Advancing In Situ Food Monitoring through a Smart Lab‐in‐a‐Package System Demonstrated by the Detection of <i>Salmonella</i> in Whole Chicken
Notice bibliographique
Résumé
Abstract With food production shifting away from traditional farm‐to‐table approaches to efficient multistep supply chains, the incidence of food contamination has increased. Consequently, pathogen testing via inefficient culture‐based methods has increased, despite its lack of real‐time capabilities and need for centralized facilities. While in situ pathogen detection would address these limitations and enable individual product monitoring, accurate detection within unprocessed, packaged food products without user manipulation has proven elusive. Herein, “Lab‐in‐a‐Package” is presented, a platform capable of sampling, concentrating, and detecting target pathogens within closed food packaging, without intervention. This system consists of a newly designed packaging tray and reagent‐infused membrane that can be paired universally with diverse pathogen sensors. The inclined food packaging tray maximizes fluid localization onto the sensing interface, while the membrane acts as a reagent‐immobilizing matrix and an antifouling barrier for the sensor. The platform is substantiated using a newly discovered Salmonella‐responsive nucleic acid probe, which enables hands‐free detection of 103 colony forming units (CFU) g−1 target pathogen in a packaged whole chicken. The platform remains effective when contamination is introduced with toolsand surfaces, ensuring widespread efficacy. Its real‐world use for in situ detection is simulated using a handheld fluorescence scanner with smartphone connectivity.
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) | 0,000 | 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».