Neue Methode zum Nachweis von Polymeren soll den Kampf gegen die Wasserverschmutzung voranbringen
Auf maschinellem Lernen basierende Technik kann wasserlösliche Polymere erkennen
Wissenschaftler des Tokyo Institute of Technology haben einen Peptidsensor entwickelt, mit dem sich wasserlösliche Polymere in Abwässern aufspüren lassen, die in gleichem Maße wie Mikroplastik zur Verschmutzung beitragen. Die neue Technik nutzt die Bindungen, die zwischen Peptiden und verschiedenen Polymeren entstehen, um einen Algorithmus für maschinelles Lernen zu trainieren, der eine große Anzahl von Schadstoffen in einer einzigen Lösung identifizieren und quantifizieren kann.
Forscher der Tokyo Tech haben einen neuen Peptidsensor entwickelt, der gelöste polymere Schadstoffe im Abwasser aufspürt, indem er die Polymere durch überwachtes maschinelles Lernen klassifiziert.
Toshiki Sawada from Tokyo Institute of Technology
Von sterbenden Korallenriffen bis hin zu schwindenden Fischpopulationen - die Verschmutzung der Meere durch Plastik ist ein wachsendes globales Problem. Ein Großteil der jüngsten Diskussionen über die Verschmutzung durch Plastik drehte sich um Mikroplastik, winzige Plastikteile, die sich nur sehr schwer aus dem Wasser entfernen lassen. Doch das Interesse an wasserlöslichen synthetischen Polymeren als Quelle der Meeresverschmutzung nimmt zu, insbesondere im Hinblick auf die Risiken, die sie für die Boden- und Wasserumwelt darstellen. Da sie wasserlöslich sind, können sie mit den üblichen Filtrationstechniken nicht zurückgewonnen werden. Die Entwicklung alternativer Ansätze zur Entfernung dieser Schadstoffe ist von entscheidender Bedeutung. Daher ist das Verständnis der genauen Beschaffenheit der wasserlöslichen Polymerschadstoffe sowie die Quantifizierung ihrer Menge im Abwasser zu einem Schwerpunkt der Forschung geworden.
Polymere sind lange Ketten aus Chemikalien, die aus viel kleineren, sich wiederholenden Einheiten bestehen. Obwohl sie selten mit diesem Begriff in Verbindung gebracht werden, können auch Proteine als Polymere betrachtet werden, da sie aus Tausenden von Untereinheiten bestehen, die als „Aminosäuren“ bezeichnet werden. Kurze Ketten dieser Aminosäuren werden als Peptide bezeichnet. Peptide können spezifische und unspezifische Wechselwirkungen mit Molekülen, wie z.B. Polymeren, auf unterschiedliche Weise und mit unterschiedlicher Affinität eingehen. In einer neuen Studie, die in der Fachzeitschrift ACS Applied Materials & Interfaces veröffentlicht wurde, haben Forscher des Tokyo Institute of Technology (Tokyo Tech) diese Wechselwirkungen ausgenutzt, um einen neuen Peptidsensor für die Identifizierung wasserlöslicher Polymere in gemischten Lösungen zu entwickeln. „Unsere Technik basiert auf einer auf einer auf maschinellem Lernen basierten Mustererkennung, die die Geruchs- und Geschmacksunterscheidung von Säugetieren nachahmt. So wie unsere Nasen und Zungen mit Hilfe einer begrenzten Anzahl von Rezeptorproteinen zwischen unzähligen Gerüchen und Geschmäckern unterscheiden können, ist auch unser einzelner Peptidsensor dazu in der Lage, mehrere Polymere und andere Moleküle zu erkennen“, so Professor Takeshi Serizawa, der die Studie leitete.
Das Forscherteam entwickelte die Technik auf der Grundlage eines Peptids, das an ein synthetisches Polymer namens Poly(N-isopropylacrylamid) (PNIPAM) bindet. Anschließend fügten sie eine fluoreszierende Markierung namens N-(1-Anilinonaphthyl-4)maleimid (ANM) in das Peptid ein, um Signale für die verschiedenen Wechselwirkungen zu erhalten. Die Fluoreszenz von ANM variierte je nach Wechselwirkung des Proteins und erzeugte so ein nachweisbares Signal. Die Forscher maßen die Signale von ANM in bekannten Lösungskonzentrationen verschiedener Polymere und trainierten damit einen Algorithmus der „linearen Diskriminanzanalyse“, der zum überwachten maschinellen Lernen gehört. Anschließend validierten sie ihre Technik mit unbekannten Proben und stellten fest, dass der Sensor und der Algorithmus Polymere in gemischten Lösungen identifizieren konnten. Nach Zugabe geringer Mengen Ethanol oder Natriumchlorid zu den Lösungen, um die chemischen Wechselwirkungen geringfügig zu verändern, konnte der Algorithmus des maschinellen Lernens zudem Polymere mit ähnlichen Eigenschaften voneinander unterscheiden. Schließlich testeten die Forscher den neuen Peptidsensor und den Algorithmus an tatsächlichem Abwasser und bestätigten seine Fähigkeit, verschiedene wasserlösliche Polymere zu erkennen.
„Unsere Technik kann nicht nur dazu verwendet werden, gelöste makromolekulare Schadstoffe wie Polymere im Wasser aufzuspüren, sondern auch um zu analysieren, wie sie in die Umwelt gelangen“, sagt Dr. Serizawa. Das Forschungsteam plant außerdem, die Methode auf andere Peptide und Polymere auszuweiten.
Mit einer solch wirkungsvollen Forschung als Wegweiser könnte die Sanierung und der Schutz unserer Meeresumwelt bald Realität werden!
Hinweis: Dieser Artikel wurde mit einem Computersystem ohne menschlichen Eingriff übersetzt. LUMITOS bietet diese automatischen Übersetzungen an, um eine größere Bandbreite an aktuellen Nachrichten zu präsentieren. Da dieser Artikel mit automatischer Übersetzung übersetzt wurde, ist es möglich, dass er Fehler im Vokabular, in der Syntax oder in der Grammatik enthält. Den ursprünglichen Artikel in Englisch finden Sie hier.
Originalveröffentlichung
Weitere News aus dem Ressort Wissenschaft
Diese Produkte könnten Sie interessieren
CHSN-O, CN and N Elemental Analyzers von Velp Scientifica
Hochmoderne Elementaranalysatoren für N, CN und CHSN/O in organischen Proben
Konsistente u. Benutzerfreundliche Funktionen für die Elementaranalyse nach offiziellen Standards
HYPERION II von Bruker
FT-IR und IR-Laser-Imaging (QCL) Mikroskop für Forschung und Entwicklung
Untersuchen Sie makroskopische Proben mit mikroskopischer Auflösung (5 µm) in sekundenschnelle
Holen Sie sich die Analytik- und Labortechnik-Branche in Ihren Posteingang
Ab sofort nichts mehr verpassen: Unser Newsletter für Analytik und Labortechnik bringt Sie jeden Dienstag auf den neuesten Stand. Aktuelle Branchen-News, Produkt-Highlights und Innovationen - kompakt und verständlich in Ihrem Posteingang. Von uns recherchiert, damit Sie es nicht tun müssen.
