推进全细胞生物传感器:动力学依赖的代谢SERS分析用于污染物分化和量化
Tianyu Zhou1,2, Zhiyang Zhang1,3, Jiadong Chen4
1CAS Key Laboratory of Coastal Environmental Processes and Ecological Remediation, Research Center for Coastal Environmental Engineering and Technology, Yantai Institute of Coastal Zone Research, Chinese Academy of Sciences, Yantai 264003, China.
这项研究引入了一种使用表面增强拉曼散射 (SERS) 检测多种污染物的全细胞生物传感器 (WCB). 生物传感器有效地区分环境样本中的重金属和和多基物质 (PFAS).
科学领域:
- 环境科学与工程环境科学与工程
- 生物感知和纳米技术
背景情况:
- 全细胞生物传感器 (WCB) 对于环境监测至关重要,但由于低维信号输出,它们往往难以区分多个分析物.
- 现有的使用光的WCB缺乏复杂环境样本所需的多重复合能力.
- 需要先进的WCB,能够同时检测和区分各种污染物.
研究的目的:
- 开发一种基于表面增强拉曼散射 (SERS) 的新型WCB战略,用于检测和区分多种环境污染物.
- 利用细菌对分析物的运动依赖的代谢反应,以增强生物感知能力.
- 建立一个简单有效的平台,用于复杂环境中的污染物分类和量化.
主要方法:
- 使用野生型 *Escherichia coli* (*E. coli*) 作为未经遗传修饰的感应细菌.
- 使用超薄金涂层的银纳米粒子 (Ag@AuNPs) 作为敏感的SERS增强基质.
- 在各种化时间使用机器学习 (ML) 算法进行预测分析,从暴露于污染物的大肠杆菌 (E. coli) 中组合SERS光谱.
主要成果:
- 成功区分了8种重金属 (100%的准确度) 和5种和多基基物质 (PFAS) (≥92%的准确度).
- 已证明Ag@AuNPs的高灵敏度和生物相容性,可检测微量代谢物并最大限度地降低细胞毒性.
- 实现了代表性污染物的精确分类和量化,包括在海水样本中成功检测.
结论:
- 开发的基于SERS的WCB平台提供了一种强大的方法,可以根据代谢反应来区分和量化多种污染物.
- 机器学习算法与SERS光谱的集成为复杂的环境监测提供了强大的预测分析.
- 这种简单而高效的WCB策略显示了实际环境污染检测和管理的巨大潜力.
更多相关视频
08:06Absolute Quantification of Cell-Free Protein Synthesis Metabolism by Reversed-Phase Liquid Chromatography-Mass Spectrometry
Published on: October 25, 2019
06:19Author Spotlight: Advancing SERS Technology: Au@Carbon Dot Nanoprobes for Label-Free Analysis and Imaging
Published on: June 9, 2023
相关概念视频
01:15High-Performance Liquid Chromatography: Types of Detectors
01:17Microbial Biosensors