Study on determination of histamine in food by on-line automated pre-column derivatization coupled with HPLC
Notice bibliographique
Résumé
This study proposed a new analytical method for the determination of histamine in food by on-line automated pre-column derivatization coupled with high performance liquid chromatography(HPLC).By optimizing the related parameters in determination such as the automated pre-column derivatization program,the amount of derivatization reagent,pH of the reaction system,the appropriate conditions for HPLC determination were set up.Under the established conditions,the limit of detection for histamine standard is 0.01 μg/mL,and good correlation coefficient(r20.999) can be achieved in the range of 0.05～100 μg/mL.By determination of the sipked samples,the limit of detection for real samples is 0.2 mg/kg based on s/n=5.The proposed method was applied to the determination of histamine in canned tuna fish,fumitory skipjack as well as frozen mackerel.Histamine at the level of 0.59～167 mg/kg was detected with the spiked recoveries over 97%,and the relative standard deviations(RSDs) were less than 5%.Because an automated derivatization program and the fluorescence detector were used in the proposed method,good reproducibility,high sensitivity and high analytical throughput were achieved.It is especially suitable for the routine analysis of great number of food samples.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».