Mass Spectrometry and Nutrition Research
Notice bibliographique
Résumé
Mass spectrometry has developed into a platform for the assessment of health, sensory, quality and safety aspects of food. Current nutrition research focuses on unravelling the link between acute or chronic dietary and nutrient intake and the physiological effects at cellular, tissue and whole body level. The bioavailability and bioefficacy of food constituents and dose-effect correlations are key to understanding the impact of food on defined health outcomes. To generate this information, appropriate analytical tools are required to identify and quantify minute amounts of individual compounds in highly complex matrices (such as food or biological fluids) and to monitor molecular changes in the body in a highly specific and sensitive manner. Mass spectrometry has become the method of choice for such work and now has broad applications throughout all areas of nutrition research. This book focuses the contribution of mass spectrometry to the advancement of nutrition research. Aimed at students, teachers and researchers, it provides a link between nutrition and analytical biochemistry. It guides nutritionists to the appropriate techniques for their work and introduces analytical biochemists to new fields of application in nutrition and health. The first part of the book is dedicated to the assessment of macro- and micro-nutrient status with a view to making dietary recommendations for the treatment of diet-related diseases. The second part shows how mass spectrometry has changed nutrition research in fields like energy metabolism, body composition, protein turnover, immune modulation and cardiovascular health.
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 | 0,001 | 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 ».