Imaged capillary isoelectric focusing and online mass spectrometry for milk whey protein characterization in dairy products
Notice bibliographique
Résumé
Characterizing major bovine milk proteins, including whey and casein, is of significant interest in the dairy industry. The diverse array of protein proteoforms can be different in terms of genetic variation, breed ways, lactation stage, and animal nutritional status. Current routine methods for bovine milk protein profiling are typically based on immunological techniques, infrared spectroscopy, slab gel isoelectric focusing, capillary electrophoresis, and high-performance liquid chromatography. However, there are obvious disadvantages of existing approaches including low throughput, tedious operation, unsatisfactory repeatability, and lack of robust quantitation capability. In this study, we present a novel approach that, for the first time, combines imaged capillary isoelectric focusing with mass spectrometry to separate and characterize whey proteins in milk products. The established method provided a rapid, repeatable, accurate, and simultaneous analysis of α-lactalbumin, β-lactoglobulin A, and β-lactoglobulin B within 10 min for diverse bovine milk samples. The methodology was systematically validated regarding repeatability of pI and peak area, sensitivity, linearity and recovery. The integration of high-resolution mass spectrometry with nano-electrospray ionization and icIEF has been pivotal in accurately identifying intact whey proteins in milk products. This approach has significantly enhanced the precise characterization of protein proteoforms in milk.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».