Performance assessment of a new G12/A1 antibody-based rapid ELISA using commercially available and gluten-spiked food samples
Notice bibliographique
Résumé
OBJECTIVE: Food products with <20 mg/kg gluten can be labeled 'gluten-free' according to international regulations. Several antibodies-based ELISAs have been develop to track gluten traces in food products. Among them, R5 and G12 antibody-based ELISAs are the frequently used methods. However, these antibodies have certain limitations. We evaluated the accuracy of G12/A1 antibody-based 'Glutentox ELISA Rapid G12' and compared the results with the current reference method i.e., R5 antibody-based 'Ridascreen R5 ELISA'. METHODS: In the first step, the performance of Glutentox ELISA Rapid G12 kit was inspected by determination of the threshold value i.e., > or <20 mg/kg gluten in different food products. In the second step, quantification accuracy was assessed by quantification of gluten in gluten-free food products spiked with gliadin reference material. RESULTS: In total 47 food products (naturally and labeled gluten-free, and food with traces of gluten) were included. Of them, 29 products were quantified with <20 mg/kg, and 18 with a low level of gluten by both the kits. Six out of 29 gluten-free products were used for the recovery test at different spike levels. Gluten concentration and mean recovery rates of individual kits showed consistency. CONCLUSION: GlutenTox Rapid G12 ELISA could be an appropriate choice for detecting gluten in food products but needs more in-house validation and collaborative tests.
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 | 0,005 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,001 |
| 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 ».