MétaCan
Menu
Retour à la cohorte
Enregistrement W2133943379 · doi:10.1139/f08-135

Comparison of three microquantity techniques for measuring total lipids in fish

2008· article· en· W2133943379 sur OpenAlexvenueaboutno aff
YueHan Lu, Stuart A. Ludsin, David L. Fanslow, Steven A. Pot­hoven

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2008
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAquaculture Nutrition and Growth
Établissements canadiensnon disponible
Organismes subventionnairesNOAA Great Lakes Environmental Research LaboratoryMichigan Department of Natural Resources
Mots-clésCoregonus clupeaformisPerchCoregonusFish <Actinopterygii>JuvenileFisheryBiologyFish measurementEcology

Résumé

récupéré en direct d'OpenAlex

To measure lipids in juvenile and adult fishes, we refined three microquantity approaches (microgravimetric, microcolorimetric sulfophosphovanillan (SPV), and Iatroscan thin layer chromatography – flame ionization detection (TLC–FID)) that were originally developed to measure lipids in small aquatic invertebrates. We also evaluated their precision and comparability by quantifying the total lipid content of age-1+ walleye ( Sander vitreus ), yellow perch ( Perca flavescens ), and lake whitefish ( Coregonus clupeaformis ) collected in Lake Erie (US–Canada), Lake Michigan (USA), and Muskegon Lake (Michigan, USA). Our findings demonstrate that (i) microquantity approaches provide estimates of total lipids in juvenile and adult fishes similar to those of more traditional macroquantity approaches, (ii) the microcolorimetric SPV and microgravimetric approaches produce near identical estimates of total lipid content, and (iii) the Iatroscan TLC–FID approach underestimates total lipids relative to the other approaches for individuals with high lipid levels. Ultimately, our research makes available additional techniques for measuring total lipid content of fishes that are less expensive than traditional techniques, owing to a reduced need for large quantities of samples and solvents.

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)0,000
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,129
Score d'incertitude au seuil0,884

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,079
Tête enseignante GPT0,255
Écart entre enseignants0,177 · 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'étudeObservationnel
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

Citations74
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic SciencesMême sujetAquaculture Nutrition and GrowthTravaux en français237 207