MétaCan
Menu
Retour à la cohorte
Enregistrement W2588524863 · doi:10.1111/1750-3841.13654

Advantage of Eu <sup>3+</sup> ‐Doped Polystyrene Microspheres Compared with Colloidal Gold Used in Immunochromatographic Assays for the Detection of Melamine in Milk

2017· article· en· W2588524863 sur OpenAlexafffund
Yiwei Tang, Hong Zhang, Xiuying Liu, Evan Trofimchuk, Shaolong Feng, Tao Ma, Xue Gao, Shubing Fang, Xiaonan Lu

Notice bibliographique

RevueJournal of Food Science · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueBiosensors and Analytical Detection
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of China
Mots-clésMelamineDetection limitColloidal goldPolystyreneICTSColloidMaterials scienceChemistryChromatographyNuclear chemistryNanotechnologyNanoparticleComputer scienceComposite materialPolymer

Résumé

récupéré en direct d'OpenAlex

-doped fluorescent microspheres were applied as labels to develop the immunochromatographic strips for detecting melamine in milk. Under the optimized condition, the visual detection limit of colloidal gold-immunochromatographic test strip (ICTS) was 150 μg/L of melamine in phosphate-buffered saline (PBS), although the visual detection limit of fluorescent nanoparticles (FN)-ICTS was 75 μg/L in PBS. As thermal acceleration test, FN-ICTS could be stored at 37 °C for at least 11 d before sample testing, but the color of the lines on colloidal gold-ICTS faded away after 7-d storage. The visual result of FN-ICTS was more stable than that of colloidal gold-ICTS, and the fluorescence intensity of the line on FN-ICTS could be maintained up to 30 d at 22 °C after sample testing. Once the immunochromatographic strips were used to detect melamine in milk, no negative effect of milk components on the performance of FN-ICTS was identified, whereas the performance of colloidal gold-ICTS was significantly influenced by milk matrix.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,151
Score d'incertitude au seuil0,258

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,238
Écart entre enseignants0,225 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Food ScienceMême sujetBiosensors and Analytical DetectionTravaux en français237 207