Loading...
В жидкостях биологического происхождения (крови или моче), в напитках и продуктах питания содержится огромное количество различных веществ. Обычно, чтобы определить, что это за соединения, их предварительно отделяют друг от друга с помощью дорогостоящего оборудования. Однако иногда достаточно лишь понять, к какому классу относится изучаемый образец. В медицине, например, важно установить, болен человек или здоров, в пищевой промышленности — отличить подделку от оригинального продукта. Для такого анализа используются так называемые «электронные языки».
Типичная конструкция «электронного языка» включает несколько различных электродов — проводников тока. Когда «электронный язык» погружают в раствор и пропускают через него электрический ток, каждый электрод дает «отклик», зависящий от того, какие вещества содержатся в жидкости. Таких веществ там обычно много, из-за чего сигналы-«отклики» очень сложные, и их не всегда получается интерпретировать даже эксперту. Корректно проанализировать сигналы можно с помощью нейросетей.
Однако использующиеся сегодня «электронные языки» — это, как правило, дорогие приборы с многоразовыми сенсорами, которые необходимо тщательно очищать после каждого использования, чтобы не занести ничего «чужого» в следующий образец. При этом отдельные электроды в «языке» должны отличаться, чтобы «чувствовать» разные химические вещества в анализируемой жидкости.
Ученые из Института элементоорганических соединений имени А. Н. Несмеянова РАН (Москва) и Университета Барселоны (Испания) предложили создавать одноразовые «электронные языки» с электродами, покрытыми слоем из металлоорганических каркасов — соединений, состоящих из разных ионов металлов (цинка, меди, никеля и железа) и органических молекул, образующих пористую структуру. Благодаря разнообразию размеров и форм пор каждый такой каркас избирательно взаимодействует с определенными молекулами, позволяя покрытому им электроду регистрировать сигнал только от «своей» группы веществ в изучаемой жидкости.
Авторы разработали 93 одноразовых «электронных языка» и проверили их работу в задаче по распознаванию различных сортов чая. Хотя чай кажется достаточно понятным и всем знакомым объектом, его химический состав чрезвычайно разнообразен. Сенсоры погружали в заваренный одинаковым образом чай разных сортов, а полученные электрические сигналы анализировали с помощью сверточной нейронной сети. Такой тип машинного обучения широко используется для обработки изображений, например распознавания лиц на фотографиях.
После обучения на множестве приготовленных напитков модель стала определять разные сорта чая с точностью до 76%. Этот показатель немного уступает коммерческим устройствам, однако разработанные «электронные языки» обладают важными преимуществами, такими как низкая стоимость материалов, простота изготовления и возможность одноразового использования. Это делает устройства особенно привлекательными для анализа в полевых условиях, где нет возможности применять громоздкое оборудование или обеспечить надлежащую очистку сенсоров.
«В дальнейшем мы планируем протестировать металлоорганические каркасы с другим составом, чтобы повысить точность "электронного языка". Мы попробуем изменить сенсоры, увеличив число электродов и улучшив их прочность. Также мы собираемся проверить, как изготовленные "языки" справятся с другими задачами. Например, когда важно оценить содержание того или иного соединения в жидкости, допустим, для оценки количества антител к определенному вирусу в крови», — рассказывает руководительница проекта, поддержанного грантом РНФ, Юлия Нелюбина, доктор химических наук, ведущий научный сотрудник группы исследования молекулярных материалов Института элементоорганических соединений РАН.
Подписывайтесь на InScience.News в социальных сетях: ВКонтакте, Telegram, Одноклассники.