Лекция N10

Содержание

Слайд 2

Біосенсором, як правило, можна визначати лише один тип речовин, тоді як будь-який

Біосенсором, як правило, можна визначати лише один тип речовин, тоді як будь-який
зразок може містити їхню суміш.
Проблему одночасного визначення кількох речовин можна вирішити шляхом створення мультисенсорної системи, коли використовується кілька сенсорів, селективних до різних речовин за рахунок використання різних ферментів.
Ще більш прогресивна система – це один датчик з розміщеними на ньому кількома перетворювачами з різними біоселективними мембранами, за допомогою якого можна визначати кілька речовин одночасно.

Слайд 3

В літературі описано мультибіосенсори на основі напівпровідникових структур для одночасного визначення концентрацій

В літературі описано мультибіосенсори на основі напівпровідникових структур для одночасного визначення концентрацій
глюкози і сечовини у фізіологічних рідинах.
Описано аналогічний мультисенсор для визначення глюкози, сечовини та іонів калію на основі тонкоплівчастих електродів.
Також описано хімічні мультисенсори, так звані “електронні язики” і “електронні носи”, що застосовували для визначення якості вина й інших харчових продуктів.

Мультисенсори на основі прямого ферментного аналізу

Слайд 4

Зовнішній вигляд мультиперетворювачів виробництва Інституту хемо- і біосенсорики м. Мюнстер, Німеччина.

Зовнішній вигляд мультиперетворювачів виробництва Інституту хемо- і біосенсорики м. Мюнстер, Німеччина.

Слайд 5

Кремнієва лінійка з 6-елементним масивом р-канальних іоноселективних польових транзисторів, виготовлених в Інституті

Кремнієва лінійка з 6-елементним масивом р-канальних іоноселективних польових транзисторів, виготовлених в Інституті фізики напівпровідників
фізики напівпровідників

Слайд 6

Зовнішній вигляд приладу для роботи з мультисенсором на основі лінійки рН-ПТ.

Зовнішній вигляд приладу для роботи з мультисенсором на основі лінійки рН-ПТ.

Слайд 7

Зовнішній вигляд та схематичне зображення амперометричних мультиперетворювачів, розроблених в Інституті молекулярної біології

Зовнішній вигляд та схематичне зображення амперометричних мультиперетворювачів, розроблених в Інституті молекулярної біології
і генетики та Інституті електродинаміки

Слайд 8

Для підключення мультисенсору до установки було розроблено та виготовлено контактний пристрій, який

Для підключення мультисенсору до установки було розроблено та виготовлено контактний пристрій, який
мав у своєму складі допоміжний платиновий електрод та електрод порівняння

Слайд 9

Зовнішній вигляд портативної системи для роботи з амперометричними мультибіосенсорами

Зовнішній вигляд портативної системи для роботи з амперометричними мультибіосенсорами

Слайд 10

Дослідження специфічності окремих сенсорів та взаємодії різних субстратів між собою

Типовий вигляд відгуків

Дослідження специфічності окремих сенсорів та взаємодії різних субстратів між собою Типовий вигляд
кондуктометричного уреазного біосенсора на додавання різних субстратів і їхньої еквімолярної суміші.

Слайд 11

Залежність відгуку кондуктометричного (a) і потенціометричного (б) уреазного сенсорів від концентрації сечовини

Залежність відгуку кондуктометричного (a) і потенціометричного (б) уреазного сенсорів від концентрації сечовини
(1) і еквімолярної суміші субстратів (2).

(a)

(б)

Слайд 12

Залежність відгуку потенціометричних біосенсорів на основі ацетилхолінестерази (а) і бутирилхолінестерази (б) від

Залежність відгуку потенціометричних біосенсорів на основі ацетилхолінестерази (а) і бутирилхолінестерази (б) від
концентрації субстратів (1 – АцХ, 2 – БуХ) і їхньої еквімолярної суміші (3).

(a)

(б)

Слайд 13

Ферментативні реакції, що лежать в основі роботи кондуктометричних мультибіосенсорів для визначення сахаридів

8

Ферментативні реакції, що лежать в основі роботи кондуктометричних мультибіосенсорів для визначення сахаридів 8

Слайд 14

Випробування роботи біоселективних елементів для визначення сахарози, мальтози, лактози та глюкози в

Випробування роботи біоселективних елементів для визначення сахарози, мальтози, лактози та глюкози в
режимі одночасного визначення сахаридів

обробка сигналу комп'ютерною програмою

27

Слайд 15

Мультисенсори на основі ферментного інгібіторного аналізу

Мультисенсори на основі ферментного інгібіторного аналізу

Слайд 16

Калібрувальні криві інгібування різних ферментів (1-уреаза, 2-АцХЕ, 3-БуХЕ) фосфорорганічним пестицидом трихлорфоном. Час

Калібрувальні криві інгібування різних ферментів (1-уреаза, 2-АцХЕ, 3-БуХЕ) фосфорорганічним пестицидом трихлорфоном. Час
інгібування – 20 хв. Вимірювання проводили в 5 мМ калій-фосфатному буфері, рН 7,4, еквімолярна концентрація суміші субстратів – 2 мМ.

Слайд 17

Відгуки мультибіосенсора на основі ІСПТ на додавання суміші субстратів до та після

Відгуки мультибіосенсора на основі ІСПТ на додавання суміші субстратів до та після інгібування ферментів іонами ртуті
інгібування ферментів іонами ртуті

Слайд 18

Ступінь інігібування ферментів різними токсинами, %

Примітка Вміст токсинів у сумішах:
Суміш № 1

Ступінь інігібування ферментів різними токсинами, % Примітка Вміст токсинів у сумішах: Суміш
10 мкМ Ag+ + 10 мкМ Hg2+ + 10 мкМ трихлорфон + 10 мкМ карбофуран
Суміш № 3 50 мкМ Ag+ + 20 мкМ Hg2+ + 50 мкМ трихлорфон + 20 мкМ карбофуран
Суміш № 4 50 мкМ Ag+ + 50 мкМ Hg2+ + 50 мкМ трихлорфон + 50 мкМ карбофуран
Суміш № 2 – умовно невідома суміш токсичних речовин

Слайд 19

Для кількісного визначення суміші токсичних речовин у досліджуваній пробі користувалися дискримінантним функціональним

Для кількісного визначення суміші токсичних речовин у досліджуваній пробі користувалися дискримінантним функціональним
аналізом. У цьому випадку виконували попередні експерименти з інгібування ферментів не тільки окремими токсичними речовинами, але й різними їхніми сумішами. Отримані результати заносилися до таблиці-матриці, що містила дані щодо ступеня інгібування ферментів різними токсичними речовинами та їхніми сумішами. Змінними для математичної обробки в цьому випадку є ферменти.
Спершу необхідно було нормалізувати дані. Для цього застосовується дискримінантна функція – лінійна комбінація векторів ознак, що характеризують об’єкт і якнайкраще розрізняють сукупність вибраних точок. За допомогою спеціального математичного пакету комп’ютерних програм для дискримінантного аналізу Sirius 6.0 for Windows (Pattern Recognition Systems A/S, Норвегія) отримали дискримінантні функції як лінійні суперпозиції незалежних змінних.

Слайд 20

Нормалізація даних таблиці за допомогою дискримінантних функцій

Нормалізація даних таблиці за допомогою дискримінантних функцій

Слайд 21

Найбільш точне кількісне визначення складу суміші отримується за допомогою самонавчального методу штучних

Найбільш точне кількісне визначення складу суміші отримується за допомогою самонавчального методу штучних
нейронних мереж. У цьому випадку сукупність вихідних параметрів (вхідні нормалізовані дані) надходять до спеціальних пристроїв обробки (штучні нейрони), які здійснюють порівняння і нормалізацію вхідних даних, використовуючи спеціальні функції, що постійно адаптуються впродовж роботи (навчання). Зважені значення підсумовуються, після чого за допомогою активаційної функції формується вихідний сигнал нейрону. Вихідні сигнали всіх нейронів, що формують даний шар, є вхідними сигналами для кожного наступного шару. В результаті обробки створюється вихідний шар з кількістю нейронів, що відповідає кількості токсичних речовин, що визначаються. Застосовуючи такий метод, можна проводити точний розрахунок складу суміші.

Слайд 22

Узагальнена схема визначення токсичних речовин за допомогою мультибіосенсора на основі ферментного інгібіторного

Узагальнена схема визначення токсичних речовин за допомогою мультибіосенсора на основі ферментного інгібіторного аналізу
аналізу

Слайд 23

Використання мікроорганізмів може призвести до вирішення частини проблем.

Всі ферменти, що використовуються,

Використання мікроорганізмів може призвести до вирішення частини проблем. Всі ферменти, що використовуються,
повинні функціонувати одночасно в одних і тих же умовах.
Стабільність кожного окремого фермента.
Ціна окремих препаратів ферментів залишається дуже високою.

Вони можуть бути використані як природні мультиферментні системи, які функціонують в оптимальних умовах.
Можлива оцінка впливу на їх властивості різних токсикологічних ефектів забруднювачів.

Проблеми створення мультисенсорів

Слайд 24

Використання мікроорганізмів як природних мультиферментних систем
Електрохімічні біосенсори на основі зелених мікроводоростей Chlorella

Використання мікроорганізмів як природних мультиферментних систем Електрохімічні біосенсори на основі зелених мікроводоростей Chlorella vulgaris
vulgaris

Слайд 25

Мікроводорості Chlorella vulgaris можна розглядати як природні мультиферментні системи, за допомогою

Мікроводорості Chlorella vulgaris можна розглядати як природні мультиферментні системи, за допомогою яких
яких після їхньої оптимізації можна визначати токсичні речовини. При цьому функціонують вони в своїх природніх умовах. До того ж завдяки використанню живих організмів можлива оцінка впливу на їхні властивості екотоксикологічних ефектів різних забруднювачів.

Слайд 26

Принцип роботи біосенсора на основі зелених мікроводоростей Chlorella vulgaris базується на

Принцип роботи біосенсора на основі зелених мікроводоростей Chlorella vulgaris базується на такій
такій ферментативній реакції:
фосфатаза
субстрат ⎯⎯⎯⎯⎯⎯→ продукт + PO4- + H+
В ході реакції продукуються протони та іони, що дає можливість використати для створення біосенсорів кондуктометричні чи потенціометричні перетворювачі.

Слайд 27

Вимірювання лужної фосфатазної активності проводили в Tris-HCl буфері, pH 8,5 з 1

Вимірювання лужної фосфатазної активності проводили в Tris-HCl буфері, pH 8,5 з 1
мM MgCl2. Концентрація, субстрату була 1 мM для біосенсора і 10 мM для флуоресцентної біосистеми.

Калібрувальні криві для визначення 4-метилумбелліферил-фосфату, отримані за допомогою флуоресцентної біосистеми і кондуктометричного біосенсора

Слайд 28

Порівняння pNPP і MUP як субстратів для застосування в біосенсорах для вимірювання

Порівняння pNPP і MUP як субстратів для застосування в біосенсорах для вимірювання лужної фосфатазної активності.
лужної фосфатазної активності.

Слайд 29

Калібрувальні криві для визначення pNPP, отримані за допомогою кондуктометричного біосенсора з БСА

Калібрувальні криві для визначення pNPP, отримані за допомогою кондуктометричного біосенсора з БСА
(1) і кальцій-альгінатною (2) мембранами.

Слайд 30

Як показано на Рис., сигнал біосенсора на основі кальцій-альгінатної мембрани зменшується

Як показано на Рис., сигнал біосенсора на основі кальцій-альгінатної мембрани зменшується при
при високих концентраціях pNPP (>0.3 мM), на відміну від сигналу біосенсора на основі БСA мембрани, який має явно виражений кінетичний показник Міхаеліса з рівнем насичення від 0,5 мM pNPP.
Таке зменшення величини відгуку біосенсора з альгінатною мембраною можна пояснити тим, що катіонові хелатні агенти, такі як фосфат, можуть викликати руйнування або розчинення альгінатної матриці, а в результаті ферментативної реакції за участю лужної фосфатази продукуються іони фосфату. Також було показано, що мембрани з альгінату кальцію були стабільні при рН до 5,5 і низьких концентраціях фосфату, проте при підвищенні рН і концентрацій ступінь розчинення збільшувався. В нашому випадку, лужну фосфатазну активність вимірювали при рН 8,5, який знаходиться явно поза діапазоном оптимальної стабільності рН для альгінатного гелю. Отже, мембрани з альгінату кальцію є непридатними для створення біосенсорів на основі мікроводоростей.

Слайд 31

Залежність відгуку кондуктометричного біосенсора на додавання 40 мМ pNPP від часу експонування

Залежність відгуку кондуктометричного біосенсора на додавання 40 мМ pNPP від часу експонування
в парах глутарового альдегіду при іммобілізації водоростей

Слайд 32

Стабільність кондуктометричного біосенсора на основі зелених водоростей Chlorella vulgaris.

Стабільність кондуктометричного біосенсора на основі зелених водоростей Chlorella vulgaris.

Слайд 33

Відносне значення лужної фосфатазної активності, визначеної за допомогою кондуктометричного біосенсора (1) і

Відносне значення лужної фосфатазної активності, визначеної за допомогою кондуктометричного біосенсора (1) і
флуоресцентної біосистеми (2) негайно після контакту з кадмієм у різних концентраціях.

Слайд 34

В обох випадках для малих концентрацій кадмію (<10 ppb) можна спостерігати невелике

В обох випадках для малих концентрацій кадмію ( 1 години) іншими авторами,
підвищення відгуку, в той же час лужна фосфатазна активність інгібується високими концентраціями кадмію. Така активація деяких ферментів при низьких концентраціях кадмію вивчалася при тривалому експонуванні (>1 години) іншими авторами, які пояснюють її клітинним стресом. В цьому випадку, щоб запобігти руйнуванню клітини кадмієм, в клітині виробляються промотори стресу, що підвищують активність ферментів.

Слайд 35

Порівняння інгібування лужної фосфатазної активності кадмієм для біосенсорів і флуоресцентної біосистеми.

Порівняння інгібування лужної фосфатазної активності кадмієм для біосенсорів і флуоресцентної біосистеми.

Слайд 36

При тривалому експонуванні спостерігали більш швидке інгібування, отримане за допомогою біосенсорів,

При тривалому експонуванні спостерігали більш швидке інгібування, отримане за допомогою біосенсорів, ніж
ніж флуоресцентої біосистеми. Те ж саме можна сказати про збільшення інгібування для високих концентрацій кадмію при короткому експонуванні. Це можна пояснити різним співвідношенням кількості клітин водоростей і кадмію в цих двох випадках. Справді, в мембранах іммобілізується невелика кількість водоростей у порівнянні з біосистемами із застосуванням вільних водоростей. В біосенсорах відношення водорості/кадмій є меншим, ніж у біосистемах, а швидкість інгібування зворотньо пропорційна до цього співвідношення. Внаслідок цього, біосенсори забезпечують більш високі швидкості інгібування і тому чутливіші при визначенні токсинів.

Слайд 37

Показано, що за допомогою такої мультиферментної системи можна вивчати лужну фосфатазну

Показано, що за допомогою такої мультиферментної системи можна вивчати лужну фосфатазну активність
активність Chlorella vulgaris та вплив на цю активність іонів важких металів, зокрема, іонів кадмію. Також показано, що для створення таких біосенсорів більш придатні кондуктометричні перетворювачі.
Продемонстровано кореляцію результатів, отриманих за допомогою кондуктометричного біосенсора на основі зелених мікроводоростей Chlorella vulgaris та біосистеми на основі визначення флуоресценції.

Слайд 38

Мульти-ферментна електрохімічна система для експресної діагностики токсичних речовин

Селективна мембрана – бутирил холінестераза,

Мульти-ферментна електрохімічна система для експресної діагностики токсичних речовин Селективна мембрана – бутирил
ацетилхолінестераза, уреаза
Перетворювач – ємнісний датчик на основі польового ефекту

Слайд 39

Відгук біосенсора на 10 мМ фосфатний буферний розчин (1), 1 % глюкози

Відгук біосенсора на 10 мМ фосфатний буферний розчин (1), 1 % глюкози
(2) та 0,1 % глюкози (3) в комірці.

Мульти-параметричний амперометричний біосенсор

Селективна мембрана – глюкозооксидаза, лактат оксидаза, алкоголь оксидаза
Перетворювач –
амперометричний вуглецевий планарний друкований електрод

Слайд 40

Електронний ніс ГАЗ-1
Розпізнавання хімічних образів

Масив сенсорів (8) являє собою набір кварцевих

Електронний ніс ГАЗ-1 Розпізнавання хімічних образів Масив сенсорів (8) являє собою набір
резонаторів, поверхя кожного з яких вкрита тонким шаром абсорбуючої речовини (каліксарени, полімери, тощо). Він приводиться в контакт з аналізованою газовою сумішшю, в результаті чого чутливі шари вбирають певну кількість газу. Завдяки різниці до адсорбції різних молекул, що реєструються, частота кварцевих резонаторів зменшується по-різному. В результаті можна створити багатовимірну базу даних та навчити систему відрізняти один хімічний склад від іншого, тобто реєструвати запах газового середовища. Для математичної обробки даних та розпізнавання використовується кілька алгоритмів.

Селективна мембрана – каліксарени, полімери
Перетворювач – кварцеві резонатори

Имя файла: Лекция-N10-.pptx
Количество просмотров: 93
Количество скачиваний: 0