MétaCan
Menu
Retour à la cohorte
Enregistrement W3199369709 · doi:10.24203/ajafs.v9i4.6706

An Explanation of Subsurface Optical Pathways through Food Myosystems and their Effect on Colorimetry

2021· article· en· W3199369709 sur OpenAlexaff
H. J. Swatland

Notice bibliographique

RevueAsian Journal of Agriculture and Food Sciences · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealthcare Regulation
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésMyofibrilSarcomereChemistryBiophysicsScatteringAbsorbanceChromaticityOptical fiberLight scatteringOpticsMaterials scienceMyocyteBiochemistryBiologyPhysicsChromatography

Résumé

récupéré en direct d'OpenAlex

Light may pass along and across the long axes of muscle fibers in any food myosystem. Thus, incident light may be scattered in several ways before some of it reappears at the surface as diffuse reflectance. Pathways may be short if scattering is strong, or long if scattering is weak. Short pathways minimize selective absorbance by chromophores such as myoglobin, while long pathways maximize selective absorbance. Many food myosystems exhibit a post-mortem decrease in pH caused by anaerobic glycolysis with a series of microstructural changes – glycogen granules between myofibrils are lost, myofibrils shrink laterally as myofilaments move closer together, water moves from within myofibrils to the space between them, muscle fiber membranes leak and lose their electrical capacitance, and myoglobin is flushed into the fluid filled spaces between muscle fibers. These changes increase scattering of light passing across the long axes of muscle fibers. Scattering of light along muscle fibers is caused by sarcomere discs (A-bands). Interference from one or a small number of sarcomere discs may cause iridescence, but in most cases interference from numerous discs causes achromatic diffuse reflectance. Commission International de l’Éclairage (CIE) chromaticity coordinates were calculated for various subsurface optical pathways. Pathways across versus along muscle fibers had a strong effect on CIE y (r = 0.84, P < 0.01) and an even stronger effect on CIE Y% (r = 0.95, P < 0.005).

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,071
Tête enseignante GPT0,364
Écart entre enseignants0,293 · 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'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

Citations5
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Journal of Agriculture and Food SciencesMême sujetHealthcare RegulationTravaux en français237 207