Repackable microfluidic molecularly imprinted solid-phase extraction coupled with mass spectrometry (μMISPE-MS) for rapid analysis of mycotoxin in agri-foods: an example of zearalenone
Notice bibliographique
Résumé
Mycotoxins are detectable in 60-80% of food crops, posing significant threats to human health and food security, and causing substantial economic losses. Most mitigation approaches focus on detecting mycotoxins with standard methods based on liquid chromatography coupled with mass spectrometry (LC-MS). Typical MS methods require extensive sample preparation and clean-up due to the matrix effect, followed by time-consuming LC separation, complicating the analysis process and limiting analytical throughput. This study reports the development of a repackable microfluidic molecularly imprinted solid-phase extraction coupled with mass spectrometry (μMISPE-MS) method for rapid detection of zearalenone in agri-food samples. Silica microspheres coated with molecularly imprinted polymers were synthesized as the sorbent for analyte enrichment and sample clean-up. A cost-effective microfluidic chip was designed and fabricated as the μMISPE platform with fully automated operation, including on-line microcolumn packing and unpacking. With optimized solvent conditions and on-chip μMISPE protocol, the entire analytical process from sample to answer was completed within 15 min and achieved high recoveries (71-94%) for corn and rice samples at residue levels of 0.05-0.5 ppm (within Canadian regulatory limits of 0.2-10 ppm). This μMISPE-MS method provides a promising tool for improving mycotoxin monitoring in agri-food systems and is generalizable to other rapid analyses of targeted chemicals in complex matrices.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| 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 ».