Determination of mycotoxins in nuts, cereals, legumes, and coffee beans and effectiveness of a selenium‐based decontamination treatment
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Liquid chromatography‐tandem mass spectrometry (LC‐MS/MS) was used for the rapid quantification of multiple mycotoxins, specifically aflatoxins B 1 , B 2 , G 1 , and G 2 (AFB 1 , AFB 2 , AFG 1 , and AFG 2 ), ochratoxin A (OTA), deoxynivalenol (DON), and zearalenone (ZEN), in walnuts, pistachios, peanuts, coffee beans, rice, and chickpeas from various countries. Total counts of fungi, Aspergillus flavus, and Aspergillus parasiticus were also assessed, along with the effectiveness of a decontamination treatment with inorganic selenium to reduce mycotoxin levels. Of the 78 samples tested, 69% were contaminated with mycotoxins. ZEN, the predominant mycotoxin contaminant, was detected in all the contaminated samples in concentrations often exceeding the maximum level, followed by AFG 1 (28% of the contaminated samples), DON (22%), AFG 2 (11%), and AFB 1 (5.5%). The occurrence of aflatoxins was associated with high proportions of A. flavus and A. parasiticus . Complete removal of AFB 1 from walnuts and DON from roasted coffee beans was achieved by treatment with aqueous selenium, while the levels of ZEN and AFG 1 were respectively lowered by 65% to 89% depending on the commodity and by about 56% in roasted coffee beans. While this novel treatment is a promising approach for mycotoxin decontamination, it is not intended to replace safe practices upstream.
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.
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 | 0,001 | 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) | 0,000 | 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 découle