Analyse multi-classes de cyanotoxines dans les suppléments alimentaires à base d’algues du marché nord-américain
Bibliographic record
Abstract
Les suppléments alimentaires à base d’algues sont commercialisés pour leurs bénéfices pour la santé ainsi que pour leur valeur nutritionnelle. Cependant, certains de ces produits peuvent être contaminés par des toxines produites par la cooccurrence d’espèces toxigènes. Afin d’évaluer l’ampleur de la contamination en toxines dans différents suppléments disponibles sur le marché nord-américain, nous avons achetés 37 échantillons de spiruline, d’Aphanizomenon flos-aqua, de Chlorella et de varech et les avons analysés pour 27 toxines par des méthodes de chromatographie liquide et de spectrométrie de masse (LC-MS/MS ou LC-HRMS). Nous avons détecté des microcystines dans les huit échantillons d’Aphanizomenon à des niveaux allant jusqu’à 1000 ng/g et de l’acide 2,4-diaminobutyrique (DAB) dans tous les échantillons de suppléments à des concentrations incluses entre 3 et 1600 ng/g. L’anatoxine A (ANA-a) et le β-amino-N-méthylalanine (BAMA) n’ont pas été détectés tandis que les autres toxines ont été détectées de façon plus aléatoire à des concentrations variables, sans lien clair avec l’espèce de l’algue. En considérant ces résultats, les produits à base d’Aphanizomenon devraient faire l’objet d’un contrôle plus strict pour prévenir leur contamination et restreindre la vente de produits contaminés. Ces découvertes seraient également d’intérêt pour les consommateurs afin qu’ils puissent évaluer les risques associés à la consommation régulière de certains suppléments à base d’algues
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".