Effect of soaking conditions on glyphosate absorption in selected pulses: understanding solvent behaviour and morphological changes
Notice bibliographique
Résumé
Pesticides are being used in agriculture in an unregulated and imprecise way, resulting in food grains having varying amounts of pesticide residues after harvest. Using farm samples to develop a new technique to determine the pesticide residue levels might result in inconsistent results. There is currently no specific technique for preparing the standard pulse samples with appropriate levels of glyphosate residual levels. The objective of this study was to develop a standard method for glyphosate spiking by evaluating the absorption of glyphosate in six types of pulses (chickpea, yellow pea, red lentil, large green lentil, French green lentil, and black beluga lentil) at four different concentrations (5 mg/kg, 10 mg/kg, 15 mg/kg and 20 mg/kg) using two different solvents (water and water + ethanol (50:50)). Both the type of pulse and nature of solvent significantly affected the glyphosate absorption. The highest glyphosate absorption as determined by ELISA was observed when water was used as solvent in all pulses and at all concentration levels. The values ranged from 3.45–17.46, 4.13–18.31, 4.08–17.09, 4.11–18.40, 4.99–18.43 and 4.56–18.04 mg/kg for yellow pea, chickpea, large green lentil, French green lentil, red lentil, and black beluga lentil, respectively. Among the pulses, the absorption was highest in red lentil and lowest in large green lentil, which can be attributed to their maximum moisture absorption capacity. Further, the colour changes were lower in water + ethanol solvent than water only probably due to the colour retention properties of ethanol. The results obtained with this technique showed the potential of preparing standard pulse samples with known glyphosate levels.
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 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 | 0,000 |
| 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) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».