Mycotoxin Testing Paradigm: Challenges and Opportunities for the Future
Notice bibliographique
Résumé
Mycotoxins are one of the great global challenges to agri-food and feed safety. Industry requires fast, reliable, and economical testing methods for the most important regulated mycotoxins to manage this problem. Climate change and changes in agricultural practice are complicating this situation, triggering the movement of some mycotoxins into new regions, which are unprepared for their management. Modern LC-tandem MS (LC-MS/MS) instruments have addressed this analytical challenge, but such instruments are expensive and require highly qualified personnel and dedicated facilities. As a result of these limitations, traditional LC-MS/MS is not amenable for use on farms or at small to midsized processing facilities, such as a grain elevator. To address the need for on-site rapid testing, the mycotoxin community has focused on antibody-based and spectrophotometric approaches. The development of innovative technologies such as miniaturized MS would allow for the acquisition of more information on mixtures of toxins present in a sample at costs comparable to those of the existing rapid methods such as ELISA. The capital costs are higher, but it would reduce per-sample testing costs and time requirements and provide better value for money while maintaining the accuracy and selectivity achieved in a laboratory setting. In this article, we review the available techniques and contrast them in the context of three main criteria: method performance, speed of analysis, and cost. We define the integration of these three parameters as the "mycotoxin testing paradigm."
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 | 0,000 | 0,000 |
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».