Neue elektrochemische Messergebnisse nutzen Data Science, um mikrobielle Stromerzeugungsmechanismen aufzudecken

Die Kolosseen von Elden Ring oeffnen morgen endlich im kostenlosen

Forscher des japanischen National Institute for Materials Science (NIMS) haben ein Gerät entwickelt, das hundertmal mehr elektrochemische Messungen durchführen kann als herkömmliche Geräte. Durch die Analyse der großen Datenmengen des Geräts hat das Team molekulare Mechanismen identifiziert, die es elektrogenen Bakterien ermöglichen, effizient Strom zu erzeugen, selbst wenn sie einem breiten Bereich von Elektrodenpotentialen ausgesetzt sind.

Diese Technik kann auch verwendet werden, um Materialien zu analysieren, die mit Mikroorganismen interagieren (z. B. biologisch abbaubare Kunststoffe), was möglicherweise Bemühungen zur Entdeckung innovativer mikrobiell abbaubarer Materialien erleichtert.

Die Arbeit wurde in der Zeitschrift veröffentlicht Muster im Oktober 2022.

Einige Mikroorganismen können bei der Reinigung von Abwasser Strom erzeugen. Da dieser umweltfreundliche Stromerzeugungsmechanismus von verschiedenen Faktoren beeinflusst wird, waren herkömmliche experimentelle und theoretische Ansätze zu seinem Verständnis und seiner Steuerung schwierig. Data Science – die Analyse riesiger Datenmengen – galt als potenziell effektiver Ansatz für dieses Problem. Es erfordert jedoch große Mengen hochwertiger elektrochemischer Daten mit definierten Bedingungen und geringer Variabilität, was es praktisch unmöglich gemacht hat, es technisch und wirtschaftlich zu bewerkstelligen.

Die Forscher entwickelten ein elektrochemisches Messsystem, das Hunderte Male mehr elektrochemische Messungen mit 3 Elektroden durchführen kann als herkömmliche Systeme. Anschließend erstellten sie eine hochwertige Datenbank und analysierten die Daten mit datenwissenschaftlichen Techniken, um die Beziehung zwischen der Effizienz der bakteriellen Stromerzeugung und der Konzentration externer Faktoren zu bestimmen, die den bakteriellen extrazellulären Elektronentransfer verbessern.

Darüber hinaus identifizierten sie die Mechanismen, durch die Riboflavinmoleküle als extrazelluläre Elektronentransporter dienen und es elektrogenen Bakterien ermöglichen, effizient Strom zu erzeugen, selbst wenn sie einer Vielzahl von Elektrodenpotentialen ausgesetzt sind.

Das neu entwickelte elektrochemische Messsystem des Teams ist erheblich kostengünstiger als herkömmliche Systeme und weist eine hohe Reproduzierbarkeit der Messungen auf. Dies ist die erste Forschungsarbeit, die zeigt, dass datenwissenschaftliche Techniken (dh die Analyse großer Mengen elektrochemischer Messdaten) effektiv in der mikrobiellen elektrochemischen Forschung eingesetzt werden können.

Da der von Mikroorganismen erzeugte elektrische Strom ein Indikator für ihre Stoffwechselaktivität ist, kann dieses System außerdem verwendet werden, um die Auswirkungen von Mikroorganismen auf Biomaterialien zu messen. Beispielsweise sollte die Geschwindigkeit, mit der biologisch abbaubare Kunststoffe zerfallen, positiv mit der Menge an elektrischem Strom korrelieren, die von den sie zersetzenden Mikroorganismen erzeugt wird.

Das System kann auch verwendet werden, um den elektrischen Strom zu messen, der von Mikroorganismen erzeugt wird, die mit verschiedenen Materialien assoziiert sind. Diese Daten könnten dann mithilfe von Data-Science-Techniken analysiert werden, um Materialien mit überlegenen physikalischen Eigenschaften vorherzusagen, was möglicherweise die Bemühungen zur Entdeckung neuer, effektiver Materialien beschleunigt.

Dieses Projekt wurde geleitet von Miran Waheed (JSPS Postdoctoral Research Fellow (zum Zeitpunkt dieser Forschung), Electrochemical Nanobiotechnology Group (ENG), International Center for Materials Nanoarchitectonics (MANA), NIMS); Gaku Imamura (Senior Researcher, ENG, MANA, NIMS) und Akihiro Okamoto (Leiter von ENG, MANA, NIMS).

Mehr Informationen:
Waheed Miran et al., Multivariate Landschaften, konstruiert durch bayesianische Schätzung über fünfhundert mikrobiologische elektrochemische Zeitprofile, Muster (2022). DOI: 10.1016/j.patter.2022.100610

Bereitgestellt vom National Institute for Materials Science

ph-tech