Allergic to bureaucracy? Regulatory allergenicity assessments of novel food: Motivations, challenges, compromises, and possibilities
Notice bibliographique
Résumé
New sources of proteins are essential to meet the demands of the growing world population and evolving food trends. Assessing the allergenicity of proteins in novel food (NF) poses a significant food safety regulatory challenge. The Codex Alimentarius Commission presented an allergenicity assessment protocol for genetically modified (GM) foods, which can also be adapted for NF. Since no single laboratory test can adequately predict the allergenic potential of NF, the protocol follows a weight-of-evidence approach, evaluated by experts, as part of a risk management process. Regulatory bodies worldwide have adopted this safety protocol, which, among other things, promotes global harmonization. This review unravels the reliability and various motivations, terms, concepts, and approaches of allergenicity assessments, aiming to enhance understanding among manufacturers and the public. Health Canada, Food Safety Commission JAPAN, and Food Standards Australia New Zealand were surveyed, focusing on the European Food Safety Authority and the US Food Safety Administration for examples of scientific opinions regarding allergenicity assessments for novel and GM foods, from 2019 to 2023. According to our findings, current regulatory allergenicity assessments for NF approval primarily rely on literature reviews. Only a few of the NF assessments proactively presented additional tests. We recommend conducting bioinformatic analyses on NF when a panel of experts deems that there is insufficient prior scientific research.
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 | 0,106 | 0,105 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,017 |
| Communication savante | 0,014 | 0,016 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,006 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».