Determination of bioactive nonvolatile ginger constituents in dietary supplements by a rapid and economic HPLC method: Analytical method development and single-laboratory validation
Notice bibliographique
Résumé
Most of the validated methods for ginger-containing dietary supplements have long run time and low sensitivity and only analyze gingerols and shogaols. 6-Paradol and zingerone become popular in modern dietary supplement industry as bioactive ginger constituents. Therefore, we developed an efficient HPLC-UV/Vis method to analyze all above major constituents. Compared to 282/280 nm used by the current compendial United States Pharmacopeia (USP) monograph method and International Organization for Standardization (ISO) 13685-1997 method, detection wavelength was optimized to 230 nm which showed a higher sensitivity (signal-to-noise ratio) and better peak resolution. For measuring the ginger constituents in AOAC required matrices, the method was demonstrated to be selective, linear (R 2 > 0.999), specific, accurate (91.1–103.2% spike recovery rate) and precise (RSD r < 5%, RSD R < 8%). Among 10 commercial ginger-containing samples that we screened using this method, the results were 80–123% of the products’ labeling value. The HPLC running time was successfully shortened from 29 min (USP method) and 40 min (ISO method) to 12 min without the need of using an expensive Mass Spectrometer for analyte separation. The method is the first method that meets all AOAC SMPR 2017.12 requirements and therefore has the potential to be adopted as a consensus industrial reference method for meeting FDA's cGMP Compliance for the manufacture and quality control of dietary supplements and ingredients.
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 | 0,008 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».