MétaCan
Menu
Retour à la cohorte
Enregistrement W2204853817 · doi:10.3168/jds.2015-9919

Development of a colloidal gold immunochromatographic strip assay for simple and fast detection of human α-lactalbumin in genetically modified cow milk

2015· article· en· W2204853817 sur OpenAlexaff
Chenyu Tao, Qingde Zhang, Na Feng, Deshi Shi, Bang Liu

Notice bibliographique

RevueJournal of Dairy Science · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueBiosensors and Analytical Detection
Établissements canadiensMinistry of Agriculture
Organismes subventionnairesNational Transgenic Science and Technology ProgramState Key Laboratory for AgrobiotechnologyChina Agricultural University
Mots-clésLactalbuminTiterChromatographyGenetically modified organismCaseinCow milkAssay sensitivityFood scienceGold standard (test)ChemistryBiologyAntibodyMathematicsBiochemistryImmunologyMedicine

Résumé

récupéré en direct d'OpenAlex

The qualitative and quantitative declaration of food ingredients is important to consumers, especially for genetically modified food as it experiences a rapid increase in sales. In this study, we designed an accurate and rapid detection system using colloidal gold immunochromatographic strip assay (GICA) methods to detect genetically modified cow milk. First, we prepared 2 monoclonal antibodies for human α-lactalbumin (α-LA) and measured their antibody titers; the one with the higher titer was used for further experiments. Then, we found the optimal pH value and protein amount of GICA for detection of pure milk samples. The developed strips successfully detected genetically modified cow milk and non-modified cow milk. To determine the sensitivity of GICA, a quantitative ELISA system was used to determine the exact amount of α-LA, and then genetically modified milk was diluted at different rates to test the sensitivity of GICA; the sensitivity was 10 μg/mL. Our results demonstrated that the applied method was effective to detect human α-LA in cow milk.

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)0,001
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,142
Score d'incertitude au seuil0,248

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,022
Tête enseignante GPT0,251
Écart entre enseignants0,228 · 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

Citations21
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Dairy ScienceMême sujetBiosensors and Analytical DetectionTravaux en français237 207