Detection of Leguminous Protein in Casein by Nitrogen Stable Isotopes
Notice bibliographique
Résumé
Casein can legally be substituted with cheaper leguminous proteins in processed foods, such as imitation cheese, as long as the ingredients are declared. The detection of illegal admixtures of leguminous protein requires analytical procedures to identify an undisclosed adulteration of milk products. To investigate the suitability of stable isotope analyses as an alternative to more sophisticated methods, variations in d15N of soya (n = 27) and peanut (n = 10) protein, as well as casein (n = 14) were determined. Significant differences were established between d15N of casein (4.45 – 6.94‰) and soya (0.25 – 2.37‰) as well as peanut (0.70 – 2.13‰) protein. An average limit of detection for leguminous protein in casein was determined to be 2.1%, provided both components were available for additional analyses. Under practical conditions of food control, i.e., without having access to the actual ingredients, the variability of d15N resulted in an average limit of detection of 26.4%. Because protein d15N can be determined rapidly in crude food samples without elaborate sample preparation, stable isotope analysis can be used as a rapid screening method to determine the presence of higher amounts of leguminous protein in cheese and, in particular, to easily distinguish imitation cheese from cheese.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».