Tecnologia de monitoramento de água baseada em E. coli

coli exibe uma resposta bioquímica na presença de íons metálicos, uma pequena mudança que os pesquisadores puderam observar com sensores ópticos de nanopartículas de ouro montados quimicamente. Por meio de uma análise de aprendizado de máquina dos espectros ópticos de metabólitos liberados em resposta à exposição ao cromo e ao arsênico , os cientistas conseguiram detectar metais em concentrações um bilhão de vezes menores do que as que levam à morte celular - ao mesmo tempo em que conseguem deduzir o tipo de metal pesado e quantidade com mais de 96 por cento de precisão.

O processo, que segundo os pesquisadores pode ser realizado em cerca de 10 minutos, é objeto de um estudo publicado na Proceedings of the National Academy of Sciences.

“Este novo método de monitoramento de água desenvolvido por pesquisadores da UCI é altamente sensível, rápido e versátil”, disse a coautora Regina Ragan, professora de ciência e engenharia de materiais da UCI.

“Ele pode ser amplamente implantado para monitorar toxinas em suas fontes na água potável e de irrigação e no escoamento agrícola e industrial. Este sistema pode fornecer um alerta precoce de contaminação por metais pesados para proteger a saúde humana e os ecossistemas”.

A água contaminada é uma importante fonte de exposição a metais pesados tóxicos para animais e pessoas. A resposta ao estresse metabólico de E. coli é usada para detectar a presença de metais tóxicos na água da torneira e águas residuais. Os íons de metais pesados difíceis de detectar são assim convertidos em sinais químicos mais facilmente

Além de provar que bactérias como E. coli podem detectar água insegura, os pesquisadores destacaram os outros componentes necessários –nanopartículas de ouro montadas com precisão molecular e algoritmos de aprendizado de máquina – que aumentaram muito a sensibilidade de seu sistema de monitoramento.

Após a exposição ao metal pesado, o conteúdo (lisado) das células de E.coli é examinado com um sensor óptico sensível composto de nanopartículas de ouro que são otimizadas para detectar níveis de uma toxina metálica por bactéria em solução. Os algoritmos de aprendizado de máquina aprendem a impressão digital química da resposta ao estresse, que é exclusiva do tipo e da quantidade de toxina metálica, a partir dos espectros ópticos. Modelos ajustados determinam se uma amostra de água desconhecida é segura

Esquema de detecção de metais pesados e espectros SERS de metabólitos chave deslocamento vertical com desvio padrão sombreado acima e abaixo de cada espectro) adquiridos de E. coli cultivada em meio com as concentrações indicadas de (A) K2 Cr2 O7 e (B) NaAsO 2 . Mapa de calor PC1, 2 e 3 de (C) o conjunto de dados Cr6+ e (D) o conjunto de dados As 3+ contendo espectros de lisado do controle e toda a faixa de exposição à concentração de metal

(A) E. coli é cultivada em meio de crescimento suplementado com sais de Cr 6 + ou As3+ . (B) As células são termicamente lisadas e ( C ) o sobrenadante do lisado é depositado nas superfícies SERS. (D) Espectros SERS representativos de nucleotídeos-chave envolvidos em respostas bacterianas ao estresse, ATP, uracil e adenina. (E) Esquema de fabricação de superfícies SERS: uma célula microfluídica com um campo elétrico AC através de eletrodos induz o fluxo EHD para conduzir a montagem lateral e subsequentes reações de reticulação entre Au NP. (F) A imagem de microscopia eletrônica de varredura mostra Au NP formando aglomerados compactos de vários tamanhos. O campo de visão é de 2 μm × 2 μm

Ragan disse que pode ser aplicado para detectar toxinas metálicas – incluindo arsênico, cádmio, cromo, cobre, chumbo e mercúrio – em níveis de magnitude abaixo dos limites regulamentares para fornecer alerta precoce de contaminação.

No estudo, os cientistas explicaram que podem aplicar algoritmos treinados a amostras não vistas de água da torneira e águas residuais, o que significa que o sistema pode ser generalizado para fontes e suprimentos de água em qualquer lugar do mundo.“Esse método de aprendizado de transferência permitiu que os algoritmos determinassem se a água potável estava dentro dos limites recomendados pela Agência de Proteção Ambiental dos EUA e pela Organização Mundial da Saúde para cada contaminante com mais de 96% de precisão e 92% de precisão para águas residuais tratadas”, disse Ragan.“O acesso à água potável é necessário para a saúde das pessoas e do planeta”, acrescentou.

“É necessária uma nova tecnologia que possa ser fabricada em massa a baixo custo para monitorar a introdução de uma série de contaminantes no abastecimento de água como parte crítica da solução para a segurança hídrica diante da poluição e das mudanças climáticas”.