Evaluation of Simple and Inexpensive High‐Throughput Methods for Phytic Acid Determination
Notice bibliographique
Résumé
Abstract High‐throughput/low‐cost/low‐tech methods for phytic acid determination that are sufficiently accurate and reproducible would be of value in plant genetics, crop breeding and in the food and feed industries. Variants of two candidate methods, those described by Vaintraub and Lapteva (Anal Biochem 175:227–24, ; “VL” methods) and Huang and Lantzsch (J Sci Food Agric 34:1423–1426, ; “HL” methods), were evaluated. The primary concern with these methods is that, due to interference of matrix constituents including inorganic P, they can overestimate phytic acid and are ineffective at low levels of phytic acid. Twelve seed flours, representing lines of soybean, maize, barley and dry bean, containing a wide range of phytic acid levels, were analyzed by a minimum of eight cooperating laboratories using three variants of the VL method and two variants of the HL method. No method had consistently acceptable (˂2.0”) “Horwitz ratios”, a measure of reproducibility, although some treatments approached that. For example, one variant of the VL method when used to assay a soybean flour with a “standard” level of phytic acid had a Horwitz ratio of 2.15. Some variants of the VL method were adequate for analyses of cereal grains regardless of phytic acid level but none accurately measured phytic acid when at low levels in soybean flours. One variant of the HL method in which the 0.2 N HCl extraction media is modified to contain 10% Na2SO4, did accurately measure phytic acid levels in both cereal and legume flours regardless of endogenous phytic acid levels or matrix constituents.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| 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 | 0,001 |
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 ».