Determination of icewine lipids by Ultra High Performance Liquid Tandem Chromatography Quadrupole Time-of-Flight Mass Spectrometry
Notice bibliographique
Résumé
Backgroud: Icewine is a unique food in the world. Lipids in icewine are nutritious and healthy for humans. However, limited studies are available on the qualitative and quantitative analysis of icewine. Method: UPLC-QTOF-MS approach to study lipids in icewine. Bioinformatics strategies will expand the applications of lipidomics in food science,OPLS-DA) was performed to visualise group separation and recognized significantly transform metabolites. Results: In the present study, lipid molecules belonging to 5 classes were qualitatively and quantitatively analysed. The lipids studied were as track: 102 triacylglycerols (TAG), 18 free fatty acids (FFA), 5 diacylglycerols (DAG), 6 ceramides and sphingosine-1-phosphate (Cer), and 1 N-palmitoyl-D-erythro-sphingosylphosphorylcholine (SM). The Shangri-La icewine has higher TAG and FFA content than the Canadian icewine. However, in Canadian icewine samples, the DAG (16:0/16:1) content (398.26 μg/mL) was higher than that of Shangri-La icewine specimens (522.43 μg/mL). The SM (14:0) content in Canadian icewine was higher than that of Shangri-La icewine. Conclusion:UPLC-QTOF-MS is an effective method for detecting lipids in icewine samples. The primary fundamental lipids in icewine samples were TAG, FFA, DAG, Cer, and SM. Therefore, Shangri-La icewine is more nutritious for human health than Canadian icewine.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».