Araştırmacılar Su Kirliliğiyle Mücadelede Yeni Bir Polimer Algılama Yöntemi Geliştirdi
Fotoğraf: Tek bir peptit sensöründen gelen çoklu optik sinyallerin ayırt edilmesi yoluyla suda çözünür polimerlerin tanımlanmasının şematik gösterimi.
Tokyo Teknoloji Enstitüsü’nden bilim adamları tarafından, mikroplastiklerle eşit düzeyde kirliliğe büyük katkıda bulunan atık sudaki suda çözünür polimerleri tespit etmek için bir peptit sensörü geliştirilmiştir. Yeni teknik, tek bir çözümde çok sayıda kirleticiyi tanımlayabilen bir makine öğrenimi algoritması eğitmek için peptitler ve farklı polimerler arasında oluşan bağdan yararlanıyor.
Ölmekte olan mercan resiflerinden azalan balık popülasyonlarına kadar, plastiklerden kaynaklanan deniz kirliliği büyüyen bir küresel kirliliktir. Plastik kirliliği konusundaki bilgilerin çoğu, sudan çıkarılması son derece zor olan mikro plastikler hakkındadır. Ancak, özellikle toprak ve su ortamları için oluşturdukları risklerle ilgili olarak, bir deniz kirliliği kaynağı olarak suda çözünür sentetik polimerlere artan bir ilgi vardır. Suda çözünür olduklarından normal filtrasyon (ayırma) teknikleri kullanılarak geri kazanılmamaktadır. Bu kirleticileri ortadan kaldırmak için alternatif yaklaşımlar geliştirilmelidir. Bu nedenle suda çözünür polimer kirleticinin tam yapısını anlamak ve atık sudaki miktarını ölçmek, araştırmacıların ilgisini çekti.
Polimerler, çok daha küçük ve tekrar eden birimlerden oluşan uzun kimyasal zincirlerdir. Terimle nadiren ilişkilendirilmelerine rağmen, proteinler de “amino asitler” adı verilen binlerce alt birimden oluştukları için polimer olarak düşünülebilmektedir. Bu amino asitlerin kısa zincirlerine peptit denir. Peptitler, polimerler gibi moleküllerle farklı afinite seviyelerine sahip farklı şekillerde spesifik ve spesifik olmayan etkileşimlere girebilir.
ACS Applied Materials & Interfaces’de yayınlanan yeni bir çalışmada, Tokyo Teknoloji Enstitüsü’nden (Tokyo Tech) araştırmacılar, karışık çözeltilerde suda çözünür polimerlerin tanımlanması için yeni bir peptit sensörü geliştirmek için bu etkileşimlerden yararlandı. Araştırmayı yöneten Profesör Takeshi Serizawa, “Tekniğimiz, memeli koku ve tat ayrımını taklit eden bir makine öğrenme modeli analizine dayanıyor. Tıpkı burnumuz ve dilimizin sınırlı sayıda reseptör proteini kullanarak sayısız koku ve tadı ayırt edebilmesi gibi, tek peptit sensörümüz de çoklu polimerleri ve diğer molekülleri tespit etmek için kullanılabilir.” diyor.
Araştırma ekibi, tekniği poli(N-izopropilakrilamid) (PNIPAM) adı verilen sentetik bir polimere bağlanan bir peptit etrafında oluşturdu. Daha sonra, farklı etkileşimleri için sinyaller elde etmeye yardımcı olmak için peptit içine N-(1-anilinonaftil-4)maleimid (ANM) adı verilen floresan bir “etiket” yerleştirdiler. ANM’nin flüoresansı, peptidin etkileşimine bağlı olarak değişti, böylece saptanabilir bir sinyal verdi. Araştırmacılar, ANM’den gelen sinyalleri farklı polimerlerin bilinen çözelti konsantrasyonlarında ölçtüler ve bunu, denetimli makine öğreniminden biri olan bir “doğrusal diskriminant analizi” algoritmasını eğitmek için kullandılar (bkz. fotoğraf). Daha sonra tekniklerini bilinmeyen örneklerle doğruladılar ve sensör ve algoritmanın karışık çözeltilerdeki polimerleri tanımlayabildiğini buldular. Ayrıca, kimyasal etkileşimleri hafifçe değiştirmek için çözeltilere az miktarda etanol veya sodyum klorür eklendikten sonra, makine öğrenme algoritması benzer özelliklere sahip polimerlere karşı ayrım yapabilir hale geldi.
Son olarak, yeni peptit sensörünü ve algoritmasını gerçek atık su üzerinde test ettiler ve farklı suda çözünür polimerleri algılama yeteneğini doğruladılar. Dr. Serizawa, “Tekniğimiz sadece sudaki polimer gibi çözünmüş makromoleküler kirleticileri tespit etmek için değil, aynı zamanda çevreye nasıl girdiklerini analiz etmek için de kullanılacak.” diyor. Araştırma ekibi, yöntemi diğer peptitleri ve polimerleri de kapsayacak şekilde genişletmeyi planlıyor.
Kaynak: phys.org
