MétaCan
Menu
Retour à la cohorte
Enregistrement W2913447538 · doi:10.1139/gen-2018-0101

DNA barcoding of fish species reveals low rate of package mislabeling in Qatar

2019· article· en· W2913447538 sur OpenAlexvenueno aff
Kuei‐Chiu Chen, Dalia Zakaria, Heba Altarawneh, Gabriala Andrews, Gowrii Saswathy Ganesan, Karen John, Sarah Khan, Heta Ladumor

Notice bibliographique

RevueGenome · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueIdentification and Quantification in Food
Établissements canadiensnon disponible
Organismes subventionnairesWeill Cornell Medicine - QatarQatar National Research FundWeill Cornell Medical CollegeFonds National de la Recherche LuxembourgQatar Foundation
Mots-clésDNA barcodingBiologyBarcodeSpecies identificationFish <Actinopterygii>Identification (biology)FisheryFish productsZoologyEvolutionary biologyEcologyBusinessMarketing

Résumé

récupéré en direct d'OpenAlex

DNA barcoding technique has made it possible to authenticate various species used for food and medicinal purposes. In the identification of seafood species, studies are concentrated in North America, Europe, and Asia. Elsewhere, including countries in the Middle East and North Africa, studies of this sort are scarce. This study focuses on packaged fresh or minimally processed fish fillet available at eight major supermarket chains in Qatar. A cocktail of eight primers attached with M13 tails established for fish species identification was adopted to facilitate PCR and sequencing. Sequences were compared with those available in the Barcode of Life Databases (BOLD Systems) and BLAST in NCBI databases. Among the 62 unique fish packages with resolved sequences, only three are confirmed to be mislabeled, at a rate of about 5%. Two of the substituted species are high value items while the third species was replaced by another, equally low-cost species. The relatively low rate of mislabeling in the samples is perhaps a result of strict local food safety regulations, which may have led to high consistency between the package labels and their contents.

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 enseignants0,057
Score d'incertitude au seuil0,283

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 Opus0,019
Tête enseignante GPT0,245
Écart entre enseignants0,226 · 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

Citations22
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGenomeMême sujetIdentification and Quantification in FoodTravaux en français237 207