St. John's Wort versus Counterfeit St. John's Wort: An HPTLC Study
Notice bibliographique
Résumé
Hypericum perforatum L. is the most commonly used herb for treating depression. Due to the popularity of this botanical, there is a potential for economically driven adulteration of St. John's wort (SJW) products. The goal of this study was to investigate SJW ingredients suspected to be adulterated based on simple preliminary HPTLC tests. Commercial samples were analyzed by HPTLC following the United States Pharmacopeia (USP) monograph methodology, with additional visualization under white light. A number of these samples presented odd methanolic solution colors and unconventional HPTLC fingerprints, suggesting the presence of other species and/or extraneous polar additives. To achieve identification and separation of the polar additives, a new reversed-phase HPTLC method was developed. The adulterants were identified as synthetic dyes in the amounts of 0.51 to 1.36% by weight. Identities of the dyes were confirmed by scanning densitometry and HPTLC-MS. A modified USP method with additional detection mode permitted the identification of eight SJW samples adulterated with dyes and six others with flavonoid fingerprints different from those specified by USP from a total of 37 samples of dry extracts, finished products, and bulk raw herb. A decision flowchart is proposed to guide the detection of adulteration of SJW in a systematic fashion.
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 | 0,001 | 0,001 |
| 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) | 0,002 | 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 ».