DNA Quality and Quantity Analysis of Camellia sinensis Through Processing from Raw Tea Leaves to a Green Tea Extract Product
Notice bibliographique
Résumé
Although there has been some success using DNA barcoding to authenticate raw natural health product (NHP) ingredients, there are many gaps in our understanding of DNA degradation, which may explain low PCR and sequencing success in processed NHPs. In this study, we measured multiple DNA variables after each step in the processing of a green tea extract (GTE) product. We sampled plant material after each step of GTE processing: five at a Chinese tea farm (ten leaf samples per step) and five at a NHP processing facility (four subsamples from three batches of plant material per step). We hypothesized that processing treatments degrade and remove DNA from NHPs due to the physically damaging nature of the techniques, reflected by decreasing quantities of extractable genomic DNA, increasing proportion of small DNA fragments in genomic extracts, and decreasing QPCR efficiency (higher Ct values). We saw a 41% decrease in mean extractable genomic DNA through farm processing (p < 0.05) and a 99% decrease through facility processing (p < 0.05). There was a 26.3% decrease in mean DNA fragment size through farm processing and an 82% decrease through facility processing (p < 0.05). QPCR efficiency was reduced through processing, marked by significant increases in Ct values with 100bp and 200bp PCR targets (p < 0.05), and inability to amplify 300bp targets after all facility processing steps. While there was significant degradation and removal of DNA through processing, sufficiently intact DNA was able to be recovered from two of three batches of processed GTE, for the purpose of sequencing and identification.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 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 ».