Разработан специальный сенсор для обнаружения полимеров в сточных водах

Создан специальный сенсор для обнаружения водорастворимых полимеров в сточных водах, являющихся основным фактором загрязнения окружающей среды наравне с микропластиком. Устройство разработано учеными из Токийского технологического института. Новый метод использует преимущества связи, возникающей между пептидами и различными полимерами, для обучения алгоритма машинного обучения, который может идентифицировать большое количество загрязняющих веществ в одном растворе.

От умирающих коралловых рифов до уменьшения популяций рыб - загрязнение моря пластиком является растущей глобальной проблемой. Большая часть разговоров о загрязнении пластиком в последнее время вращается вокруг микропластика - крошечных кусочков пластика, которые очень трудно удалить из воды.

Полимеры - это длинные цепи химических веществ, состоящие из гораздо более мелких повторяющихся единиц. Хотя белки редко ассоциируются с этим термином, их тоже можно считать полимерами, поскольку они состоят из тысяч субъединиц, называемых "аминокислотами". Короткие цепочки этих аминокислот называются пептидами.

Пептиды могут вступать в специфические и неспецифические взаимодействия с молекулами, такими как полимеры, различными способами с разным уровнем сродства. В новом исследовании, опубликованном в журнале ACS Applied Materials & Interfaces, ученые из Токийского технологического института используя эти взаимодействия для разработки нового пептидного сенсора  для определения водорастворимых полимеров в смешанных растворах.


В основе метода лежит пептид, который связывается с синтетическим полимером под названием поли(N-изопропилакриламид) (PNIPAM). Затем они ввели в пептид флуоресцентную "метку" под названием N-(1-анилинонафтил-4) малеимид (ANM), чтобы получить сигналы для различных взаимодействий.

Флуоресценция ANM менялась в зависимости от взаимодействия с пептидом, тем самым давая обнаруживаемый сигнал. Исследователи измерили сигналы от ANM в известных концентрациях растворов различных полимеров и использовали их для обучения алгоритма "линейного дискриминантного анализа", который является одним из видов контролируемого машинного обучения.

Методика была проверена на неизвестных образцах и обнаружили, что датчик и алгоритм могут идентифицировать полимеры в смешанных растворах. Более того, после добавления в растворы небольшого количества этанола или хлорида натрия, чтобы слегка изменить химические взаимодействия, алгоритм машинного обучения мог различать полимеры с похожими свойствами.

Далее ученые протестировали новый пептидный сенсор и алгоритм на реальных сточных водах и подтвердили его способность обнаруживать различные водорастворимые полимеры.