Determination of Zearalenone in Cereal Grains, Animal Feed, and Feed Ingredients Using Immunoaffinity Column Chromatography and Liquid Chromatography: Interlaboratory Study
Notice bibliographique
Résumé
A method using immunoaffinity column chromatography (IAC) and liquid chromatography (LC) for determination of zearalenone in cereal grains, animal feed, and feed ingredients was collaboratively studied. The test portion is extracted by shaking with acetonitrile-water (90 + 10, v/v) and sodium chloride. The extract is diluted and applied to an immunoaffinity column, the column is washed with water or phosphate-buffered saline or methanol-water (30 + 70, v/v), and zearalenone is eluted with methanol. The eluate is evaporated, the residue is dissolved in mobile phase and analyzed by reversed-phase LC with fluorescence detection. The presence of zearalenone can be confirmed using an alternate excitation wavelength or diode array detection. Twenty samples were sent to 13 collaborators (8 in Europe, 2 in the United States, one in Japan, one in Uruguay, and one in Canada). Eighteen samples of naturally contaminated corn, barley, wheat, dried distillers grains, swine feed, and dairy feed were analyzed as blind duplicates, along with blank corn and wheat samples. The analyses were done in 2 sample sets with inclusion of a spiked wheat control sample (0.1 mg/kg) in each set. Spiked samples recoveries were 89-116%, and for the 18 naturally contaminated samples, RSDr values (within-laboratory repeatability) ranged from 6.67 to 12.1%, RSDR values (among-laboratory reproducibility) ranged from 12.5 to 19.7%, and HorRat values ranged from 0.61 to 0.90.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».