Сильвия Чернея Кларк
Команда исследователей из Университета Райс и Медицинского колледжа Бэйлора разработала новую стратегию выявления опасных загрязнителей в почве, даже тех, которые никогда не были изолированы и не изучались в лаборатории.
Новый подход, описанный в исследовании, опубликованном в «Слушаниях Национальной академии наук», использует на основе световой визуализации, теоретические прогнозы алгоритмов световых сигнатур соединений и машинного обучения (ML) для обнаружения токсичных соединений, таких как полициклические ароматические углеводороды (PAHS) и их производные соединения (PACS) в почве. Распространенный побочный продукт сжигания, ПАУ и PACS были связаны с раком, проблемами развития и другими серьезными проблемами со здоровьем.
Идентификация загрязняющих веществ в почве обычно требует передовых лабораторий и стандартных физических опорных образцов подозреваемых загрязняющих веществ. Однако для многих загрязняющих веществ окружающей среды, которые представляют риск общественного здоровья, нет экспериментальных данных, которые можно использовать для их обнаружения.
«Этот метод позволяет идентифицировать химические вещества, которые еще не были изолированы экспериментально», – сказала Наоми Халас, профессор университета и профессор электрической и компьютерной техники Стэнли С. Мура в Райсе.
В новом методе используется метод визуализации на основе света, известный как спектроскопия комбинационной раманов с усилением поверхности, в которой анализируется, как свет взаимодействует с молекулами, отслеживая уникальные паттерны или спектры, они излучают. Спектры служат «химическими отпечатками пальцев» для каждого соединения. Техника уточняется благодаря использованию фирменных наношарков, предназначенных для улучшения соответствующих признаков в спектрах.
Использование теории функционала плотности ⎯ Техника вычислительного моделирования, которая может предсказать, как атомы и электроны ведут себя в молекуле ⎯ Исследователи подсчитали, как спектры целого диапазона ПАУ и PACS выглядят на основе молекулярной структуры соединений. Это позволило им генерировать виртуальную библиотеку «отпечатков пальцев» для ПАУ и PACS.
Почва, используемая в этом исследовании, была собрана у Харриса Галли, восстановленного водосбора и природной зоны в кампусе Райс Университет. (Фото Брэндона Мартина/Университет Райса)
Два дополнительных алгоритма ML ⎯ Характерное пиковое извлечение и характерное пиковое сходство ⎯ использовались для анализа соответствующих спектральных признаков в реальных образцах почвы и соответствовали им соединениям, отображенным в виртуальной библиотеке спектров.
«Мы используем ПАУ в почве, чтобы проиллюстрировать эту очень важную новую стратегию», – сказал Халас. «Существуют десятки тысяч химических веществ, полученных из ПАУ, и этот подход ⎯ Расчет их спектров и использование машинного обучения для подключения теоретически рассчитанных спектров к тем, которые наблюдаются в образце ⎯, позволяет нам идентифицировать химические вещества, которые мы не можем или не имеем каких-либо экспериментальных данных».
Метод рассматривает критический разрыв в мониторинге окружающей среды, открывая дверь для определения гораздо более широкого спектра опасных соединений, включая те, которые изменились с течением времени. Это особенно важно, учитывая, что почва – это динамичная среда, в которой химические вещества подвергаются преобразованиям, которые могут сделать их трудными для обнаружения.
Томас Сенфтл, доцент попечителя Риса Марш Райс -Райс.
«Вы можете представить, что у нас есть фотография человека, когда он подросток, но теперь им за 30», – сказал Сенфтл. «В моей группе то, что мы делаем, на стороне теории мы можем предсказать, как будет выглядеть картина».
Исследователи проверили метод на почве из восстановленного водосбора и природной зоны, используя как искусственно загрязненные образцы, так и контрольный образец. Результаты показали, что новый подход надежно выбрал даже минутные следы ПАУ, используя более простой и более быстрый процесс, чем обычные методы.
«Этот метод может идентифицировать менее известные и в значительной степени некалированные молекулы загрязняющих веществ PAH и PAC»,-сказал Оара Нейман, ученый-исследователь риса, который является соавтором исследования.
Наоми Халас и Анкит Патель (фотографии Джеффа Филоу/Райс Университет)
В будущем этот метод может обеспечить полевые тестирование на месте путем интеграции алгоритмов ML и теоретической спектральной библиотеки с портативными комбинационными устройствами в мобильную систему, что облегчает фермерам, сообществам и агентствам окружающей среды проверять почву на предмет опасных соединений без необходимости отправлять образцы в специализированные лаборатории и дни ожидания.
Анкит Патель, доцент кафедры электрической и компьютерной инженерии в Райсе и доцент кафедры нейробиологии в Бэйлоре, является соответствующим автором в исследовании вместе с Халасом.
Другие соавторы риса включают докторскую квасца по информатике Yilong Ju; докторанты Сара Денисон, Пейсуан Джин и Андрес Санчес-Альварадо; Питер Нордлландер, председатель Wiess по физике и астрономии и профессор электротехники и компьютерной инженерии, материаловедения и наноинженерии; и Педро Альварес, профессор Гражданской и экологической инженерии Джорджа Р. Брауна.
Исследование было поддержано Национальными институтами здравоохранения (P42ES027725-01), Фондом Уэлча (C-1220, C-1222) и стипендией Carl и Lillian Illig (Smalley-Curl Institute, H20398-239440). Содержание здесь является исключительно ответственностью авторов и не обязательно представляет официальные взгляды финансирующих организаций и учреждений.
Райсский университет
