Exploring DNA quantity and quality from raw materials to botanical extracts
Notice bibliographique
Résumé
OBJECTIVES: The aim of this study was to explore the variability in DNA quality and quantity along a gradient of industrial processing of botanical ingredients from raw materials to extracts. METHODS: A data matrix was assembled for 1242 botanical ingredient samples along a gradient of industrial processing commonly used in the Natural Health Product (NHP) industry. Multivariate statistics was used to explore dependant variables for quality and quantity. The success of attaining a positive DNA test result along a gradient of industrial processing was compared among four biotechnologies: DNA barcoding, NGS, Sanger sequencing and qPCR. RESULTS: There was considerable variance in DNA quality and quantity among the samples, which could be interpreted along a gradient from raw materials with greater quantities (50-120 ng/μL) of DNA and longer DNA (400-500bp) sequences to extracts, which were characterized by lower quantities (0.1-10.0 ng/μL) and short fragments (50-150bp). CONCLUSIONS: Targeted molecular diagnostic tests for species identity can be used in the NHP industry for raw and processed samples. Non-targeted tests or the use of NGS for any identity test needs considerable research and development and must be validated before it can be used in commercial operations as these methods are subject to considerable risk of false negative and positive results. Proper use of these tools can be used to ensure ingredient authenticity, and to avert adulteration, and contamination with plants that are a health concern. Lastly these tools can be used to prevent the exploitation of rare herbal species and the harvesting of native biodiversity for commercial purposes.
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) | 0,000 | 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) | 0,000 | 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 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 ».