MétaCan
Menu
Retour à la cohorte
Enregistrement W4221115288 · doi:10.1016/j.foodchem.2022.132648

Development of quantum dot-linked immunosorbent assay (QLISA) and ELISA for the detection of sunset yellow in foods and beverages

2022· article· en· W4221115288 sur OpenAlexaff
Long Xu, Fanfan Yang, Alberto Carlos Pires Dias, Xiaoying Zhang

Notice bibliographique

RevueFood Chemistry · 2022
Typearticle
Langueen
DomaineChemistry
ThématiqueDye analysis and toxicity
Établissements canadiensUniversity of Guelph
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésPhotobleachingChemistryMonoclonal antibodyQuantum dotIC50Detection limitChromatographyFood scienceFood productsMolecular biologyFluorescenceAntibodyBiochemistryNanotechnologyBiologyIn vitroMaterials sciencePhysicsImmunology

Résumé

récupéré en direct d'OpenAlex

Sunset yellow (SY) is widely used as food colorant. Excess and illegal use of SY could pose potential health risk. Quantum dots have been successfully used in biological research due to the high photoluminescence and high resistance to photobleaching. To analyze SY efficiently, quantum dot-linked immunosorbent assay (QLISA) and enzyme-linked immunosorbent assay (ic-ELISA) were developed on the basis of generated monoclonal antibody. A carboxyl group was introduced to SY and coupled with carrier proteins to synthesize artificial antigen. Under the optimal conditions, inhibitory concentrations (IC50) of SY were 1.9 ng/mL (ic-ELISA) and 3.4 ng/mL (QLISA); the limits of detection (LODs) were 0.2 ng/mL (ic-ELISA) and 1.0 ng/mL (QLISA), respectively. Cross-reactivities of the mAb toward eight kinds of analogues were<0.01%. The recovery rates in spiked foods and beverages were 75.6%∼120.1% (ic-ELISA) and 74.0%∼114.1% (QLISA), respectively.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
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: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,017
Tête enseignante GPT0,233
Écart entre enseignants0,216 · 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

Citations53
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFood ChemistryMême sujetDye analysis and toxicityTravaux en français237 207