Effectual Gold Nanoprobe Sensor for Screening Horse Adulteration in Meat Products
Notice bibliographique
Résumé
A gold nanoparticle (AuNP) probe strategy for testing meat authenticity was developed, which relies on the colorimetric differentiation of a particular DNA sequence, due to the differential aggregation profiles exhibited by the AuNPs in the presence or absence of specific target hybridization. Gold nanoparticles were conjugated with thiolated oligonucleotides for specifically identifying a 69 bp fragment of the horse cytochrome b gene. In the presence of a complementary target preventing aggregation of the AuNPs when acid was added, the reaction mixtures retained the original pink colouration of the colloidal particles, whereas they turned purple in the opposite event. Fresh meatballs, prepared using pure bovine meat, were used as blanks, producing a purplish coloured solution with a peak at ≥570nm. Horse meat was used as positive control and the pink colour obtained after hybridization exhibited maximum absorption at 524 nm. Both the specificity and sensitivity of the tests performed were 100%. Visual observations and spectroscopic data indicated that the coloration produced by the AuNPs (positive-pink, negative-purple) was very stable, showing no change under normal laboratory conditions. The use of AuNPs for the colorimetric detection of DNA targets from undeclared species in meat products provides an inexpensive and easy-to-perform alternative to common molecular assays. The technology described here can be further developed to accommodate detection of many cases of adulteration and fraudulent practices.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».