DNA Barcoding for the Identification of Botanicals in Herbal Medicine and Dietary Supplements: Strengths and Limitations
Notice bibliographique
Résumé
In the past decades, the use of traditional medicine has increased globally, leading to a booming herbal medicine and dietary supplement industry. The increased popularity of herbal products has led to a rise in demand for botanical raw materials. Accurate identification of medicinal herbs is a legal requirement in most countries and prerequisite for delivering a quality product that meets consumer expectations. Traditional identification methods include botanical taxonomy, macroscopic and microscopic examination, and chemical methods. Advances in the identification of biological species using DNA-based techniques have led to the development of a DNA marker-based platform for authentication of plant materials. DNA barcoding, in particular, has been proposed as a means to identify herbal ingredients and to detect adulteration. However, general barcoding techniques using universal primers have been shown to provide mixed results with regard to data accuracy. Further technological advances such as mini-barcodes, digital polymerase chain reaction, and next generation sequencing provide additional tools for the authentication of herbs, and may be successful in identifying processed ingredients used in finished herbal products. This review gives an overview on the strengths and limitations of DNA barcoding techniques for botanical ingredient identification. Based on the available information, we do not recommend the use of universal primers for DNA barcoding of processed plant material as a sole means of species identification, but suggest an approach combining DNA-based methods using genus- or species-specific primers, chemical analysis, and microscopic and macroscopic methods for the successful authentication of botanical ingredients used in the herbal dietary supplement industry.
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 | 0,023 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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 ».