Источник фото: Дмитрий Григорьев, ITMO.NEWS
Ученые ИТМО разработали технологию, которая автоматически определяет содержание и точную концентрацию антибиотиков в молоке. В ее основе — электрохимический анализ (высокочувствительный метод обнаружения нужных веществ в растворах) и алгоритмы машинного обучения. Разработка может уберечь потребителей молочной продукции от вредных для здоровья препаратов. Она может использоваться и для анализа других сред — например, для обнаружения нежелательных примесей в нефти, проверки качества кофе и подлинности вина. Статья о результатах исследования опубликована в журнале ACS Applied Materials & Interfaces.
Следы антибиотиков, которые неизбежно используются на любой ферме для профилактики и лечения болезней у животных, в продуктах животного происхождения — серьезная проблема для производителей и потребителей. Остатки препаратов могут негативно влиять на здоровье человека: например, вызывать аллергию и резистентность к антибиотикам. Их содержание в пище строго контролируется как государством, так и ритейлерами. Фермеры и поставщики должны тщательно перепроверять продукцию, прежде чем она окажется на полках магазинов.
Обычно для анализа молока используются тест-полоски. Однако их точность редко превышает 70%, а сама методика позволяет определить только наличие антибиотиков, но не их количество. Ученые Научно-образовательного центра (НОЦ) инфохимии ИТМО предложили более надежную технологию, в её основе — электрохимический анализ и машинное обучение. Разработка состоит из трех компонентов: сенсора с электродом, потенциостата и программы на основе машинного обучения.
«Сначала мы разместили образец на электродном сенсоре из меди, никеля и углерода — при контакте с молоком эти вещества окисляются. Затем с помощью потенциостата (прибора для подачи электрического тока определенного напряжения) “пустили” напряжение на электрод. Измерить отклик от сенсора с образцом тоже помог потенциостат: при окислении металла снижается его проводимость, и прибор фиксирует это в виде перепадов напряжения тока. Чем меньше в молоке антибиотиков, тем сильнее окисляется металл на электроде: за этот процесс отвечает молочная кислота, продукт жизнедеятельности бактерий. Соответственно, падает и напряжение тока во всей системе», – объясняет Вадим Беляев, один из разработчиков, аспирант НОЦ Инфохимии ИТМО.
Исследователи провели серию лабораторных экспериментов с пятью самыми распространенными антибиотиками: стрептомицином, пенициллином, тетрациклином, цефазолином и цефтиофуром (последний используется только в ветеринарии). Растворы сухого молока с отдельными препаратами и их сочетаниями по-разному взаимодействовали с поверхностью электрода, а их результаты реакций были зафиксированы скачками (резкими отклонениями) на вольт-амперных характеристиках. Все эти данные ученые собрали в единый датасет для тренировки алгоритма машинного обучения. Полученный алгоритм анализирует входные сигналы от электрода и потенциостата и автоматически определяет содержание антибиотиков в тестируемых образцах.
Один из индустриальных партнеров проекта — группа компаний «Галатика», крупный производитель молочных продуктов. По словам ученых, их разработка может быть адаптирована под разные задачи. Например, аналогичную технологию они использовали при создании технологии для обнаружения нежелательных примесей в нефти в коллаборации с ПАО «Газпромнефть». Еще одна задумка авторов — оптимизировать методику для определения антиоксидантов в вине, а также сорта и места произрастания винограда, из которого оно изготовлено.
Пока что для новых применений систему нужно значительно перестраивать: менять состав металлов в электроде и заново собирать библиотеку образцов для алгоритма. Но в скором будущем ученые планируют с помощью новейших моделей машинного обучения автоматизировать процесс создания новых дата-сетов.
«Сейчас мы пытаемся генерировать данные с помощью различных программных пакетов, например, COMSOL Multiphysics. Но моя большая мечта — к окончанию аспирантуры подготовить вариационный автоэнкодер или трансформер, который смог бы работать только на основе этих синтетических данных. Чтобы нам не приходилось каждый раз вручную измерять, допустим, цинк в воде или ингибитор коррозии в нефти. То есть хотим сделать так, чтобы технология была проста в использовании, сама обучалась и подстраивалась под новые задачи», – заключает первый автор исследования, аспирант НОЦ Инфохимии Тимур Алиев.
Исследование поддержано Российским научным фондом (Проект № 23-16-00224).
Статья: Timur Aliev, Vadim Belyaev, Anastasiya Pomytkina, Pavel Nesterov, Sergey Shityakov, Roman Sadovnichii, Alexander Novikov, Olga Orlova, Maria Masalovich, Ekaterina Skorb, Electrochemical Sensor to Detect Antibiotics in Milk Based on Machine Learning Algorithms. ACS Applied Materials & Interfaces, 2023.
Информация и фото предоставлены пресс-службой Университета ИТМО