Development of novel methods for the detection of chemical and microbiological contaminants in the agri-food chain
Notice bibliographique
Résumé
The first aim of this research was to evaluate recently developed biosensors for their potential to detect chemical contaminants, chloramphenicol and/or nitrofuran metabolites and, overall their potential for the food industry in their present form, or with further development. The biosensors evaluated were the dotLab® system (Axela Inc., Toronto, Canada), SPRi-Lab+™ system (Horiba Scientific, Stanmore, UK) and Octet® RED96 system (ForteBio Inc., California, USA). All three were able to detect the chosen chemical contaminants in the form of either single- or multi-analyte detection, or both, with two systems, the SPRi-Lab+™ and Octet® RED96, achieving sensitivities equivalent to current minimum required performance limits. The ability to use crude matrices with the Octet® RED96 system, and the additional multiplexing features of both the SPRi-LabFM and Octet® RED96 systems, makes them prospective biosensors in their current form. Pending further development of the dotLab® system's multiplexing features this could be applicable to the dotLab® system also. The second aim of this research was to advance detection methods for two major foodborne pathogens, Salmonella spp. and Listeria monocytogenes, by screening for and employing highly bacteria-specific phage. A novel phage display-derived peptide binder, Peptide MSal020417 with sequence NRPDSAQFWLHH, was identified which results suggest is a genus-specific anti-Salmonella antibody mimicking peptide. A novel phage display-derived phage clone was identified which results suggest is highly specific for L. monocytogenes. These highly specific pathogen binders could be employed in •1 any detection method that traditionally employs an antibody, with the aim to advance the speed and specificity of detection of these foodborne pathogens.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 | 0,001 |
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 ».