A spectroscopy-based proof-of-concept (POC) for developing loading of pathogen analyzer (LOPA) for dairy products
Notice bibliographique
Résumé
<h2>Abstract</h2> Detection of bacterial contamination in dairy products of daily use is a challenge worldwide. We have utilized Methylene Blue Reduction Test (MBRT) for quantification of the microbial count in dairy products (milk) and developed a proof-of-concept (POC) based on this for in-filed applications. In this study, we have used pasteurized milk contaminated with model bacteria <i>Escherichia coli</i>, and <i>Staphylococcus aureus</i> for the calibration and validation of the developed POC. The conversion of MB to Leuco-MB i.e., the colorimetric change due to the reduction of MB to Leuco-MB in presence of microbes has been utilized as the tool to detect presence of microbes in milk. The absorbance peak for methylene blue (MB) at 664 nm decreases significantly in presence of microbes and the blue color becomes faded. In our study, we have employed methylene blue (MB) discolouration phenomenon to estimate the microbial count in milk samples using our developed spectroscopy based POC. The limit of detection (LOD) and the limit of quantitation (LOQ) of the POC were found to be 0.32 CFU/mL and 0.97 CFU/mL. The end users of the developed POC are primarily those involved in the production, processing, testing, regulation, and research of dairy products to ensure they meet safety standards and protect public health. These include retailers, dairy farmers, dairy processors, quality control laboratories, regulatory agencies and research institutions. In our experiment, we have observed a significant change in MB absorption in the milk contaminated with microbes. The indigenously developed sensor strips designed for the working of the POC turn to colorless Leuco-MB compared to milk without the microbes. The analysis of the strips has been measured in the developed device.
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 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 | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».