Toxic Analysis of Leaf Protein Concentrate Regarding Common Agricultural Residues
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
Background: Potential resilient foods which help reduce hunger are converting the ~998 million tons of agricultural residue generated each year into human edible food. Although it is possible to extract Leaf Protein Concentrate (LPC) from agricultural residues, it is not widely practiced because both toxicity and yields of the protein concentrates have not been widely investigated in the most common agricultural residues.Methods: To fill this knowledge gap, this study uses high-resolution mass spectrometry and an open-source toolchain for non-targeted screening of toxins of nine agricultural plant residues in October 2021; it included seven agricultural residues: corn/maize, wheat, barley, alfalfa, yellow pea, sunflower, canola/rapeseed, and two weeds/agricultural residues of kochia, and round leaf mallow.Results: The average yield ranged from about 7 to 14.5% for the nine LPCs investigated. According to the results, yellow pea, round leaf mallow, and canola are recommended for further investigation and scaling as they appear to be fit for human consumption based on the lack of dangerous toxins found in the analysis performed in this study.Conclusion: All the compounds identified in these samples have either been approved by international regulatory boards for safe consumption or are known to be present in common beverages. The other agricultural residues require additional quantification of the toxins identified as it will determine the actual risk for human consumption. Overall, the potential for LPC to provide more needed calories from existing agricultural practices is extremely promising, but substantial amount of future work is needed to screen LPCs in all the agricultural residues depending on harvesting, handling, and storage conditions.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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