MétaCan
Menu
Retour à la cohorte
Enregistrement W4233247417 · doi:10.32920/ryerson.14654982

Enzyme-linked immunosorbent assay (ELISA) for the screening of dioxins in fish samples

2021· preprint· en· W4233247417 sur OpenAlexaff
Elaine Yu-Lan Chen

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueIdentification and Quantification in Food
Établissements canadiensToronto Metropolitan UniversityUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésChemistryChromatographyFish <Actinopterygii>Silica gelSample preparationGas chromatographyContaminationEnvironmental chemistryFisheryBiologyEcology

Résumé

récupéré en direct d'OpenAlex

Dioxins are environmental contaminants that are toxic to humans. The conventional analytical method for dioxins, gas chromatography - high resolution mass spectrometry, is extremely time-consuming and expensive. Research is needed to find alternative methods that will increase sample throughput while decreasing time and costs associated with dioxin detection. Dioxins readily accumulate in fish tissue and fish are a common food source for humans. Thus, the goal of this research was to develop a screening technique for dioxins in fish samples using enzyme-linked immunosorbent assay (ELISA). Three approaches, each with a different fish sample purification method but all using ELISA detection, were undertaken. This research concluded that the approach of Florisil cleanup followed by ELISA detection (Florisil-ELISA) was suitable as a screening technique. The other two approaches, one using gel permeation chromatography (GPC-ELISA) and the other using acid silica and carbon columns (acid silica/carbon-ELISA) for fish sample cleanup, were not suitable.

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)0,001
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: aucune
Score de désaccord entre enseignants0,563
Score d'incertitude au seuil0,604

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 ouverte0,0010,000
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 Opus0,065
Tête enseignante GPT0,313
Écart entre enseignants0,248 · 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

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetIdentification and Quantification in FoodTravaux en français237 207