MétaCan
Menu
Retour à la cohorte
Enregistrement W4378513031 · doi:10.3390/biomass3020011

Yield and Toxin Analysis of Leaf Protein Concentrate from Common North American Coniferous Trees

2023· article· en· W4378513031 sur OpenAlexafffund
Maryam Mottaghi, Theresa K. Meyer, Ross Tieman, David Denkenberger, Joshua M. Pearce

Notice bibliographique

RevueBiomass · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueNuclear Issues and Defense
Établissements canadiensWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésBiomass (ecology)BiologyToxinBotanyAgronomy

Résumé

récupéré en direct d'OpenAlex

In the event of an abrupt sunlight reduction scenario, there is a time window that occurs between when food stores would likely run out for many countries (~6 months or less) and ~1 year when resilient foods are scaled up. A promising temporary resilient food is leaf protein concentrate (LPC). Although it is possible to extract LPC from tree biomass (e.g., leaves and needles), neither the yields nor the toxicity of the protein concentrates for humans from the most common tree species has been widely investigated. To help fill this knowledge gap, this study uses high-resolution mass spectrometry and an open-source toolchain for non-targeted screening of toxins on five common North American coniferous species: Western Cedar, Douglas Fir, Ponderosa Pine, Western Hemlock, and Lodgepole Pine. The yields for LPC extraction from the conifers ranged from 1% to 7.5%. The toxicity screenings confirm that these trees may contain toxins that can be consumed in small amounts, and additional studies including measuring the quantity of each toxin are needed. The results indicate that LPC is a promising candidate to be used as resilient food, but future work is needed before LPCs from conifers can be used as a wide-scale human food.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,995
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,031
Tête enseignante GPT0,294
Écart entre enseignants0,263 · 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

Citations3
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBiomassMême sujetNuclear Issues and DefenseTravaux en français237 207