Strategy for Accurate Detection of Six Tropane Alkaloids in Honey Using Lateral Flow Immunosensors
Notice bibliographique
Résumé
Honey, a widely consumed food, is susceptible to contamination by various toxic substances during production. Tropane alkaloids, with their potent neurotoxicity, are frequently found in honey. Hence, there is an acute need for rapid and effective detection methods to monitor these alkaloids. Lateral flow immunoassay (LFIA), known for its simple operation, low cost, and reliable results, holds great promise. In this study, we developed an efficient and user-friendly analytical method for the simultaneous detection of six tropane alkaloids (atropine, L-hyoscyamine, scopolamine, anisodamine, homatropine, and apoatropine) in honey based on an AuNPs lateral flow immunoassay (AuNPs-LFIA) with broad-spectrum antibodies. Under optimal conditions, the calculated detection limits were 0.22, 0.29, 0.51, 6.34, 0.30, and 0.94 ng/mL, respectively. By diluting the honey sample five times, the contaminants can be readily detected using LFIA. Semi-quantitative and quantitative analyses can be completed within 17 min. This innovative method fills the void in LFIA for detecting tropane alkaloids and serves as a valuable reference for LFIA detection of honey samples, providing a crucial strategy for the accurate detection of these important compounds.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».