MétaCan
Menu
← Retour à la cohorte
Enregistrement W4406887531 · doi:10.17504/protocols.io.e6nvw9dpzgmk/v3

Lipids in microalgae: Quantitation by acid-dichromate method in microtiter plate v2

2024· preprint· en· W4406887531 sur OpenAlexaff
Yingyu Hu, Zoe V. Finkel

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnergy
ThématiqueAlgal biology and biofuel production
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésMicrotiter plateChemistryChromatographyPulp and paper industryEngineering

Résumé

récupéré en direct d'OpenAlex

This protocol describes a method for quantitating total lipids in microalgae using the acid-dichromate method, a widely used colorimetric analysis technique. We present a procedure utilizing a 96-well microtiter plate for safe and efficient sample handling, enabling high throughput. Only 200 - 500 µl of 0.15% acid-dichromate is required per sample, significantly reducing the amount of corrosive and toxic reagent used. Furthermore, we demonstrate that measuring absorbance at 348 nm provides five times higher sensitivity in lipid quantitation compared to absorbance at 440 nm. A preliminary test for lipid-unknown samples is included to minimize uncertainty in the measurements. This test ensures that the method performs reliably within the detection range of 20 to 80 µg of lipids. Without this test, samples with lipid concentrations outside this range (either less than 20 µg or greater than 80 µg) may result in inaccurate or failed measurements. Specifically, samples with concentrations above 80 µg exhibit a linear response with an opposite slope, which could cause lipid concentrations to be underestimated if the calibration curve based on the 20 to 80 µg range is used. Accurate quantification can be achieved with as little as 20 µg, and the working detection limit is approximately 5 µg.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
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: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0040,002
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0030,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,011

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 Opus0,017
Tête enseignante GPT0,299
Écart entre enseignants0,282 · 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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAlgal biology and biofuel production→Travaux en français237 207→