MétaCan
Menu
Retour à la cohorte
Enregistrement W2969420321 · doi:10.1039/c9ra05060d

Identification of donkey meat in foods using species-specific PCR combined with lateral flow immunoassay

2019· article· en· W2969420321 sur OpenAlexafffund
Liangjuan Zhao, Marti Z. Hua, Shenmiao Li, Jinyu Liu, Wenjie Zheng, Xiaonan Lu

Notice bibliographique

RevueRSC Advances · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueIdentification and Quantification in Food
Établissements canadiensVancouver Biotech (Canada)University of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaTianjin Normal University
Mots-clésDonkeyImmunoassayIdentification (biology)ChromatographyChemistryFood scienceBiologyAntibodyBotanyGenetics

Résumé

récupéré en direct d'OpenAlex

DNA extract was achieved and as low as 0.001% w/w (raw) and 0.01% w/w (cooked) donkey meat in beef were successfully detected using the developed PCR-LFI. LFI strip-based visualization of PCR products allowed for a 10-fold higher sensitivity than conventional gel electrophoresis and significantly reduced the analysis time for the post-PCR analysis. This PCR-LFI is highly suitable for rapid identification of donkey or incorporating into multiplex screening protocol for other meat authentication in the laboratories of both regulatory agencies and commercial services.

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 enseignants0,043
Score d'incertitude au seuil0,481

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 Opus0,017
Tête enseignante GPT0,261
Écart entre enseignants0,244 · 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

Citations14
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRSC AdvancesMême sujetIdentification and Quantification in FoodTravaux en français237 207