. By optimizing these experimental conditions, successful separation was achieved between class 1A lantibiotics (nisin and gallidermin) and class 1B lantibiotics (duramycin and cinnamycin). The four lantibiotics were separated within 12 min in 50 mM phosphate buffer at pH 3.95 +/- 0.1 containing 80 mM SDS with UV detection of 214 nm. The LOD (S/N = 3) were 61 ng/mL for gallidermin, 57 ng/mL for cinnamycin, 55 ng/mL for duramycin and 58 ng/mL for nisin. The method was successfully applied to real samples such as fermentation broth, bovine colostrum and predrop beer. This method yielded satisfactory results, with quantitative recoveries of spiked lantibiotics in the three samples ranging from 86.1 to 99.6%.

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)0,001
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 enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 GPT0,276
Écart entre enseignants0,267 · 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

Citations15
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Separation ScienceMême sujetFermentation and Sensory AnalysisTravaux en français237 207