MétaCan
Menu
Retour à la cohorte
Enregistrement W3096562463 · doi:10.1093/jaoacint/qsaa147

Tutorial for the Characterization of Fatty Acid Methyl Esters by Gas Chromatography with Highly Polar Capillary Columns

2020· article· en· W3096562463 sur OpenAlexaff
Pierluigi Delmonte, Andrea Milani, John K. G. Kramer

Notice bibliographique

RevueJournal of AOAC International · 2020
Typearticle
Langueen
DomaineChemistry
ThématiqueAnalytical Chemistry and Chromatography
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésChromatographyElutionChemistrySelectivityGas chromatographyFatty acid methyl esterFatty acidCapillary actionSiloxaneChemical polarityPolyethylene glycolOrganic chemistryDipoleMaterials scienceBiodieselPolymer

Résumé

récupéré en direct d'OpenAlex

The fatty acid composition of fats and oils is commonly determined by gas chromatography after preparing fatty acid methyl esters (FAME). Capillary columns coated with polyethylene glycol emerged as the preferred separation tool for the quantification of the polyunsaturated fatty acids contained primarily in marine oils. However, their selectivity is inadequate for measuring the trans fatty acids (TFA) contained in refined vegetable oils, dairy fats, and marine oils. Highly polar 100% poly(biscyanopropyl siloxane) capillary columns provide the necessary selectivity, but small differences in the phase polarity caused by column age, conditioning, or manufacturing variations affect the reproducibility of their separations of these complex samples. In this study, a simple procedure is described to compensate for small variations in column selectivity by adjusting the elution temperature. The balance between the dipole-induced dipole interactions and dispersive interactions was determined by measuring selectivity factors [SF(i)] corresponding to the elution of an unsaturated FAME such as 18:3n-3 relative to two saturated FAME such as 20:0 and 22:0. Knowing the SF(i) provided by the installed capillary column at a given elution temperature, and the SF(i) of the target separation, we propose a simple calculation to determine the necessary elution temperature adjustment to achieve (or restore) the desired separation. After determining the SF(i) which provides the optimal separation of TFA, the novel methodology was applied to the separation of refined vegetable oils, butter fats, and marine oils.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,086
Score d'incertitude au seuil0,287

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,002
Science ouverte0,0030,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0860,067

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 Opus0,008
Tête enseignante GPT0,215
Écart entre enseignants0,207 · 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'étudeSans objet
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

Citations12
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of AOAC InternationalMême sujetAnalytical Chemistry and ChromatographyTravaux en français237 207