MétaCan
Menu
Retour à la cohorte
Enregistrement W2917803946 · doi:10.5539/jfr.v8n2p48

A New Spectrophometric Method For The Analysis Of Fructose, Glucose And Sucrose, Using 2-Thiobarbituric Acid And Zero-Valent Iron Powder (ZVIP)

2019· article· en· W2917803946 sur OpenAlexvenueno aff
Karine Assaker, Jamil Rima

Notice bibliographique

RevueJournal of Food Research · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueElectrochemical sensors and biosensors
Établissements canadiensnon disponible
Organismes subventionnairesUniversité Libanaise
Mots-clésFructoseSucroseChemistryThiobarbituric acidDetection limitAqueous solutionChromatographyCalibration curveCarbohydrateOrganic chemistryAntioxidant

Résumé

récupéré en direct d'OpenAlex

A new spectrophotometric method has been developed for the determination of fructose, glucose and sucrose in fruit juices. The method is based on the oxidation of sugars with zero valent iron powder in acidic pH aqueous solution and bubbled with air. Oxidized by-products were complexed with 2-thiobarbituric and monitored by UV-Vis spectroscopy. The recorded spectra are specifically characteristic for fructose, glucose and sucrose respectively. Calibration curves were studied for each compound and the quantitative determination of carbohydrate concentrations was carried out using an internal standard addition method. The average relative standard deviation is 4% and recovery rate range from 98% to 103% for spiked concentrations of 0.05 – 4 mM carbohydrates. The detection limit are 13, 15 and 12 µM for fructose, glucose and sucrose respectively. The oxidation of carbohydrates gives rise to certain by-products, presents a new method of indirect measurement of carbohydrates. This method is applied in the determination of carbohydrates in juices and other foods in a precise, easy and inexpensive way.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,328
Écart entre enseignants0,295 · 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 source (Gemma direct ou Codex distillé), 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Food ResearchMême sujetElectrochemical sensors and biosensorsTravaux en français237 207