Um grupo de pesquisadores da Universidade de Rice e Belal College of Medicine criou uma nova estratégia para identificar poluentes perigosos no terreno, mesmo aqueles que nunca foram separados ou estudados em nenhum laboratório.
Descrito em um estudo publicado na nova abordagem Atividades da Academia Nacional de CiênciasUsando imagens à base de luz, assinaturas de luz composta e algoritmos de aprendizado de máquina (ML) para detectar compostos venenosos, como hidrocarbonetos aeromáticos policíclicos (PAHs) e seus compostos derivativos (PAC) no solo. A queima, PAHs e PAC têm sido associados a um produto geral de Byborn de câncer, problemas de desenvolvimento e outros problemas de saúde graves.
A identificação de poluentes no solo geralmente requer a amostra dos suspeitos e as referências físicas padrão dos suspeitos. No entanto, muitos poluentes ambientais que criam riscos públicos à saúde não estão disponíveis para detectar dados experimentais disponíveis.
“Esse método possibilita detectar produtos químicos que ainda não foram desconectados experimentalmente”, Naomi Halas, professor da Universidade e professor de Stanley C Moore, diz o professor de engenharia elétrica e de computação de Rice.
O novo método usa uma técnica de imagem baseada em luz, conhecida como espectro Raman desenvolvido pela superfície, analisa como entrar em contato com moléculas de luz, rastreia padrões exclusivos ou emite o espectro. O espectro serve como “impressão digital química” para cada composto. A técnica é refinada pelo uso de nanoshels de assinatura projetados para aprimorar os recursos relevantes nos espectros.
Usando a teoria funcional da densidade – uma técnica de modelagem referida que pode prever como átomos e elétrons se comportam na molécula – os pesquisadores calcularam que toda a gama de vistas de PAC de pH e PAC com base na estrutura molecular dos compostos. Ele permite que eles criem uma biblioteca virtual de “impressão digital” para seus PHs e PACs.
Dois picos de algoritmo de ML complementares drenagem de pico e contiveram picos para pausar o espectro relevante em amostras de solo do mundo do mundo e corresponder aos compostos do mapa na biblioteca virtual dos espectros.
Halas disse: “Estamos usando o PHS no terreno para retratar essa nova técnica muito importante”. “Aqui estão milhares de produtos químicos fabricados com PAH e o espectro desse aprendizado de máquina que usam métodos para conectar o espectro para calcular teoricamente o espectro que os EUA detectam produtos químicos que não podemos ou não, pode não haver dados experimentais”.
O método aumenta um intervalo crítico de observação ambiental, abrindo a porta para a detecção de uma ampla gama de compostos perigosos – mudou com o tempo, incluindo é especialmente importante que o solo seja um ambiente dinâmico em que os produtos químicos sejam relativos à conversão que pode fortalecê -los mais fortes para identificar.
Professor Associado do Trustee William Marsh Rice de Rice, Tomas Senftle, professor associado de engenharia química e biomolcular, comparou esse processo ao uso do reconhecimento facial para encontrar uma pessoa na multidão.
“Você pode imaginar que temos a foto do adolescente de uma pessoa, mas agora ela tem 30 anos”, disse Senfal. “O que fazemos em nosso grupo é da teoria, podemos prever como será a imagem” “
Os pesquisadores testaram o procedimento dos reservatórios reservados e áreas naturais usando amostras artificialmente contaminadas e uma amostra de controle. Os resultados mostraram que o novo método é escolhido sobre a nova abordagem para o processo mais fácil e mais rápido do que as técnicas convencionais são escolhidas até os pequenos traços de pHs.
“Esse método é pouco conhecido e pode detectar moléculas de poluentes de pH e PAC ininterruptas”, disse Newman, co-autor deste estudo.
No futuro, o procedimento pode permitir o algoritmo ML e a biblioteca espectral teórica para integrar os motivos em um sistema móvel com dispositivos portáteis Ramon, facilitando a espera que os agricultores, comunidades e organizações ambientais esperem laboratórios especializados para esperar compostos perigosos sem enviar amostras e dias para obter resultados.
Professor assistente de engenharia elétrica e de computadores de Rice, Ankit Patel e professor assistente de neurociência do BCM, também são alfabetizados e escritores associados a este estudo.
Entre outros co-autores de arroz, o doutorado em ciência da computação ex-Erang Ju; Estudantes de doutorado Sara Dennyson, Pixuan Jin e Andreas Sanchez-Alvarado; Peter Nordlander, Presidente da Física e Astronomia da CEIs, e professores de engenharia elétrica e de computadores e ciência de materiais e nanenagenering; E George e Brown Professor Pedro Alvarez, da Engenharia Civil e Ambiental.
A pesquisa foi apoiada pelos Institutos Nacionais de Saúde (P42ES027725-01), Welch Foundation (C-1220, C-1222) e Carl e Lillian Elig Fellowship (Instituto Smeli-Carl, h 20398-239440). O conteúdo aqui é completamente responsável pelos autores e não apresenta necessariamente as opiniões oficiais das agências e agências de fundos.