Ученые из Токийского технологического института разработали пептидный датчик для обнаружения водорастворимых полимеров в сточных водах, являющихся основным источником загрязнения наравне с микропластиком. Новый метод использует преимущества связи, которая возникает 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 сокращения популяции рыб — загрязнение морской среды пластиком вызывает растущую глобальную озабоченность. Большая часть недавних разговоров о пластиковом загрязнении вращалась вокруг микропластика, крошечных кусочков пластика, которые чрезвычайно трудно удалить из воды. Но растет интерес к водорастворимым синтетическим полимерам как к источнику загрязнения морской среды, особенно в отношении рисков, которые они представляют для почвы и водной среды. Поскольку они растворимы в воде, их нельзя восстановить с помощью обычных методов фильтрации. Ключевым моментом является разработка альтернативных подходов к удалению этих загрязняющих веществ. Таким образом, понимание точной природы водорастворимого полимерного загрязнителя, а также количественная оценка его количества в сточных водах стали главной задачей исследователей.
Полимеры представляют собой длинные цепочки химических веществ, состоящие из гораздо более мелких повторяющихся звеньев. Хотя они редко ассоциируются с этим термином, белки тоже можно рассматривать как полимеры, поскольку они состоят из тысяч субъединиц, называемых «аминокислотами». Короткие цепи 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 ACS Applied Materials & Interfaces, исследователи из Токийского технологического института (Tokyo Tech) использовали эти взаимодействия для разработки нового пептидного сенсора для идентификации водорастворимых полимеров в смешанных растворах. «Наш метод основан на анализе моделей машинного обучения, который имитирует распознавание запаха и вкуса у млекопитающих. Точно так же, как наши носы и языки могут различать мириады запахов и вкусов, используя ограниченное количество рецепторных белков, так и наш единственный пептидный сенсор может использоваться для распознавания запахов и вкусов. обнаруживать множественные полимеры и другие молекулы», — говорит профессор Такеши Серидзава, руководивший исследованием.
Исследовательская группа основала технику на пептиде, который связывается с синтетическим полимером, называемым поли(N-изопропилакриламидом) (PNIPAM). Затем они ввели в пептид флуоресцентную «метку», называемую N-(1-анилинонафтил-4)малеимидом (ANM), чтобы помочь получить сигналы для его различных взаимодействий. Флуоресценция ANM варьировалась в зависимости от взаимодействия пептида, тем самым испуская обнаруживаемый сигнал. Исследователи измерили сигналы от ANM в известных концентрациях растворов различных полимеров и использовали их для обучения алгоритму «линейного дискриминантного анализа», который является одним из контролируемых методов машинного обучения (см. рис. 1). Затем они проверили свою технику на неизвестных образцах и обнаружили, что датчик и алгоритм могут идентифицировать полимеры в смешанных растворах. Более того, после добавления небольшого количества этанола илихлорида натрия в растворы, чтобы немного изменить химические взаимодействия, алгоритм машинного обучения сможет различать полимеры с аналогичными свойствами. Наконец, они протестировали новый пептидный датчик и алгоритм на реальных сточных водах и подтвердили его способность обнаруживать различные водорастворимые полимеры.
«Наш метод можно использовать не только для обнаружения растворенных в воде макромолекулярных загрязнителей, таких как полимеры, но и для анализа того, как они попадают в окружающую среду», — говорит доктор Серидзава. В дальнейшем исследовательская группа планирует распространить этот метод на другие пептиды и полимеры.
