MétaCan
Menu
Retour à la cohorte
Enregistrement W4393186548 · doi:10.1016/j.aca.2024.342536

Development of a LC-QTOF-MS based dilute-and-shoot approach for the botanical discrimination of honeys

2024· article· en· W4393186548 sur OpenAlexafffund
Lei Tian, Shaghig Bilamjian, Lan Liu, Caren Akiki, Daniel J. Cuthbertson, Tarun Anumol, Stéphane Bayen

Notice bibliographique

RevueAnalytica Chimica Acta · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueBee Products Chemical Analysis
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Foundation for InnovationAgilent Technologies
Mots-clésChemistryLinear discriminant analysisChromatographyShootMass spectrometryPattern recognition (psychology)Artificial intelligenceBiological systemBotanyComputer science

Résumé

récupéré en direct d'OpenAlex

Honeys of particular botanical origins can be associated with premium market prices, a trait which also makes them susceptible to fraud. Currently available authenticity testing methods for botanical classification of honeys are either time-consuming or only target a few "known" types of markers. Simple and effective methods are therefore needed to monitor and guarantee the authenticity of honey. In this study, a 'dilute-and-shoot' approach using liquid chromatography (LC) coupled to quadrupole time-of-flight-mass spectrometry (QTOF-MS) was applied to the non-targeted fingerprinting of honeys of different floral origin (buckwheat, clover and blueberry). This work investigated for the first time the impact of different instrumental conditions such as the column type, the mobile phase composition, the chromatographic gradient, and the MS fragmentor voltage (in-source collision-induced dissociation) on the botanical classification of honeys as well as the data quality. Results indicated that the data sets obtained for the various LC-QTOF-MS conditions tested were all suitable to discriminate the three honeys of different floral origin regardless of the mathematical model applied (random forest, partial least squares-discriminant analysis, soft independent modelling by class analogy and linear discriminant analysis). The present study investigated different LC-QTOF-MS conditions in a "dilute and shoot" method for honey analysis, in order to establish a relatively fast, simple and reliable analytical method to record the chemical fingerprints of honey. This approach is suitable for marker discovery and will be used for the future development of advanced predictive models for honey botanical origin.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,243
Écart entre enseignants0,211 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAnalytica Chimica ActaMême sujetBee Products Chemical AnalysisTravaux en français237 207