Current Immunoassay Methods for the Rapid Detection of Aflatoxin in Milk and Dairy Products
Notice bibliographique
Résumé
Abstract The presence of mycotoxins in foodstuff causes serious health problems to consumers and economically affects the food industry. Among the mycotoxins, aflatoxins are very toxic and highly carcinogenic contaminants which affect the safety of many foods, and therefore endanger human health. Aflatoxin M 1 (AFM 1 ) found in milk results from the biotransformation of aflatoxin B 1 . Many efforts have been made to control the source of AFM 1 from farmers to dairy product companies. However, AFM 1 escapes ordinary methods of food treatment such as cooking, sterilization, and freezing, hence it appears in milk and dairy products. The presence of high levels of AFM 1 constitutes an alarming threat as milk and dairy products contain essential nutrients for human health, especially for infants and children. For this reason, there is a pressing need for developing a fast and reliable screening method for detecting trace aflatoxins in food. Several analytical methods based on high‐performance liquid chromatography (HPLC) and mass spectroscopy have been used for aflatoxin detection; however, they are expensive, time‐consuming, and require many skills. Recently, immunoassay methods, including enzyme‐linked immunosorbent assay (ELISA), immunosensors, and lateral flow immunoassay (LFIA), have been preferred for food analysis because of their improved qualities such as high sensitivity, simplicity, and capability of onsite monitoring. This paper reviews the new developments and applications of immunoassays for the rapid detection of AFM 1 in milk.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 tête enseignante, 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 ».