重金属汚染を検出する生きたセンサーとして細菌を使用 Bacterium used as a live sensor to detect heavy metal contamination
2023-02-23 カリフォルニア大学校アーバイン校(UCI)
Contaminated water is a major source of toxic heavy metal exposure for animals and people. The metabolic stress response of E. coli is used to detect the presence of toxic metals in tap water and wastewater. Difficult to detect heavy metal ions are thereby converted to more easily detectable chemical signals. Regina Ragan / UCI
◆大腸菌は金属イオンの存在下で生化学的反応を示しますが、そのわずかな変化を、化学的に組み立てた金ナノ粒子の光学センサーで観察することができました。クロムやヒ素の曝露に反応して放出される代謝物の光学スペクトルを機械学習で解析したところ、細胞死に至る濃度よりも10億倍も低い濃度の金属を検出することができ、同時に96パーセント以上の高い精度で重金属の種類と量を推定することができました。
◆研究者らによると、このプロセスは約10分で完了し、この研究成果は『Proceedings of the National Academy of Sciences』に掲載されました。
◆大腸菌のような細菌が、安全でない水を検出できることを証明したことに加えて、研究者達は、他の必要な要素である、分子精度で組み立てられた金ナノ粒子と機械学習アルゴリズムにスポットを当て、彼らの監視システムの感度を大幅に向上させました。ラガンによると、このシステムは、ヒ素、カドミウム、クロム、銅、鉛、水銀などの金属毒素を、規制値より数桁低いレベルで検出し、汚染の早期警告を行うために応用できるという。
◆この研究において、科学者たちは、学習したアルゴリズムを未見の水道水や廃水サンプルに適用することができ、このシステムは世界中のあらゆる水源や供給源に一般化することができると説明しています。
◆”安全な水へのアクセスは、人々と地球の健康のために必要です。”と付け加えました。”汚染や気候変動に直面する水の安全保障の解決策の重要な一部として、水供給における様々な汚染物質の導入を監視するために、低コストで大量生産できる新しい技術が必要とされています。”
＜関連情報＞
- https://news.uci.edu/2023/02/23/uc-irvine-researchers-create-e-coli-based-water-monitoring-technology/
- https://www.pnas.org/doi/10.1073/pnas.2210061120
大腸菌の代謝反応を解読し、水中の微量重金属を感知することに成功 Decoding the metabolic response of Escherichia coli for sensing trace heavy metals in water
Hong Wei,Yixin Huang,Peter J. Santiago,Khachik E. Labachyan,Sasha Ronaghi,Martin Paul Banda Magana,Yen-Hsiang Huang,Sunny C. Jiang,Allon I. Hochbaum,Regina Ragan
Proceedings of the National Academy of Sciences Published:February 6, 2023
DOI:https://doi.org/10.1073/pnas.2210061120
Significance
The biochemical network stress response of Escherichia coli reports the presence of heavy metal contaminants in water when integrated with optical sensors. Machine learning analysis of the vibrational spectra of metabolites released in response to chromium and arsenic exposure detects concentrations 108 times lower than those leading to cell death. Heavy metal type and concentration are determined with accuracy exceeding 92%, which is promising for longitudinally monitoring changes in water quality. Transfer learning of trained algorithms is further demonstrated to be generalizable to unseen tap water and wastewater samples where data acquisition requires less than 10 min for evaluation of water quality.
Abstract
Heavy metal contamination due to industrial and agricultural waste represents a growing threat to water supplies. Frequent and widespread monitoring for toxic metals in drinking and agricultural water sources is necessary to prevent their accumulation in humans, plants, and animals, which results in disease and environmental damage. Here, the metabolic stress response of bacteria is used to report the presence of heavy metal ions in water by transducing ions into chemical signals that can be fingerprinted using machine learning analysis of vibrational spectra. Surface-enhanced Raman scattering surfaces amplify chemical signals from bacterial lysate and rapidly generate large, reproducible datasets needed for machine learning algorithms to decode the complex spectral data. Classification and regression algorithms achieve limits of detection of 0.5 pM for As3+ and 6.8 pM for Cr6+, 100,000 times lower than the World Health Organization recommended limits, and accurately quantify concentrations of analytes across six orders of magnitude, enabling early warning of rising contaminant levels. Trained algorithms are generalizable across water samples with different impurities; water quality of tap water and wastewater was evaluated with 92% accuracy.
