MétaCan
Menu
Retour à la cohorte
Enregistrement W2800886550 · doi:10.1021/acs.jafc.8b01042

Quantitation of Sialic Acids in Infant Formulas by Liquid Chromatography–Mass Spectrometry: An Assessment of Different Protein Sources and Discovery of New Analogues

2018· article· en· W2800886550 sur OpenAlexafffund
Aaron D. L. Wylie, Wesley F. Zandberg

Notice bibliographique

RevueJournal of Agricultural and Food Chemistry · 2018
Typearticle
Langueen
DomaineNursing
ThématiqueInfant Nutrition and Health
Établissements canadiensUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesBritish Columbia Knowledge Development FundNatural Sciences and Engineering Research Council of CanadaCanada Foundation for Innovation
Mots-clésSialic acidInfant formulaChemistryChromatographyMass spectrometryGlycoconjugateHydrolysisHydrolysateBiochemistryCaseinHydrolyzed proteinAcid hydrolysisAmino acid

Résumé

récupéré en direct d'OpenAlex

Glycosidically bound, but not free, dietary sialic acids are used for the biosynthesis of new glycoconjugates in humans, making the quantitation of these two forms in infant food sources important, as in neonates the demand for sialic acid may exceed the de novo biosynthetic supply. Here, a rapid high-performance liquid chromatography-mass spectrometry method was developed to identify and quantitate glycosidically bound and free sialic acids in infant formulas. The sialic acid contents of eight commercially available infant formulas with varying protein source or manufacturer were investigated. The formula protein sources (whey vs casein) did not have a large impact on the ratios of free to bound sialic acids, nor did protein hydrolysis or sample form (solid vs liquid). Hydrolyzed bovine whey protein-based formulas were found to contain the highest amount of the most abundant human sialic acid, 5- N-acetylneuraminic acid (Neu5Ac). O-Acetylated Neu5Ac was quantified in all formulas tested and, for the first time, 2-keto-3-deoxy-d-glycero-d-galacto-nononic acid (Kdn) was detected in several infant formulas.

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)0,000
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 enseignants0,260
Score d'incertitude au seuil0,301

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,012
Tête enseignante GPT0,281
Écart entre enseignants0,268 · 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

Citations33
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural and Food ChemistryMême sujetInfant Nutrition and HealthTravaux en français237 207