Rapid determination of heterocyclic amines in ruminant meats using accelerated solvent extraction and ultra-high performance liquid chromatograph–mass spectrometry
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Cooking techniques such as grilling confer several benefits to meat during food preparation including improved palatability, digestibility, preservation, and safety, as well as enhancing the sensory characteristics and net nutritional gain. However, grilling can lead to the formation of harmful compounds such heterocyclic amines (HCAs). HCAs are potent carcinogenic and mutagenic nitrogen containing compounds produced during certain cooking conditions of protein rich foods. Dietary intake of HCAs is associated with increased risk factors for cancers in humans. As such, there is overwhelming interest in identifying improved methods for rapid and accurate determination of heterocyclic amines in food matrices that is sensitive and avoids exhaustive sample preparation steps. Herein, we describe an approach that involves first extracting HCAs by pressurized accelerated solvent extractor using methanol as solvent, followed by addition of internal standard and quantification of HCAs by ultra-high performance liquid chromatography-high resolution accurate mass spectrometric detection (UHPLC-HRAMS). This method is fast, accurate, reproducible and does not require exhaustive sample pre-treatments prior to UHPLC-HRAMS analysis compared to existing/traditional methods for HCA analysis. •The method is automated, fast and uses tunable pressurized liquid extractor to selectively extract HCAs•Method does not require exhaustive cleanup and preconcentration steps prior to UHPLC/HRAMS analysis of HCAs•Validation showed method to be accurate, precise, and useful for routine multi-sample HCA analyses.
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.
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 | 0,001 |
| 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 | 0,000 |
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 découle