WO2013081496A1 - Устройство и способ определения токсичности жидких сред - Google Patents

Устройство и способ определения токсичности жидких сред Download PDF

Info

Publication number
WO2013081496A1
WO2013081496A1 PCT/RU2012/000970 RU2012000970W WO2013081496A1 WO 2013081496 A1 WO2013081496 A1 WO 2013081496A1 RU 2012000970 W RU2012000970 W RU 2012000970W WO 2013081496 A1 WO2013081496 A1 WO 2013081496A1
Authority
WO
WIPO (PCT)
Prior art keywords
toxicity
sensors
liquid medium
samples
detector
Prior art date
Application number
PCT/RU2012/000970
Other languages
English (en)
French (fr)
Inventor
Дмитрий Олегович КИРСАНОВ
Андрей Владимирович ЛЕГИН
Олеся Анатольевна ЗАДОРОЖНАЯ
Анатолий Александрович КРАШЕНИННИКОВ
Александр Платонович ПОПОВ
Наталья Викторовна КОМАРОВА
Original Assignee
Kirsanov Dmitry Olegovich
Legin Andrey Vladimirovich
Zadorozhnaya Olesya Anatolievna
Krasheninnikov Anatoly Aleksandrovich
Popov Aleksandr Platonovich
Komarova Natalia Viktorovna
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Kirsanov Dmitry Olegovich, Legin Andrey Vladimirovich, Zadorozhnaya Olesya Anatolievna, Krasheninnikov Anatoly Aleksandrovich, Popov Aleksandr Platonovich, Komarova Natalia Viktorovna filed Critical Kirsanov Dmitry Olegovich
Priority to IN1352KON2014 priority Critical patent/IN2014KN01352A/en
Publication of WO2013081496A1 publication Critical patent/WO2013081496A1/ru

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/18—Water

Definitions

  • the present invention relates to the determination of toxicity, and can be widely used in analytical practice in determining the toxicity of a variety of liquid media without involving expensive and time-consuming analysis methods. More specifically, the invention relates to aquatic toxicology and the establishment of the toxicity of aqueous media and samples.
  • the present application provides a kit and a multisensor, a method for calibrating a multisensor, as well as a method for the qualitative and quantitative determination of the toxicity of liquid samples.
  • Toxicity is the property of chemicals to show a damaging or lethal effect on living organisms.
  • a substance that has a toxic effect is called a toxicant, and the process of exposure of a toxicant to the body - toxication (on the ecosystem - toxication).
  • Toxicity of the aquatic environment is the toxicity of water and bottom sediments for aquatic organisms, resulting from the appearance of toxic substances of natural or anthropogenic origin (xenobiotics), pollution by wastewater, toxic atmospheric precipitation, etc.
  • the degree of toxicity of the aquatic environment is assessed by biotesting, optionally followed by determination of MPC (maximum permissible concentration) of substances using standard methods of analytical chemistry. Biotesting, i.e.
  • biotesting is used before chemical analysis, because this method allows an express assessment of the natural environment and the identification of “hot spots” indicating its most polluted areas. In areas where biotesting methods revealed any deviations and the test environment is characterized as toxic, the causes of this phenomenon are determined by analytical means, determining the type and concentration of specific toxicants. Thus, due to the complex composition of a multicomponent system, biological testing plays a major role at the initial stage.
  • the basic principle of biotesting is to test the effect of water samples on a biological organism - a test object (equivalent to also called biosensors or bioobjects) its part or community of organisms with known and accountable characteristics.
  • test objects A wide range of organisms, covering all groups of the biological community, is recommended as test objects.
  • the preferred test objects are plant and / or animal organisms, including daphnia, ciliates, shrimp, crayfish, menidia, sea urchins, mollusks, oysters, algae, fish, etc.
  • Test functions are determined during the biotesting process, etc. e. vital function or toxicity criterion for characterizing the response of a test object to the damaging effect of the environment. Test functions depending on the test object are different and can be
  • Another objective of the present invention is to provide a device free from the above disadvantages, which allows to determine the toxicity of water samples and samples without constant use of biological objects and at the same time provides high sensitivity and reproducibility of the results.
  • Another objective of the present invention is the provision of a method for determining the toxicity of liquid samples using the specified device.
  • a kit for determining the toxicity of a liquid medium comprising - a set of cross-sensitive sensors for receiving signals proportional to the physicochemical parameters of the specified liquid medium;
  • said population includes a spectral device.
  • said population includes at least two cross-sensitive sensors.
  • said cross-sensitive sensors are two or more sensors of the same type or of different types selected from the group consisting of voltammetric sensors, potentiometric sensors, field effect transistors, optical sensors, laser scanning potentiometric sensors, quartz piezoelectric devices, sensors on acoustic waves, sensors based on the method of surface photopotential.
  • the liquid medium is a multi-component aqueous or aqueous-organic suspension, dispersion, emulsion, or homogeneous solution.
  • the liquid medium is water from industrial wastewater, sewage, open water, groundwater, melt water, sea water.
  • the liquid medium is an aqueous or aqueous-organic extract from a solid material.
  • said bioobject is selected from plant and / or animal organisms, including daphnia, ciliates, shrimp, crayfish, menidia, sea urchins, mollusks, oysters, algae, fish.
  • a multisensor for detecting toxicity of a liquid medium comprising
  • a detector for obtaining a set of signals proportional to the physicochemical parameters of the specified liquid medium, connected to a recording device for recording the specified set of detector signals;
  • a unit for converting the specified set of detector signals into a characteristic signal using multidimensional data processing methods which allows calculating the toxicity of the specified liquid medium using calibration data of the specified detector, establishing the relationship between the values of the detector signals and toxicity obtained on samples of a liquid medium with a pre-established toxicity using at least one bioobject.
  • said detector comprises a plurality of cross-sensitive sensors.
  • said detector is a spectral instrument.
  • said population includes at least two cross-sensitive sensors.
  • said set of cross-sensitive sensors is two or more sensors selected from the group including voltammetric sensors, potentiometric sensors, field effect transistors, optical sensors, laser scanning potentiometric sensors, quartz piezoelectric devices, acoustic wave sensors, sensors based on the method of surface photopotential.
  • said recording device is a device selected from the group consisting of an electric signal recorder, voltmeter, ammeter, impedance meter, C-V characteristics meter, surface photocapital potential meter, conductivity meter, photoelectric multipliers (PMTs), or combinations thereof, the specified recording device is optionally configured to transmit a signal to an electronic computer (computer).
  • said combination includes cross-sensitive sensors of the same type.
  • said combination consists of cross-sensitive sensors of various types.
  • a method for determining the toxicity of a liquid medium using the above multisensor comprising the following steps:
  • said calibration model is a reproducible linear relationship. According to one embodiment, said calibration model is a reproducible non-linear relationship.
  • the detection of a multidimensional response is carried out by bringing into interaction the specified set of sensors and the specified liquid medium for a period of time from at least 10 milliseconds to 30 minutes.
  • the toxicity of said liquid medium is determined in units of the test function of the biological object used in the calibration.
  • a multidimensional data processing method is one or more methods selected from the group including latent structure projection (PLS) method, principal component analysis (PCA), principal component regression (PCR), soft independent class analogy modeling (SIMCA), support vector method (SVM), artificial neural networks (ANN), linear and quadratic discriminant analysis (LDA and QDA).
  • PLS latent structure projection
  • PCA principal component analysis
  • PCR principal component regression
  • SIMCA soft independent class analogy modeling
  • SVM support vector method
  • ANN artificial neural networks
  • LDA and QDA linear and quadratic discriminant analysis
  • the liquid medium is water from industrial wastewater, sewage, open water, groundwater, melt water, sea water.
  • said bioobject is selected from plant and / or animal organisms, including daphnia, ciliates, shrimp, crayfish, menidia, sea urchins, mollusks, oysters, algae, fish.
  • a method for calibrating a multisensor according to any one of paragraphs 9-16, including
  • the present invention can be used in industry, agriculture, healthcare and other sectors of the economy or social sphere.
  • the invention will find application:
  • FIG. 1 (a) Schematic of a multisensor according to one embodiment of the present invention; (b) a photograph of a multisensor according to one embodiment of the present invention.
  • FIG. 2 Recognition of samples with different toxicity by a multisensor according to one of the variants of the present invention (a graph of the distribution of integral responses over the main components of PC1 and PC2)
  • FIG. 3 Type of calibration dependence obtained using a multisensor according to one embodiment of the present invention, constructed using the PLS1 method according to the results of 8 samples with preset toxicity using Daphnia.
  • sensor used in the present description is a device that responds (responds) to certain properties of its environment and allows you to record this response in the form of a corresponding electrical optical and other signal.
  • the term "sensor array” as used in the present description generally refers to a variety of sensors combined with each other.
  • the set can be a spectral device, or consist of at least two sensors.
  • the population contains from 1 to 100 sensors, more preferably from 1 to 50, more preferably from 1 to 30, and most preferably from 1 to 10 sensors.
  • set used in the present description refers to a system, one of the elements of which is a set of sensors, and the second element is the calibration data of the specified set of sensors in the form of a calibration model / dependence.
  • toxicity used in the present description characterizes the influence of the environment on the vital functions (test functions) of a living organism located in such an environment.
  • vital or test functions of a living organism include survival, fertility, reproduction rate, growth rate, and other characteristics of its vital functions.
  • a “liquid medium” as used herein is any medium having the characteristics of a liquid.
  • a liquid medium is understood to mean multicomponent aqueous or aqueous-organic systems, water from various domestic and natural sources, extracts from solid materials, etc.
  • cross-sensitive as used herein with reference to a sensor means that said sensor is sensitive to various components / substances / compounds / ions of the medium with which it is reacted. Cross sensitivity implies a lack of selectivity in the specified sensor.
  • the terms “cross sensitivity”, “non-selectivity”, “cross-reactivity”, “low selectivity”, “partial specificity” and “global selectivity” are interchangeable and equivalent.
  • Physicochemical parameters should be understood as any physical and chemical properties of the medium, determined by its qualitative and quantitative component composition.
  • physicochemical parameters include viscosity, density, dielectric constant, heat capacity, thermal conductivity, electrical conductivity, absorption, color, optical density, luminescence yield, fluorescence yield, fluidity, inductance, radioactivity, concentration of medium components, etc.
  • bioobject refers to any organisms from the animal kingdom or plants that are used in the art to determine the toxicity of liquid media.
  • multisensor used in the present description refers to a device that includes a detector containing a set of cross-sensitive sensors, a recording device and a processing unit of data obtained by the interaction of the detector and a liquid medium.
  • a multisensor may include a kit as defined above. In more detail, this device is disclosed in the following section of the description of the "implementation of the invention”.
  • calibration used in the present description involves a set of actions aimed at establishing the dependence of the toxicity value determined using a bioobject and the data obtained from a combination of cross-sensitive sensors in a specific liquid medium.
  • calibration model and “calibration dependence” reveal the relationship between the values of a set of signals obtained using cross-sensitive sensors and the toxicity of a liquid medium determined using a bioobject.
  • the indicated functional dependence can be both linear and nonlinear.
  • characteristic signal is a single signal obtained after processing a plurality of multisensor signals in a liquid medium using at least one multidimensional data processing method, the characteristic signal individualizing the specified liquid medium, and in particular its toxicity.
  • the term "reproducible” as used in the present description refers to any characteristic whose deviation of the numerical value of which from the average varies in the range from 0 to 20%, preferably from 0 to 10%, and more preferably from 0 to 5%.
  • a kit for determining the toxicity of a liquid medium comprising
  • the present invention is based on the unexpected discovery that a combination of cross-sensitive sensors provides responses that correlate with sample toxicity values established with involving one or more biological objects (hereinafter, the equivalent concepts of bioobject, test object, biosensor are also used).
  • the set of cross-sensitive sensors being calibrated at least once for samples with established toxicity using at least one biological object, subsequently, based on the calibration data obtained, determines the toxicity of various media an unlimited number of times, thereby eliminating labor and economic costs, related to the maintenance of biological objects in working condition (feeding, breeding, maintaining the appropriate external environmental conditions), and also significantly increased It reduces the rate of determination of toxicity from several hours or days to several minutes with a reduction in the total cost of the analysis.
  • Receive calibration data i.e. the construction of the calibration model / dependence, and the processing of signals received from the set of sensors, is carried out using chemometric methods selected from the group including the projection method on latent structures (PLS), the method of principal components (PCA), regression of the main components (PCR), soft independent class analogy modeling (SIMCA), reference vector method (SVM), artificial neural networks (ANN), linear and quadratic discriminant analysis (LDA and QDA).
  • PLS projection method on latent structures
  • PCA the method of principal components
  • PCR soft independent class analogy modeling
  • SVM reference vector method
  • ANN artificial neural networks
  • LDA and QDA linear and quadratic discriminant analysis
  • the above set can be used to determine toxicity in units of the test function of the biological object used in calibration. Necessary and sufficient conditions for such a determination will be a set of sensors calibrated for samples whose toxicity was established using the specified at least one biological object, as well as calibration data or a calibration model, for example, presented as a linear relationship in the coordinates “entered” - “ found ”or in the form of a matrix of coefficients, taken into account in a certain way when calculating the totality of signals in the test sample.
  • calibration data or a calibration model for example, presented as a linear relationship in the coordinates “entered” - “ found ”or in the form of a matrix of coefficients, taken into account in a certain way when calculating the totality of signals in the test sample.
  • Physicochemical parameters should be understood as any physical and chemical properties of the medium, determined by its qualitative and quantitative component composition.
  • physicochemical parameters include viscosity, density, dielectric constant, heat capacity, thermal conductivity, electrical conductivity, absorption, color, optical density, luminescence yield, fluorescence yield, fluidity, inductance, radioactivity, concentration of medium components, as well as any other properties, measurable and dependent on the above parameters.
  • the term “sensor” means a primary device that responds (responds) to certain environmental properties and allows this RESPONSE to be recorded in the form of a corresponding electrical (optical, etc.) signal.
  • the sensors in this set have reproducible analytical characteristics and high cross sensitivity, which is understood as the sensitivity of the sensor to the content (concentration) of at least two or more components of the analyzed solution at the same time.
  • the cross-sensitive sensor is not selective with respect to a particular component in a multicomponent system.
  • cross sensitivity is generally accepted for describing the properties of sensors in the literature on multisensor systems, its unambiguous and generally accepted definition has not yet been proposed.
  • the population may include a spectral instrument.
  • the specified spectral device allows you to get an individual spectrum of a liquid sample of the medium.
  • the frequency (wavelength) of the location of the peaks (lines), and also their intensity in the spectrum will be different.
  • the cross-sensitive nature of this sensor is manifested.
  • the authors of the present invention managed to find a correlation between the locations of lines in the spectrum, as well as their intensity, which are in turn proportional to the physicochemical properties of the medium and the toxicity of this medium.
  • the spectrometer is calibrated against samples with pre-determined toxicity using at least one bioobject.
  • Calibration consists in establishing the relationship between the readings recorded in the spectrum of the sample and its toxicity using a biological object. As a result of calibration for several representative samples, a correlation reproducible dependence is obtained, which allows further determination of the toxicity of any sample without involving an appropriate biological object.
  • a spectrofluorimeter can be used as the indicated spectral device, which allows recording fluorescence, excitation and absorption spectra.
  • fluorimetric studies the spectral characteristics of the excitation and / or luminescence emission of the test samples are measured at the time of exposure to the pulses of exciting light.
  • Photometric studies take measurements spectral characteristics of the absorption of probe radiation in the analyzed samples.
  • the spectral regions in the excitation and luminescence channels of the fluorimeter are set by built-in fast aperture monochromators. Preferably, the monochromators are independently controlled.
  • the device is controlled from an external computer, or from the built-in keyboard.
  • the Panorama spectrofluorimeter company Lumex LLC should be used as the above spectral instrument in the toxicity determination kit.
  • the cross-sensitive sensors are two or more sensors of the same type or of different types selected from the group consisting of voltammetric sensors, potentiometric sensors, field effect transistors, optical sensors, laser scanning potentiometric sensors, quartz piezoelectric devices, sensors on acoustic waves, sensors based on the method of surface photopotential.
  • the types of sensors that make up the totality in the set do not play a significant role, from the point of view of their external embodiment.
  • An essential condition is the cross sensitivity of each of them to several chemical components. At the same time, the list of components with respect to which the sensors exhibit cross sensitivity is not strictly defined and cannot be such for several reasons.
  • the authors of the present invention suggest that for the successful implementation of the invention, the sensors must have cross-sensitivity to a wide variety of components. For example, to such maximum permissible concentrations which are indicated in various regulatory documents that determine the pollution of water bodies, and, consequently, directly or indirectly affect the life parameters of biological objects, i.e. toxicity (see, for example, the list of MPC given in GN 2.1.5.1315-03 - MPC of chemicals in the water of water bodies for drinking, cultural and domestic water use dated 05/19/2003).
  • such components include, firstly, ionic components, including heavy metal cations such as Zn, Cd, V, Sn, Pb, Cu, Fe, Co, Mn, Hg, As, actinides and lanthanides , as well as various anions - ⁇ 0 3 ' , S0 4 2 " , S 2' , C, F ' , I ' , N0 2 " and others. It is important to consider that even completely harmless substances, for example, food substances, whose MPCs are significantly exceeded, can affect toxicity.
  • heavy metal cations such as Zn, Cd, V, Sn, Pb, Cu, Fe, Co, Mn, Hg, As, actinides and lanthanides , as well as various anions - ⁇ 0 3 ' , S0 4 2 " , S 2' , C, F ' , I ' , N0 2 " and others.
  • these components include various non-ionic particles that can affect directly a sensor, and indirectly on ionic forms, the cross sensitivity to which is manifested by a specific sensor.
  • a typical example is a variety of petroleum products, which often do not have an ionic character, and for the most part are incomplete vivid organic compounds.
  • such components include various substances that have a physical character of influence on a single sensor.
  • this group may include substances adsorbed on the surface of sensors, such as surfactants, humic acids, fatty acid esters altering the response of the sensor due to interaction with its surface, these substances also include widely known environmental toxicants, pesticides, biocides, etc.
  • said sensors are sensors comprising a polymer membrane containing an active component (ionophore) deposited on a transducer (transducer).
  • a polymer membrane is made by mixing a suitable polymer, plasticizer and ionophore in an acceptable solvent, followed by drying the mixture for a sufficient amount of time and mechanically modifying the cured film to give the desired geometric dimensions.
  • the membrane is applied / mounted on the transducer, thereby obtaining one of the above sensors.
  • voltammetric sensors, potentiometric sensors, field effect transistors, optical sensors, laser scanning potentiometric sensors, quartz piezoelectric devices, acoustic wave sensors sensors working on the basis of the surface photopotential method are obtained.
  • a suitable polymer for the membrane matrix for example, polyvinyl chloride, polyurethanes, cellulose acetate and other polymers known to those skilled in the art can be used.
  • the plasticizer serves to impart high mechanical properties to the membrane and can be selected from the group consisting of dioctyl phenyl phosphonate (DOPP), 2-nitrophenyl octyl ether (NPOE), bis (1-butyl pentyl) adipate (BBRA), tri-2-ethylhexyl phosphoric acid ester ( RTEN), diethylene glycol dibutyl ether (DGDE), 3-
  • DOPP dioctyl phenyl phosphonate
  • NPOE 2-nitrophenyl octyl ether
  • BBRA bis (1-butyl pentyl) adipate
  • RTEN tri-2-ethylhexyl phosphoric acid ester
  • DGDE diethylene glycol dibutyl ether
  • TMSPM trimethoxysilyl propyl methacrylate
  • TOTM trioctyltrielate
  • tributyl O-acetyl acetate compounds are selected that provide the cross sensitivity of the sensors to various organic and inorganic substances, as well as to cations and anions, including heavy metal cations and anions mentioned above.
  • the prior art there are many substances that are used as active substances that provide cross-sensitivity.
  • ionophores can act as ionophores, in particular, tetradodecylammonium bromide (TDAB), trioctylmethylammonium chloride (TOMA), oleic acid, 1-hexadecanol, gallic acid, phosphoric esters, dipicolinic acid dimamides (2,6-pyridine, pyridine phosphine) matelloporphyrins, callixarenes, and other compounds known to those skilled in the art.
  • TDAB tetradodecylammonium bromide
  • TOMA trioctylmethylammonium chloride
  • oleic acid 1-hexadecanol
  • gallic acid phosphoric esters
  • dipicolinic acid dimamides (2,6-pyridine, pyridine phosphine) matelloporphyrins
  • callixarenes and other compounds known to those skilled in the art.
  • lipid membrane sensors are called lipid membrane sensors.
  • said sensors are cross-sensitive potentiometric sensors based on oxide and / or chalcogenide glasses.
  • oxides are one or more oxides selected from the group consisting of Na 2 0, Li 2 0, K 2 0, MgO, CaO, SrO, Al 2 0 3 , Sc 2 0 3 , Y 2 0 3 La 2 0 3 , Si0 2 , As 2 0 3 , Zr0 2) Mo0 2l W0 3 and others.
  • Chalcogenide glasses essentially contain one or more metal chalcogenides of the general formula M X C Y and / or one or more non-metal chalcogenides of the general formula E g C b , where M is an alkali metal, alkaline earth metal, transition metal, lanthanide or actinide; C represents S, Se, Te; E is a non-metal selected from the group consisting of Si, As, Sb, Ge, Sn, I; x takes values from 1 to 3; y - from 1 to 5; and z is from 1 to 3 and b is from 1 to 5.
  • the membranes can be made on the basis of mono- or polycrystalline substances, in particular from sparingly soluble crystalline salts, for example, such as LaF 3 , AgA, where A represents SG, Br ⁇ G, SCN “ , CN “ ; and / or TS-Ag 2 S, where M is Cu 2 * , Pb 2+ , Cd 2+ .
  • sparingly soluble crystalline salts for example, such as LaF 3 , AgA, where A represents SG, Br ⁇ G, SCN “ , CN “ ; and / or TS-Ag 2 S, where M is Cu 2 * , Pb 2+ , Cd 2+ .
  • An important advantage of the present invention is that to determine the toxicity of a liquid medium using the above kit, it is not necessary to have any knowledge of the chemical composition of a complex system (liquid medium), the toxicity of which must be determined. It is necessary that the response of a set of sensors correlate with the response obtained using a biological object. This is achieved due to the cross sensitivity of the used combination of sensors to a variety of chemical components.
  • said combination comprises at least two calibrated cross-sensitive sensors.
  • the number of sensors is from 2 to 50, preferably from 2 to 30, more preferably from 2 to 20, and most preferably from 2 to 10 sensors. Initially, the number of sensors in a set can be maximum.
  • sensors that are highly selective for certain ions.
  • ion-selective electrodes such as a pH electrode
  • electrodes having selectivity to essentially one of the following ions can be used: H ⁇ Na + , K ⁇ NH 4 ⁇ Ca 2+ , Mg 2 ⁇ Cd 2+ , Pb 2+ , Cu 2+ , Ad + , P, SG, B,, ⁇ 0 3 ' , CN " , SCN “ , BF 4 ' , CI0 4 ' , S0 4 2 * , C0 3 2 " , P0 4 2 " .
  • a silver chloride electrode can be used as a reference electrode.
  • said liquid medium is a multi-component aqueous or aqueous-organic suspension, dispersion, emulsion or homogeneous solution.
  • the liquid sample may be water from industrial wastewater, sewage water, open water, groundwater, sea water.
  • aqueous solutions are also used as liquid samples, which are aqueous or aqueous-organic extracts from solid materials, in particular soils, soils, peat, sewage sludge, bottom sediments, activated sludge, waste (industrial, solid household waste, mixed, powdery, slag, sludge, etc.).
  • Water extracts from soils, soils, peat, bottom sediments are prepared by shaking one part of an air-dry soil sample, taken and prepared, for example, according to GOST 17.4.4.02-84 (“Soils. Methods of selection and preparation of samples for chemical, bacteriological, helminthological analysis ”) and GOST 27753.1-88 (“ Greenhouse soils.
  • Water extracts from sewage sludge, activated sludge and waste sludge are prepared by mixing, using a mechanical or magnetic stirrer, one part of the solid phase that has undergone the appropriate sample preparation, and ten parts of distilled water for 1-10 hours, settling the solution with sediment for 10-20 hours , possibly followed by filtration of the supernatant through anesthetized filters, centrifugation and subsequent dilution.
  • All hoods should have a pH in the range of 3.0 - 10.0. If necessary, the samples are neutralized, and then aerated for several minutes to stabilize the pH. PH regulation should not cause a chemical reaction with the substances present in the sample (precipitation, complexation), and should not change the concentration of the test sample by more than 5%. If necessary, refinement of the experimental results is expanded and the toxicity of the samples is determined after neutralization and without neutralization.
  • a multisensor for detecting toxicity of a liquid medium comprising
  • a detector for obtaining a set of signals proportional to the physicochemical parameters of the specified liquid medium, connected to a recording device for recording the specified set of detector signals;
  • said multisensor is an installation consisting of at least two main units — a detector and a unit for converting detector signals, interconnected according to rules known to those skilled in the art with the formation of a single analytical device for determining toxicity.
  • FIG. 1 (a) is a diagram of one possible embodiment of a multisensor according to the present invention.
  • the main element of the system is a detector containing a set of cross-sensitive sensors 2 calibrated against samples with established toxicity using biological objects, as well as a recording device 5.
  • the recording device is a sensor that allows you to register a signal coming from the converter of each individual sensor. Depending on the type of sensors used, the recording device may be an electric signal recorder, voltmeter, ammeter, impedance meter, C-V characteristics meter, surface photo-potential meter, conductivity meter, photomultiplier tubes (PMT), or combinations thereof.
  • the data processing unit 6 is an electronic computer, for example, a personal or portable computer, with an installed software package for processing the multidimensional response of the multisensor, as well as containing sensor calibration data for determining the toxicity of an unknown sample.
  • FIG. 1 (6) is a photograph of a multisensor according to one preferred embodiment of the present invention.
  • a sample the toxicity of which is to be determined, is placed on a magnetic stirrer 3, which ensures homogenization of the contents of the container.
  • the use of a heated magnetic stirrer is preferred.
  • the detector 2 connected to a high-impedance voltmeter 1, is brought into interaction with a sample contained in the tank for a certain period of time sufficient to achieve equilibrium conditions and a signal is emitted from each sensor of the population.
  • the signals recorded by the recording device are transmitted and stored in the computer memory and are subsequently used for multidimensional processing. Substitution of the calibration model data during data processing allows to obtain the toxicity value of the sample in units of the test function of the biological object used in the calibration.
  • the multisensor allows you to determine just such toxicity, which would demonstrate a biological object, in the case of measuring toxicity with its use in a liquid sample.
  • the combination of cross-sensitive sensors should be understood as at least one or more sensors with cross-sensitivity to the components of a liquid medium.
  • the combination of cross-sensitive sensors may include a spectral device, for example, a spectrofluorimeter as defined above and / or at least two cross-sensitive sensors selected from the group consisting of voltammetric sensors, potentiometric sensors, field effect transistors, optical sensors, potentiometric sensors with laser scanning, quartz piezoelectric devices, sensors on acoustic waves, sensors based on the method of surface photopotential .
  • the conversion unit converts the set of detector signals into a characteristic signal using multidimensional data processing methods.
  • the detector signals can be the values of EMF, current strength, resistance, intensity and frequency of lines in the spectrum, etc., which are determined by the type of sensors included in the detector.
  • Detector signals are proportional to various physicochemical parameters of a liquid medium, for example, such as viscosity, density, dielectric constant, heat capacity, thermal conductivity, electrical conductivity, absorption, color, optical density, luminescence yield, fluorescence yield, fluidity, inductance, radioactivity, component concentration .
  • chemometric methods also called multidimensional data processing methods, can be recognized and determined in a certain way, their structure can be further classified and identified, as well as used in quantitative analysis to determine the concentrations of individual substances and other parameters.
  • the set of detector signals is converted into a single signal, which includes information from each individual sensor in a particular multicomponent system.
  • this signal characterizes and individualizes a particular multicomponent system, i.e. takes into account its qualitative and quantitative composition, as well as the interaction between individual components of the system, other conditions under which measurements are made.
  • the specified signal obtained during processing is called “characteristic” in the present description.
  • chemometric methods are selected from the group including latency structure projection (PLS), principal component analysis (PCA), principal component regression (PCR), soft independent class analogy modeling (SIMCA), support vector method (SVM), artificial neural networks (ANN), linear and quadratic discriminant analysis (LDA and QDA).
  • the specified detector based on cross-sensitive sensors is suitable for determining toxicity, being calibrated against samples with preset toxicity using a biological object (biosensor).
  • the detector can be calibrated against samples with toxicity established by different biological objects.
  • the detector is calibrated for different samples with established toxicity.
  • the same set of sensors will be suitable for determining toxicity, in the first case, in units of the test function of the biological object used in the calibration, and, in the second, in different liquid media.
  • the detector is preferably calibrated using samples whose toxicity was determined by different types of biological objects, as well as samples different by their source of origin.
  • the indicated detector can be calibrated using samples of fresh and sea water, for the determination of the toxicity of which various test objects were used. In this case, in the future, this will make it possible to determine the toxicity of fresh and sea water in units of the test function of bioobjects used in calibration using the same set of cross-sensitive sensors or the same multisensor. It will be obvious to a person skilled in the art that the detector can be calibrated with more than two types of samples using various test objects.
  • a multisensor for analyzing the toxicity of liquids can be developed based on potentiometric chemical sensors, which are one of the most preferred embodiments of the present invention.
  • Measurements with a potentiometric array of sensors are generally similar to measurements with individual ISEs: the emf is measured an electrochemical cell consisting of each of the sensors in the array in turn and a reference electrode.
  • For measurements use multichannel voltmeters with high input impedance (not less than 10 12 Ohms).
  • measurement control and data recording are carried out using a computer.
  • a device of this type may include any chemical sensors for analyzing the toxicity of liquids, no matter what physical principle they are based on. The main types of sensors and sensitive materials used in this multisensor are described below.
  • the present multisensor may include a detector based on from 2 to 50, preferably from 2 to 30, more preferably from 2 to 20, and most preferably from 2 to 10 potentiometric sensors with so-called.
  • lipid membranes see above in detail
  • thin-film sensors are manufactured on the basis of the same sensitive materials, but on the basis of a different signal detection principle.
  • Thin-film sensors are made by applying Langmuir-Blodgett films to a semiconductor substrate.
  • transducers field-effect transistors, potentiometric sensors with laser scanning (LAPS) and variable surface photopotential (SVP) are used.
  • LAPS laser scanning
  • SVP variable surface photopotential
  • a wide range of membrane materials are used, including chalcogenide glasses doped with various metals, plasticized polymers containing various active substances (ionophores), as well as single and polycrystalline compositions.
  • the present multisensor can be made in the form of an injection device that includes a detector containing from 2 to 50 sensors.
  • the advantages of a flow-injection multisensor include the ability to carry out multiple and often repeated toxicity measurements in automatic mode, as well as a reduced sample volume.
  • the sample volume in the case of an injection multisensor is usually from 150 to 500 ⁇ l, but can be reduced to 50 ⁇ l.
  • the potentiometric sensors included in the present multisensor can be made by depositing films of metalloporphyrins on a glassy carbon substrate.
  • Metalloporphyrins with different the central atoms (Mn (lll), Fe (lll), Co (ll), Ni (II)), as well as tetraphenylporphyrin are applied by the method of electropolymerization.
  • the present multisensor includes a detector comprising voltammetric cross-sensitive sensors.
  • a detector comprising voltammetric cross-sensitive sensors.
  • a polarographic wave becomes a non-selective analytical signal in cases where several components of the solution to be analyzed for toxicity are oxidized at the same or similar potentials.
  • not one working electrode is used, as in the classical scheme, but several.
  • noble metals can be used as working electrodes: platinum, gold, iridium, rhodium and rhenium.
  • Examples of voltammetric sensors are electrodes modified with cobalt and copper monophthalocyanines and europium, gadolinium, lutetium, and octo- or tetrabutyl substituted praseodymium bisphthalocyanines. These modified electrodes are made either by applying Langmuir-Blodget films on a glass substrate, or using a plated electrode technology, in which 5-25 vol. % phthalocyanine is mixed with graphite paste. Measurements with voltammetric multisensor systems are carried out in a classical three-electrode circuit, the measuring electrode is a reference electrode and an auxiliary electrode, with the only difference being that in this case the set of calibrated cross-sensitive sensors described above acts as a "measuring electrode".
  • LAPV square-wave pulse voltammetry
  • various conductive polymers are used to manufacture the sensors, such as polyaniline, polypyrrole, stearic acid, and mixtures thereof.
  • Langmuir-Blodgett films of polymers are applied to a metal substrate. Measurements with the obtained electrodes are carried out by the method of impedance spectroscopy. The complex impedance is measured at room temperature (20 ⁇ 3) ° C in the frequency range of 20 to 5 Hz. The use of impedance spectroscopy is based on the fact that the low-frequency region of the impedance spectrum describes the properties of the double electric layer formed as a result of adsorption of various substances contained in the analyzed solution on the surface of the sensors and, therefore, carrying useful analytical information.
  • the kit according to the first aspect of the present invention comprising a plurality of cross-sensitive sensors and calibration data, is an integral part of the present multisensor.
  • embodiments regarding the type and characteristics of the sensors disclosed in the context of the first aspect of the present invention are suitable in their entirety for the multisensor discussed above.
  • a method for determining the toxicity of a liquid medium using a multisensor comprising the following steps: a) calibrating the detector using a representative set of samples of a liquid medium with a predetermined toxicity using at least one bioobject with obtaining a calibration model;
  • the calibration includes recording the values of the detector signals in each sample with a pre-determined toxicity for the biological object, and processing the data using a multidimensional data processing method to obtain a calibration model.
  • the calibration model is a graph of the dependence of toxicity, determined using a multisensor, on toxicity, determined using a bioobject.
  • the calibration dependence can be linear or nonlinear.
  • the type of the calibration model must be reproducible, which means the invariability of the type of the calibration model under the same conditions under which it is received. In the general case, by a nonlinear dependence, one should understand any dependence other than linear.
  • the nonlinear dependence can be polynomial, exponential, logarithmic and any other nonlinear dependence.
  • a representative set of samples of a liquid medium with established toxicity using at least one bioobject is used. Representative in the present context corresponds to such a set of samples, the number of which is necessary and sufficient to determine the toxicity of the liquid medium to be determined.
  • the kit includes from 1 to 100, more preferably from 1 to 50, and most preferably from 1 to 10 samples with a predetermined toxicity using at least one bioobject.
  • a representative set of samples includes at least two samples with different preset toxicity values.
  • the biological objects used to determine the toxicity of a representative set of samples used for calibration are selected from the group of plant and / or animal organisms, including daphnia, ciliates, shrimp, crayfish, menidia, sea urchins, mollusks, oysters, algae, fish etc.
  • the toxicity of a set of samples can be measured using one or different types of biological objects, depending on the specific task.
  • the toxicity of a liquid medium, determined on the basis of calibration data using such a set will be expressed in units of the test function of the biological object used in the calibration.
  • the involvement of various biological objects to determine the toxicity of samples for calibration significantly increases the range of toxicity values and the type of toxicity determined using the multisensor.
  • Obtaining the values of the detector signals is carried out as a result of bringing the detector and the liquid medium into interaction, the toxicity of which is to be determined, for a period of time sufficient to establish the equilibrium signals of the set of sensors, with their subsequent registration.
  • this time period is from 10 milliseconds to 30 minutes, preferably from 1 s to 15 minutes, more preferably from 1 s to 5 minutes, and most preferably from 10 s to 1 minute.
  • This time period essentially represents the total time for determining toxicity according to the present invention, subject to prior calibration being obtained.
  • the present invention can significantly reduce the average time of analysis of the sample compared with the analysis carried out using biosensors.
  • bringing the detector and the liquid medium into interaction may include both the presence of direct physical contact between them and its absence. So in the case when the detector includes a spectral device, the presence of contact as such does not occur.
  • the specified liquid medium in this case only interacts with a light source of a certain frequency (wavelength), after which the desired spectrum is recorded, for example, the absorption or fluorescence spectrum.
  • the detector is, for example, a set of potentiometric sensors, it is immersed directly in the analyzed solution.
  • the liquid medium is water selected from the group including water from industrial wastewater, sewage water, open water, groundwater, melt water, sea water.
  • one or more multidimensional data processing methods are selected from the group including the latent projection method structures (PLS), principal component analysis (PCA), principal component regression (PCR), soft independent class analogy modeling (SIMCA), reference vector method (SVM), artificial neural networks (ANN), linear and quadratic discriminant analysis (LDA) and QDA).
  • PLS latent projection method structures
  • PCA principal component analysis
  • PCR principal component regression
  • SIMCA soft independent class analogy modeling
  • SVM reference vector method
  • ANN artificial neural networks
  • LDA linear and quadratic discriminant analysis
  • QDA QDA
  • the study of the data structure and recognition there are three main ones: the study of the data structure and recognition; classification and identification; quantitative analysis - determination of concentrations of substances or other quantitative parameters.
  • Recognition and study of the data structure is always the first step in data processing and is necessary for an initial assessment of reproducibility and detection of outliers, a visual study of the data structure, detection of clusters in the data, etc.
  • methods of unmanaged learning are used, such as analysis on the main components and some types of artificial neural networks.
  • the problems of classification and quantitative analysis are solved, as a rule, using the methods of guided learning.
  • methods such as, for example, SIMCA, linear discriminant analysis, multidimensional regression, fuzzy logic, and artificial neural networks can be used.
  • classification can also be carried out using uncontrolled learning methods.
  • multidimensional calibration methods are used, the most common of which include regression on the main components and fractional least squares, as well as artificial neural networks.
  • a detailed description of the basic chemometric methods used to process measurement results with multisensor systems can be found in the extensive reference literature (N. Martens, T. Naes. Multivariate calibration. Wiley & Sons Ltd. 1989; Neural Computing. Neural Ware, Pittsburg, USA . 1997; K. Esbensen, Analysis of Multidimensional Data. Publishing House. Alt. Un., Barnaul, 2003.).
  • the present invention provides a method for calibrating the above multisensor, comprising
  • the essence of calibration is to build a calibration model, i.e. dependencies allowing to qualitatively and quantitatively evaluate the compatibility of the indications of the combination of sensors and toxicity values in the samples, which is established using biosensors. So if there are n sensors and m samples with a pre-determined toxicity Yi ... Y m> where is the toxicity established by the biological object in the 1st sample, and Y m in the mth, the calibration will include the registration of the signal from each of the n sensors of the detector in each of m samples, as a result of which the matrix of [tXn] values will be obtained. A column of toxicity values determined using a biological entity is added to this matrix to produce a matrix of values [mX (n + 1)].
  • the matrix decomposes and automatically searches for correlations between multisensor readings and Y .. Y m values.
  • the calibration model is presented as a linear graph in units of “entered - found”, where “entered” corresponds to the toxicity determined by the specified biological object, and “found” represents the toxicity value obtained using the multisensor or, in other words, its characteristic signal in a specific sample.
  • the number of coefficients in this case will be much larger compared to the linear version, but the principle of determining toxicity remains in the general case, under nonlinear dependence, you should understand any dependence other than linear.
  • the nonlinear dependence can be polynomial, exponential, logarithmic, and any other nonlinear dependence.
  • the specified calibration model is used further when processing the values of the detector signal set in samples with unknown toxicity. After obtaining a calibration model, the values from each of the n sensors of the detector are recorded in the sample, the toxicity of which must be established. Applying the multidimensional data processing method with respect to the obtained values with the substitution of the above coefficients from the model, the toxicity value of the liquid sample is determined. As a result, an unknown sample undergoes "instrumental biotesting", i.e. determination of toxicity without direct involvement of the biosensor, moreover, in units of the test function of the biological object used in calibration.
  • the present invention in addition to compensating for time, eliminates the disadvantages of toxicity determination methods associated with the direct use of biological objects.
  • Example 1 Toxicity analysis of river water using a multisensor based on potentiometric sensors calibrated on samples with established toxicity using Daphnia (crustaceans).
  • Daphnia crustaceans
  • a multisensor including a detector consisting of 25 cross-sensitive potentiometric sensors based on plasticized PVC (15 sensors) and chalcogenide glasses (10 sensors).
  • AT Planktonic crustaceans - Daphnia (Daphnia) were used as a biosensor for determining the toxicity of calibration samples.
  • the potentials of the detector sensors were measured using a 32-channel digital voltmeter with a high input impedance connected to a personal computer for data collection and processing. All measurements were carried out at room temperature (20 ⁇ 2 ° C). For measurements, the detector was immersed in the sample so that the sensor membranes were completely covered with liquid. The measurements were carried out for 3 minutes, then the set of sensors was washed with distilled water 2 times for 2 minutes.
  • the essence of the SAR method is that the detector response is presented in the form of a matrix in which the number of rows is the number of samples measured by the system and the number of columns is the number of sensors in the aggregate.
  • Each matrix element represents the response of an individual sensor in a particular sample.
  • Each element of the matrix can, in addition, be represented as a point in multidimensional space with the number of coordinate axes equal to the number of sensors in the array.
  • the entire matrix in this embodiment can be represented as a cloud of points in multidimensional space.
  • the algorithm of the SAR method allows you to find in such a cloud the direction of the greatest dispersion in the data and sequentially reduce the dimension of the space by projecting points in this direction.
  • the initial matrix can be represented as a graph in two-dimensional space, in the coordinates of the directions with the greatest dispersion in the data matrix.
  • Such a projection makes it possible to reveal the presence of a hidden internal data structure and, in particular, to establish the presence of groups of similar / different samples.
  • the PCA method is widely used to assess the ability of multisensor systems to recognize (separate) different classes within a single group of samples.
  • the PLS1 method is based on a similar matrix representation of the detector signal constellation; however, here, in addition to the data from the multisensor constellation itself, the data of the reference analysis methods with which it is planned detect correlation, i.e. this data for each sample is included in the matrix in the form of a column vector Y.
  • the algorithm PLS1 decomposes the original data matrix in such a way that it is linked to a change in the data in the vector column Y with reference data. Such a procedure makes it possible to detect the presence of numerical correlations in the set of signals with different characteristics of the samples, in other words, allows you to calibrate the system for some property (of course, this is possible only if the set of detector signals really has a correlation with the determined value).
  • the results of constructing a calibration model are usually presented in the form of lines for calibration and verification in the coordinates of "entered-found” or, what is the same "toxicity of the sample, previously set using a biological object - a characteristic signal of the detector.”
  • the main parameters of the calibration PLS1 model are the slope, offset, squared correlation coefficient, and residual standard error of calibration and prediction.
  • the slope and square of the correlation coefficient describe how well the points in calibration and verification lie on a straight line. The closer these values are to unity, the better the model describes the data.
  • the offset describes the line offset relative to the origin and should be as close to zero as possible.
  • the residual mean square error (RMSE, root mean square error) characterizes the predictive power of the model, it has the dimension Y, by which the calibration was carried out and should be minimal for a good model.
  • FIG. 2 presents a graph of bills for the investigated samples. These data reflect a qualitative assessment of toxicity.
  • the mutual arrangement of points on the graph of accounts corresponds to the similarity / difference in the integral chemical composition of the samples according to the detector data based on a combination of chemical sensors. So, the samples located nearby have a similar chemical composition, the samples located at different ends of the axes of the main components are as diverse as possible.
  • the replicas in the same samples have very similar coordinates, which indicates a high reproducibility of the set of sensors.
  • Three distinct clusters can be distinguished in the figure: all samples with toxicity in the range 0 - 0.2 fall into the first.
  • the second cluster is represented by three replicas of sample 1-1 with toxicity of about 1, the third cluster contains replicas of model toxicant - copper solution. Clusters do not overlap.
  • the multisensor used allows us to confidently distinguish between samples with low toxicity, samples with high toxicity and a model toxicant.
  • the PCA method is a method with the so-called “uncontrolled learning”, that is, to obtain the FIG. 2, only data from sample analysis with a combination of sensors are used.
  • the system in this version “does not know” the toxicity levels for the samples, but simply places them on the map according to the difference in the integral chemical composition estimated by the detector.
  • the PLS1 method was used to process detector data, as the reference data for constructing a calibration model, we used data on the total toxicity of the samples, determined using a biosensor (daphnia), provided by SLCKV, and sensor signals in the samples were used as simulated data.
  • FIG. Figure 3 shows the type of the calibration dependence in the “input-found” coordinates and the numerical parameters of the verification and calibration lines. Due to the small number of samples, a full cross-validation of the model was used. The numerical parameters of the model (calibration in blue, verification in red) allow us to conclude that there is a high correlation between the characteristic signals of the multisensor and toxicity estimates obtained by the standard method using a biosensor. In both calibration and verification, the square of the correlation coefficient is close to unity.
  • the calibration model PLS1 was built using samples from July 8 and July 16; samples from July 1 did not participate in the calibration. Then, the values of the array responses for the samples dated July 1 were substituted into the obtained model and the toxicities predicted by the system were obtained. The results are shown in Table 1.2.
  • the toxicity values predicted by the multisensor system for all 9 replicas coincide within the error with the values determined by the standard method.
  • Example 2 Analysis of the toxicity of seawater using a multisensor based on potentiometric sensors calibrated for samples with established toxicity using Phaeodactylum tricornutum.
  • a multisensor for determining toxicity including a detector based on 10 cross-sensitive potentiometric sensors, was used to determine the toxicity of seawater samples.
  • a set of sensors was preliminarily calibrated using 8 water samples with known toxicity determined using Phaeodactylum tricornutum diatoms based on SLCKV. 3 water samples were used to predict toxicity. Each sample was measured in three replicas.
  • the detector was immersed in 50 ml of the sample so that the sensor membranes were completely covered with liquid. The measurements were carried out similarly to the conditions indicated in Example 1.
  • Table 2.1 shows the results of toxicity determination using a multisensor in comparison with the true values obtained using Phaeodactylum tricornutum. Table 2.1
  • the toxicity values predicted by the multisensor for all 9 replicas coincide within the error with the values determined by the standard method using a bioobject.
  • Example 3 Toxicity analysis of soil samples using a multisensor based on optical sensors calibrated for samples with established toxicity using ciliates.
  • a spectral instrument was selected that was developed and produced commercially in the LUMEX group of companies.
  • the fluorescence, excitation, and absorption spectra were measured using a Panorama pulse spectrofluorimeter.
  • fluorimetric studies measure the spectral characteristics of the excitation and / or emission of luminescence of the studied objects at the time of exposure to pulses of exciting light.
  • photometric studies measurements are made of the spectral characteristics of the absorption of probe radiation in the analyzed objects.
  • the spectral regions in the excitation and luminescence channels of the fluorimeter are set by built-in fast aperture monochromators. Monochromators are controlled independently.
  • any function of their states can be programmed, in particular, synchronous scanning of spectra can be carried out.
  • the original optical scheme provides high sensitivity of the device, especially in the ultraviolet region of the spectrum, where filter spectral selection is difficult.
  • the device was controlled from an external computer. Mathematical processing of the measurement results is carried out by means of the software The Unscrambler v. 9.7 (SAMO, Norway), as well as other software products, for which the export of measurement results to ASCII and MS Excel formats was provided.
  • the device was connected to a free COM port of a computer via RS-232 or through a standard USB-COM adapter.
  • the SpectralUM / Pro ® program was used, which allows the user to change calibrations and develop their own calibrations.
  • the following mathematical models were used - the partial least squares (PLS) method, the principal component regression method (PCR).
  • the Panorama spectrofluorimeter was pre-calibrated.
  • a set of samples was used, representative of those samples that will be further analyzed, that is, the used set included samples whose properties covered the entire range of possible values of the determined indicators and properties of the analyzed samples.
  • Samples for calibration were initially analyzed using a biosensor, which were ciliates-shoes with the standard reference biotesting method to determine the values of indicators in them, and then their spectra were recorded and a calibration model was calculated that relates the spectral data to the properties of the sample.
  • PCR main components
  • PLS fractional least squares
  • Specified toxicity water samples and general toxicity analysis data were provided by SLCKV. Table 3.1 shows data on samples. Table 3.1. Specified toxicity water samples used to calibrate the instrument.
  • the studied samples were aqueous solutions, which are aqueous extracts of soils, which were prepared by shaking one part of an air-dried soil sample and four parts of distilled water for 2 hours on an apparatus for shaking, filtering the resulting extract through an anesthetized white tape filters or membrane filters with a pore diameter of 2-4 microns, if necessary centrifugation (for 10 minutes at 4-5 thousand revolutions / min) and / or settling in the refrigerator for up to 5 days, if necessary dilution. Measurements were made in a standard 1 cm quartz cuvette.
  • Example 4 The toxicity analysis of aqueous samples from industrial waste using a multisensor based on ponetiometric sensors calibrated for samples with established toxicity using unicellular algae Chlorella and crustaceans Daphnia. Six samples of water extracts from industrial waste of unknown origin were analyzed using the Chlorella biosensor (analytical signal -% suppression) at multiple dilutions of samples 1, 50, and 500.
  • Chlcrella data were used as reference data for constructing a multidimensional calibration dependence according to the PLS1 algorithm, while the response of a set of potentiometric sensors was used as independent data.
  • Table 4.1 shows the parameters of the calibration models in the “entered-found” coordinates for predicting% Chlorella suppression (test function). Verification of calibration models was carried out by the method of full cross-validation.

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Biochemistry (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

Настоящее изобретение относится к определению токсичности, и может найти широкое применение в аналитической практике при определении токсичности разнообразных жидких сред без привлечения дорогостоящих и трудоемких методов анализа. Более конкретно, изобретение относится к водной токсикологии и установлению токсичности водных сред и образцов. В частности, в настоящей заявке предложены набор и мультисенсор, способ калибровки мультисенсора, а также способ для качественного и количественного определения токсичности жидких образцов.

Description

УСТРОЙСТВО И СПОСОБ ОПРЕДЕЛЕНИЯ ТОКСИЧНОСТИ ЖИДКИХ СРЕД
ОБЛАСТЬ ИЗОБРЕТЕНИЯ
Настоящее изобретение относится к определению токсичности, и может найти широкое применение в аналитической практике при определении токсичности разнообразных жидких сред без привлечения дорогостоящих и трудоемких методов анализа. Более конкретно, изобретение относится к водной токсикологии и установлению токсичности водных сред и образцов. В частности, в настоящей заявке предложены набор и мультисенсор, способ калибровки мультисенсора, а также способ для качественного и количественного определения токсичности жидких образцов.
УРОВЕНЬ ТЕХНИКИ
Токсичность представляет собой свойство химических веществ проявлять повреждающее или летальное действие на живые организмы. Вещество, оказывающее токсическое действие, называется токсикантом, а процесс воздействия токсиканта на организм - токсикацией (на экосистему - токсификацией). Токсичность водной среды представляет собой токсичность воды и донных отложений для гидробионтов, возникающую вследствие появления в ней токсических веществ природного или антропогенного происхождения (ксенобиотиков), загрязнения сточными водами, токсическими атмосферными осадками и пр. Обычно степень токсичности водной среды оценивается методами биотестирования, факультативно с последующим определением ПДК (предельно допустимых концентраций) веществ с помощью стандартных методов аналитической химии. Биотестирование, т.е. определение токсичности с привлечением биологических объектов, как правило, используют до химического анализа, т.к. этот метод позволяет провести экспресс- оценку природной среды и выявить "горячие точки", указывающие на ее наиболее загрязненные участки. На участках, где методами биотестирования выявлены какие- либо отклонения и исследуемая среда характеризуется как токсичная, аналитическим путем устанавливают причины этого явления, определяя вид и концентрации конкретных токсикантов. Таким образом, вследствие сложного состава многокомпонентной системы биологическое тестирование играет главную роль на начальном этапе. Основной принцип биотестирования заключается в испытании действия проб воды на биологический организм - тест-объект (эквивалентно называемые также биосенсорами или биообъектами) его часть или сообщество организмов с известными и поддающимися учету характеристиками. В качестве тест- объектов рекомендован широкий круг организмов, охватывающий все группы биологического сообщества. В частности, предпочтительные тест-объекты представляют собой растительные и/или животные организмы, включая дафнии, инфузории, креветки, раки, менидии, морские ежи, моллюски, устрицы, водоросли, рыбу и др. В процессе биотестрирования определяют тест-функции, т.е. жизненную функцию или критерий токсичности для характеристики отклика тест-объекта на повреждающее действие среды. Тест-функции в зависимости от тест-объекта различны и могут представлять собой
- выживаемость - для инфузорий, ракообразных, эмбриональных стадий моллюсков, рыб, насекомых;
- плодовитость, появление аномальных отклонений в раннем эмбриональном развитии организма, степень синхронности дробления яйцеклеток - для ракообразных, рыб, моллюсков;
- гибель клеток, изменение (прирост или убыль) численности клеток в культуре, коэффициент деления клеток, средняя скорость роста, суточный прирост культуры для культур одноклеточных водорослей и инфузорий;
- скорость прорастания семян, длина первичного корня и др. - для растений.
Из уровня техники известно множество изобретений, предлагающих различные варианты реализации устройств и приборов, включающих совокупность биологических объектов, а также способов для определения токсичности жидких образцов. Среди таких изобретений можно отметить следующие: SU 1507275, SU 1413525, US 2002137093, KR20080013846, KR 20090013764. Однако, все из вышеуказанных изобретений имеют недостатки, связанные с применением живых тест-объектов. К таким недостаткам, в частности, относятся: затраты, связанные с поддержанием биообъектов в рабочем состоянии (кормление, разведение, поддержание соответствующих внешних условий среды обитания); продолжительное время анализа составляющее от нескольких часов до нескольких суток; высокая стоимость одного измерения. Кроме того, ни один из тест-объектов не может служить универсальным индикатором, в равной степени чувствительным ко всем экологическим факторам, из- за видовой избирательности действия потенциальных токсикантов. С введением каждого дополнительного объекта надежность схемы испытаний повышается, однако бесконечное расширение ассортимента обязательных объектов невозможно. В свою очередь определение токсичности жидких сред, в частности водосодержащих проб и/или образцов, с привлечением по существу только физико-химических методов анализа из уровня техники не известно. Причина этого кроется в самом определении токсичности, как меры влияния внешних условий на физиологические параметры живого организма - биосенсора, в то время как методы аналитической химии дают ответ на вопрос о качественном и количественном содержании индивидуальных химических компонентов в тестируемых пробах и образцах. Другими словами, токсичность отражает нарушение рабочего состояния биообъекта. В то же время поиск зависимости токсичности и химического состава измеряемого образца на практике представляется трудоемкой задачей.
Таким образом, анализ уровня техники, позволяет сформулировать задачу настоящего изобретения, заключающуюся в обеспечении технических решений для определения токсичности водосодержащих сред, исключающих вышеуказанные недостатки.
В частности, было бы желательным обеспечить такую систему, которая с одной стороны, обладала бы чувствительностью, сходной с чувствительностью биообъектов, а с другой стороны, была бы лишена недостатков, связанных с необходимостью их постоянного использования.
В частности, было бы желательным обеспечить такую систему для определения токсичности, которая с одной стороны, имела бы чувствительность, сравнимую с чувствительностью биообъектов, а с другой стороны, обладала бы простотой и воспроизводимостью измерений, характерной для сенсоров, основанных на измерении физико-химических параметров. Еще одной задачей настоящего изобретения является обеспечение свободного от вышеуказанных недостатков устройства, позволяющего определять токсичность водных проб и образцов без постоянного использования биообъектов и при этом обеспечивающего высокую чувствительность и воспроизводимость результатов. Еще одной задачей настоящего изобретения является обеспечение способа определения токсичности жидких образцов с помощью указанного устройства.
РАСКРЫТИЕ ИЗОБРЕТЕНИЯ Согласно первому аспекту настоящего изобретения предложен набор для определения токсичности жидкой среды, включающий - совокупность перекрестно-чувствительных сенсоров для получения сигналов, пропорциональных физико-химическим параметрам указанной жидкой среды; и
- данные калибровки указанной совокупности сенсоров, устанавливающие зависимость между значениями указанных сигналов и токсичностью, полученные на образцах жидкой среды с предварительно установленной токсичностью с применением по меньшей мере одного биообъекта.
Согласно одному варианту реализации указанная совокупность включает спектральный прибор.
Согласно одному варианту реализации указанная совокупность включает по меньшей мере два перекрестно-чувствительных сенсора.
Согласно одному варианту реализации указанные перекрестно-чувствительные сенсоры представляют собой два или более сенсора одного типа или разных типов, выбранных из группы, включающей вольтамперометрические сенсоры, потенциометрические сенсоры, полевые транзисторы, оптические сенсоры, потенциометрические сенсоры с лазерным сканированием, кварцевые пьезоэлектрические устройства, сенсоры на акустических волнах, сенсоры, работающие на основе метода поверхностного фотопотенциала.
Согласно одному варианту реализации жидкая среда представляет собой многокомпонентные водные или водно-органические суспензию, дисперсию, эмульсию или гомогенный раствор.
Согласно одному варианту реализации жидкая среда представляет собой воду из промышленных стоков, канализационную воду, воду открытых водоемов, грунтовую воду, талую воду, морскую воду. Согласно одному варианту реализации жидкая среда представляет собой водную или водно-органическую вытяжку из твердого материала.
Согласно одному варианту реализации указанный биообъект выбран из растительных и/или животных организмов, включая дафнии, инфузории, креветки, раки, менидии, морские ежи, моллюски, устрицы, водоросли, рыбу. Согласно второму аспекту настоящего изобретения предложен мультисенсор для определения токсичности жидкой среды, включающий
- детектор для получения совокупности сигналов, пропорциональных физико- химическим параметрам указанной жидкой среды, соединенный с регистрирующим устройством для регистрации указанной совокупности сигналов детектора; и
блок преобразования указанной совокупности сигналов детектора в характеристический сигнал с помощью методов многомерной обработки данных, позволяющий рассчитать токсичность указанной жидкой среды с использованием данных калибровки указанного детектора, устанавливающих зависимость между значениями сигналов детектора и токсичностью, полученные на образцах жидкой среды с предварительно установленной токсичностью с применением по меньшей мере одного биообъекта.
Согласно одному варианту реализации указанный детектор содержит совокупность перекрестно-чувствительных сенсоров.
Согласно одному варианту реализации указанный детектор представляет собой спектральный прибор. Согласно одному варианту реализации указанная совокупность включает по меньшей мере два перекрестно-чувствительных сенсора.
Согласно одному варианту реализации указанная совокупность перекрестно- чувствительных сенсоров представляет собой два или более сенсора, выбранных из группы, включающей вольтамперометрические сенсоры, потенциометрические сенсоры, полевые транзисторы, оптические сенсоры, потенциометрические сенсоры с лазерным сканированием, кварцевые пьезоэлектрические устройства, сенсоры на акустических волнах, сенсоры, работающие на основе метода поверхностного фотопотенциала.
Согласно одному варианту реализации указанное регистрирующее устройство представляет собой устройство, выбранное из группы, включающей регистратор электрического сигнала, вольтметр, амперметр, измеритель импеданса, измеритель С- V характеристик, измеритель поверхностного фотопотенциала, кондуктометр, фотоэлектронные умножители (ФЭУ) или их комбинаций, при этом указанное регистрирующее устройство факультативно выполнено с возможностью передачи сигнала к электронно-вычислительной машине (ЭВМ). Согласно одному варианту реализации указанная совокупность включает перекрестно- чувствительные сенсоры одного и того же типа. Согласно одному варианту реализации указанная совокупность состоит из различных по типу перекрестно-чувствительных сенсоров.
Согласно третьему аспекту настоящего изобретения предложен способ определения токсичности жидкой среды с помощью вышеуказанного мультисенсора, при этом указанный способ включает следующие стадии:
а) калибровку детектора с помощью представительного набора образцов жидкой среды с предварительно установленной токсичностью с применением по меньшей мере одного биообъекта с получением калибровочной модели;
б) детектирование совокупности сигналов, пропорциональных физико- химическим параметрам указанной жидкой среды и их регистрацию с помощью регистрирующего устройства;
в) преобразование указанной совокупности сигналов в характеристический сигнал с помощью одного или более методов многомерной обработки данных;
г) подстановку значения характеристического сигнала в калибровочную модель с определением токсичности в указанной жидкой среде.
Согласно одному варианту реализации указанная калибровочная модель является воспроизводимой линейной зависимостью. Согласно одному варианту реализации указанная калибровочная модель является воспроизводимой нелинейной зависимостью.
Согласно одному варианту реализации детектирование многомерного отклика осуществляют путем приведения во взаимодействие указанной совокупности сенсоров и указанной жидкой среды в течение периода времени от по меньшей мере 10 миллисекунд до 30 минут.
Согласно одному варианту реализации токсичность указанной жидкой среды определяют в единицах тест-функции биообъекта, использованного при калибровке.
Согласно одному варианту реализации метод многомерной обработки данных представляет собой один или несколько методов, выбранных из группы, включающей метод проекций на латентные структуры (PLS), метод главных компонент (РСА), регрессию по главным компонентам (PCR), мягкое независимое моделирование классовых аналогий (SIMCA), метод опорных векторов (SVM), искусственные нейронные сети (ANN), линейный и квадратичный дискриминантный анализ (LDA и QDA).
Согласно одному варианту реализации жидкая среда представляет собой воду из промышленных стоков, канализационную воду, воду открытых водоемов, грунтовую воду, талую воду, морскую воду.
Согласно одному варианту реализации указанный биообъект выбран из растительных и/или животных организмов, включая дафнии, инфузории, креветки, раки, менидии, морские ежи, моллюски, устрицы, водоросли, рыбу. Согласно четвертому аспекту настоящего изобретения предложен способ калибровки мультисенсора по любому из п. п. 9-16, включающий
приведение во взаимодействие детектора поочередно с по меньшей мере двумя образцами жидкой среды с предварительно установленной токсичностью с применением по меньшей мере одного биообъекта, с получением совокупности сигналов в каждом из по меньшей мере двух жидких образцов, пропорциональных физико-химическим параметрам указанных по меньшей мере двух образцов, и регистрацию указанных сигналов с помощью регистрирующего устройства,
преобразование указанной совокупности сигналов, полученной в каждом из указанных образцов, в характеристический сигнал с помощью методов многомерной обработки данных ;
построение калибровочной модели в единицах «токсичность образца, установленная предварительно с применением биообъекта (введено) - характеристический сигнал детектора (найдено)». В результате реализации настоящего изобретения достигаются следующие преимущества по сравнению с решениями известными из уровня техники:
-существенно увеличивается скорость определения токсичности за счет того, что анализ одного образца с помощью указанных набора или мультисенсора в соответствии с предложенным способом сокращается до нескольких минут в отличие от нескольких часов (суток) в случае определения токсичности с помощью биологических объектов; т.е. т.е. настоящее изобретение предполагает возможность обеспечения экспресс-анализа водных сред, проб и образцов; - существенно упрощается определение токсичности за счет того, что биообъект не участвует в анализе и отсутствует необходимость его поддержания в рабочем состоянии (разведение, кормление, поддержание температурного режима и других параметров среды для обеспечения нормальной жизнедеятельности и прочее);
- определение токсичности может быть выполнено непосредственно на месте, т.е. вне лабораторных условий;
- существенно сокращается стоимость одного определения токсичности за счет снижения расходов на поддержание тест-объектов в рабочем состоянии. Настоящее изобретение может быть использовано в промышленности, сельском хозяйстве, здравоохранении и других отраслях экономики или социальной сферы. В частности, изобретение найдет применение:
- при проведении токсикологической оценки промышленных, сточных бытовых, сельскохозяйственных, дренажных, загрязненных природных и прочих вод с целью выявления потенциальных источников загрязнения;
- в контроле аварийных сбросов высокотоксичных сточных вод;
- при проведении оценки степени токсичности сточных вод на разных стадиях формирования при проектировании локальных очистных сооружений;
- в контроле токсичности сточных вод, подаваемых на очистные сооружения биологического типа с целью предупреждения проникновения опасных веществ для биоценозов активного ила;
- при определении уровня безопасного разбавления сточных вод для гидробионтов с целью учета результатов биотестирования при корректировке и установлении предельно допустимых сбросов (ПДС) веществ, поступающих в водоемы со сточными водами;
- при проведении экологической экспертизы новых материалов, технологий очистки, проектов очистных сооружений и пр.
КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ
Фиг. 1 (а) Схема мультисенсора согласно одному из вариантов настоящего изобретения; (б) фотография мультисенсора согласно одному из вариантов настоящего изобретения. Фиг. 2 Распознавание образцов с различной токсичностью мультисенсором согласно одному из вариантов настоящего изобретения (график распределения интрегральных откликов по главным компонентам РС1 и РС2) Фиг. 3 Вид калибровочной зависимости полученной с помощью мультисенсора согласно одному из вариантов настоящего изобретения, построенной с применением метода PLS1 по результатам 8 образцов с предварительно установленной токсичностью с помощью Daphnia.
ОПРЕДЕЛЕНИЯ
Термин «сенсор» используемый в настоящем описании представляет собой устройство, реагирующее (откликающееся) на определенные свойства окружающей его среды и позволяющее регистрировать этот отклик в виде соответствующего электрического оптического и др. сигнала.
Термин «совокупность сенсоров» используемый в настоящем описании в общем случае относится к множеству сенсоров объединенных друг с другом. Совокупность может представлять собой спектральный прибор, либо состоять из по меньшей мере двух сенсоров. Предпочтительно совокупность содержит от 1 до 100 сенсоров, более предпочтительно от 1 до 50, предпочтительнее от 1 до 30 и наиболее предпочтительно от 1 до 10 сенсоров.
Термин «набор» используемый в настоящем описании относится к системе, одним из элементов которой является совокупность сенсоров, а вторым элементом - данные калибровки указанной совокупности сенсоров в виде калибровочной модели/зависимости.
Термин «токсичность» используемый в настоящем описании характеризует влияние среды на жизненные функции (тест-функции) живого организма, находящего в такой среде. К таким жизненным или тест-функциям живого организма относятся выживаемость, плодовитость, скорость размножения, скорость роста и другие характеристики его жизнедеятельности.
«Жидкая среда» согласно настоящему описанию представляет собой любую среду, обладающую характеристиками жидкости. Предпочтительно в рамках настоящего изобретения под жидкой средой подразумевают многокомпонентные водные или водно-органические системы, воду из различных бытовых и природных источников, вытяжки из твердых материалов и т.д. Термин «перекрестно-чувствительный» используемый в настоящем описании применительно к сенсору, означает то, что указанный сенсор обладает чувствительностью к различным компонентам/веществам/соединениям/ионам среды, с которой его приводят во взаимодействие. Перекрестная чувствительность предполагает отсутствие селективности у указанного сенсора. В рамках настоящего изобретения термины «перекрестная чувствительность», «неселективность», «перекрестная реактивность», «низкая селективность», «частичная специфичность» и «глобальная селективность» являются взаимозаменяемыми и эквивалентными. Термин «пропорциональный физико-химическим параметрам жидкой среды» используемый применительно к сигналу сенсора, подразумевает наличия зависимости значения сигнала от определенного физико-химического параметра. Под физико- химическими параметрами следуют понимать любые физические и химические свойства среды, определяемые ее качественным и количественным компонентным составом. В частности, к физико-химическим параметрам относятся вязкость, плотность, диэлектрическая проницаемость, теплоёмкость, теплопроводность, электропроводность, абсорбция, цвет, оптическая плотность, выход люминесценции, выход флуоресценции, текучесть, индуктивность, радиоактивность, концентрация компонентов среды и т.д.
Под терминами «биообъект», «биосенсор» и «тест-объект», используемыми в настоящем описании взаимозаменяемо подразумеваются любые организмы из царства животных или растений, которые используют в данной области техники для определения токсичности жидких сред.
Термин «мультисенсор» используемый в настоящем описании относится к устройству, включающего детектор, содержащий совокупность перекрестно-чувствительных сенсоров, регистрирующее устройство и блок обработки данных, полученных при взаимодействии детектора и жидкой среды. Мультисенсор может включать набор, определенный выше. Более подробно данное устройство раскрывается в нижеследующем разделе описания «осуществление изобретения».
Термин «калибровка» используемый в настоящем описании предполагает проведение совокупности действий, направленных на установление зависимости величины токсичности, определенной с помощью биообъекта, и данными полученными от совокупности перекрестно-чувствительных сенсоров в определенной жидкой среде. Взаимозаменяемые эквивалентные термины «калибровочная модель» и «калибровочная зависимость» раскрывают взаимосвязь значений совокупности сигналов, полученных с помощью перекрестно-чувствительных сенсоров и токсичностью жидкой среды, определенной с помощью биообъекта. При этом указанная функциональная зависимость может быть как линейной, так и нелинейной.
Термин «представительный» используемый в настоящем описании в отношении набора образцов, по которым проводят калибровку совокупности сенсоров, соответствует такому набору образцов, количество которых необходимо и достаточно для определения токсичности жидкой среды, подлежащей определению в образце с неустановленной токсичностью.
Термин «характеристический сигнал» представляет собой единый сигнал, полученный после обработки совокупности сигналов мультисенсора в жидкой среде с помощью по меньшей мере одного многомерного метода обработки данных, при этом характеристический сигнал индивидуализирующий указанную жидкую среду, и в частности ее токсичность.
Термин «воспроизводимый» используемый в настоящем описании относится к любой характеристике, отклонение численного значения которой от среднего варьирует в интервале от 0 до 20%, предпочтительно от 0 до 10% и более предпочтительно от 0 до 5%.
ОСУЩЕСТВЛЕНИЕ ИЗОБРЕТЕНИЯ
Согласно первому аспекту настоящего изобретения предложен набор для определения токсичности жидкой среды, включающий
- совокупность перекрестно-чувствительных сенсоров для получения сигналов, пропорциональных физико-химическим параметрам указанной жидкой среды; и
- данные калибровки указанной совокупности сенсоров, устанавливающие зависимость между значениями указанных сигналов и токсичностью, полученные на образцах жидкой среды с предварительно установленной токсичностью с применением по меньшей мере одного биообъекта. Настоящее изобретение основано на неожиданном обнаружении того, что совокупность перекрестно-чувствительных сенсоров позволяет получать отклики, коррелирующие со значениями токсичности образцов, установленными с привлечением одного или нескольких биологических объектов (далее также используются эквивалентные понятия биообъект, тест-объект, биосенсор). Совокупность перекрестно-чувствительных сенсоров, будучи по меньшей мере единожды откалиброванной по образцам с установленной токсичностью с привлечением по меньшей мере одного биообъекта, позволяет впоследствии, на основе полученных данных калибровки, определять токсичность различных сред неограниченное число раз, тем самым исключая трудовые и экономические затраты, связанные с поддержанием биообъектов в рабочем состоянии (кормление, разведение, поддержание соответствующих внешних условий среды обитания), а также существенно увеличивает скорость определения токсичности с нескольких часов или суток до нескольких минут с сокращением общей стоимости анализа.
Получение данных калибровки, т.е. построение калибровочной модели/зависимости, и обработку сигналов, полученных от совокупности сенсоров, осуществляют с применением хемометрических методов, выбранных из группы, включающей метод проекций на латентные структуры (PLS), метод главных компонент (РСА), регрессию по главным компонентам (PCR), мягкое независимое моделирование классовых аналогий (SIMCA), метод опорных векторов (SVM), искусственные нейронные сети (ANN), линейный и квадратичный дискриминантный анализ (LDA и QDA). Эти методы хорошо известны специалистам в данной области техники (см., например, Н. Martens, Multivariate Calibration. Wiley, New York, 1989; К. Эсбенсен. Анализ многомерных данных. Изд-во Алтайского ун-та, Барнаул, 2003).
Таким образом, при анализе конкретной жидкой среды, пробы или образца вышеуказанный набор может быть использован для определения токсичности в единицах тест-функции биообъекта, используемого при калибровке. Необходимыми и достаточными условиями такого определения будут являться совокупность сенсоров, откалиброванных по образцам, токсичность которых была установлена с помощью указанного по меньшей мере одного биообъекта, а также данных калибровки или калибровочной модели, например, представленных в виде линейной зависимости в координатах «введено» - «найдено» или в виде матрицы коэффициентов, учитываемой определенным образом при расчете совокупности сигналов в исследуемом образце. Сущность калибровки с применением тест-объектов будет детальнее раскрыта ниже.
Под физико-химическими параметрами следуют понимать любые физические и химические свойства среды, определяемые ее качественным и количественным компонентным составом. В частности к физико-химическим параметрам относятся вязкость, плотность, диэлектрическая проницаемость, теплоёмкость, теплопроводность, электропроводность, абсорбция, цвет, оптическая плотность, выход люминесценции, выход флуоресценции, текучесть, индуктивность, радиоактивность, концентрация компонентов среды, а также любые другие свойства, поддающиеся измерению и зависящие от вышеуказанных параметров.
В общем, термин «сенсор» означает первичное устройство, реагирующее (от- кликающееся) на определенные свойства окружающей среды и позволяющее регистрировать этот ОТКЛИК В виде соответствующего электрического (оптического и др.) сигнала. Сенсоры в указанном наборе обладают воспроизводимыми аналитическими характеристиками и высокой перекрестной чувствительностью, которая понимается как чувствительность сенсора к содержанию (концентрации) по меньшей мере двух или более компонентов анализируемого раствора одновременно. Другими словами, перекрестно-чувствительный сенсор не является селективным относительно конкретного компонента в многокомпонентной системе. Хотя термин «перекрестная чувствительность» является общепринятым для описания свойств сенсоров в литературе, посвященной мультисенсорным системам, его однозначного и общепринятого определения до настоящего времени не предложено. Существует целый ряд терминов, описывающих аналогичное явление, и используемых как синонимы, например, неселективность, перекрестная реактивность, низкая селективность, частичная специфичность и даже глобальная селективность. Эти термины следует рассматривать в качестве эквивалентных при рассмотрении настоящего изобретения. Далее по тексту заявки будет использован термин «перекрестная чувствительность», как наиболее точно описывающий, по мнению авторов изобретения, данное явление.
Авторами настоящего изобретения был предложен свой эмпирический метод оценки перекрестной чувствительности, заключающийся в использовании трех параметров: среднего наклона электродной функции S, фактора воспроизводимости (стабильности) К и фактора неселективности F, описывающие чувствительность и воспроизводимость отклика сенсора, а также распределение его селективности по изучаемым компонентам раствора. Для расчета этих параметров используются экспериментальные данные, полученные при калибровочных измерениях с сенсором в индивидуальных растворах выбранного набора веществ (ионов) и для заранее определенного круга сенсорных материалов, перекрестная чувствительность которых будет изучаться. Даже самые «неселективные» сенсорные материалы не будут обладать чувствительностью ко всем ионам в растворе, а, скорее, только к определенной группе веществ. Подробное описание метода оценки перекрестной чувствительности может быть найдено в работе Ю.Г. Власов, А.В. Легин, A.M. Рудницкая. ЖАХ. 52, Ne8, (1997) 837-842, включаенной в настоящее описание во всей полноте при помощи ссылки. Важно отметить, что поскольку в рамках предложенного подхода не делается никаких априорных предположений о механизме отклика сенсоров, он может быть применен для оценки перекрестной чувствительности любых типов сенсоров, описываемых ниже. Под совокупностью перекрестно-чувствительных сенсоров следует понимать по меньшей мере один или более сенсор, обладающий перекрестной чувствительностью к компонентам жидкой среды токсичность которой определяют.
В частности, согласно одному варианту реализации совокупность может включать спектральный прибор. Указанный спектральный прибор позволяет получить индивидуальный спектр жидкого образца среды. В зависимости от качественного и количественного компонентного состава среды, его физико-химических параметров, частоты (длины волны) расположения пиков (линий), а также их интенсивности в спектре будут различными. Таким образом, проявляется перекрестно-чувствительный характер указанного сенсора. Авторами настоящего изобретения удалось найти корреляцию между расположениями линий в спектре, а также их интенсивностью, пропорциональные в свою очередь физико-химическим свойствами среды, и токсичностью указанной среды. Перед определением токсичности жидкой среды, спектрометр калибруют по образцам с предварительно установленной токсичностью с применением по меньшей мере одного биообъекта. Калибровка заключается в установлении зависимости между показаниями, регистрируемыми в спектре образца и его токсичностью с применением биообъекта. В результате калибровки по нескольким представительным образцам получают корреляционную воспроизводимую зависимость, позволяющую определять далее токсичность любого образца без привлечения соответствующего биообъекта.
Согласно одному варианту реализации в качестве указанного спектрального прибора может выступать спектрофлуориметр, позволяющий регистрировать спектры флуоресценции, возбуждения и поглощения. При флуориметрических исследованиях производится измерение спектральных характеристик возбуждения и/или испускания люминесценции исследуемых образцов в момент воздействия импульсов возбуждающего света. При фотометрических исследованиях проводятся измерения спектральных характеристик поглощения зондирующего излучения в анализируемых образцах. Спектральные области в каналах возбуждения и регистрации люминесценции флуориметра задаются встроенными светосильными монохроматорами. Предпочтительно, монохроматоры управляются независимо. При измерениях возможно запрограммировать любую функцию их состояний, в частности, можно проводить синхронное сканирование спектров в различных спектральных областях. Управление прибором осуществляется от внешнего компьютера, либо со встроенной клавиатуры. В частности, в качестве вышеуказанного спектрального прибора в наборе для определения токсичности использовать спектрофлуориметр «Панорама» компании ООО «Люмэкс».
Согласно еще одному варианту реализации изобретения перекрестно-чувствительные сенсоры представляют собой два или более сенсора одного типа или разных типов, выбранных из группы, включающей вольтамперометрические сенсоры, потенциометрические сенсоры, полевые транзисторы, оптические сенсоры, потенциометрические сенсоры с лазерным сканированием, кварцевые пьезоэлектрические устройства, сенсоры на акустических волнах, сенсоры, работающие на основе метода поверхностного фотопотенциала. Однако, необходимо отметить, что типы сенсоров, составляющих совокупность в наборе, не играют существенного значения, с точки зрения их внешнего воплощения. Существенным условием является перекрестная чувствительность каждого из них, к нескольким химическим компонентам. При этом, перечень компонентов, относительно которых сенсоры проявляют перекрестную чувствительность не является строго определенным и не может являться таковым в силу нескольких причин.
Не желая связываться какой-либо теорией, авторы настоящего изобретения предполагают, что для успешной реализации изобретения сенсоры должны обладать перекрестной чувствительностью к самым разнообразным компонентам. Например, к таким предельно-допустимые концентрации которых, указаны в различных нормативных документах, определяющих загрязнение водных объектов, а, следовательно, прямо или косвенно влияющие на параметры жизнедеятельности биологических объектов, т.е. на токсичность (см., например, перечень ПДК, приведенный в ГН 2.1.5.1315-03 - ПДК химических веществ в воде водных объектов хозяйственно-питьевого и культурно-бытового водопользования от 19.05.2003). Более конкретно, к таким компонентам относятся, во-первых, ионные компоненты, в том числе катионы тяжелых металлов, такие как катионы Zn, Cd, V, Sn, Pb, Cu, Fe, Co, Mn, Hg, As, актиноидов и лантаноидов, а также различные анионы - Ν03 ', S04 2", S2', С , F', I', N02 " и др. Важно учитывать, что на токсичность могут влиять даже вполне безобидные вещества, например, пищевые, ПДК которых существенно превышены. Во-вторых, к указанным компонентам относятся разнообразные неионные частицы, способные оказывать влияние как непосредственно на сам сенсор, так и косвенно на ионные формы, перекрестная чувствительность к которым проявляется конкретным сенсором. Типичный пример - разнообразные нефтепродукты, которые зачастую не обладают ионным характером, а также в большинстве своем представляют собой неполярные органические соединения. В-третьих, к таким компонентам относятся разнообразные вещества, которые имеют физический характер влияния на отдельно взятый сенсор. Например, к указанной группе, могут относиться вещества, адсорбирующиеся на поверхности сенсоров, такие как ПАВ, гуминовые кислоты, эфиры жирных кислот изменяющие отклик сенсора вследствие взаимодействия с его поверхностью. К указанным веществам также относятся широко известные, токсиканты окружающей среды, пестициды, биоциды и др.
Перекрестная чувствительность указанной совокупности сенсоров позволяет получить уникальный отклик массива сенсоров даже при незначительном изменении одного из компонентов сложной системы, а, следовательно, обеспечить оптимальное соответствие сигналов совокупности сенсоров и биообъекта в системе. Специалисту в данной области техники будут очевидны различные сенсоры, обладающие перекрестной чувствительностью, а, соответственно, потенциально пригодные для определения токсичности жидких сред.
Предпочтительно, указанные сенсоры представляют собой сенсоры, включающие полимерную мембрану, содержащую активный компонент (ионофор), нанесенную на преобразователь (трансдьюсер). Полимерную мембрану изготавливают путем смешения подходящих полимера, пластификатора и ионофора в приемлемом растворителе, с последующим высушиванием смеси в течение достаточного количества времени и механической модификацией застывшей пленки для придания необходимых геометрических размеров. Мембрану наносят/устанавливают на преобразователь, получая, таким образом, один из вышеуказанных сенсоров. В зависимости от типа используемого преобразователя получают вольтамперометрические сенсоры, потенциометрические сенсоры, полевые транзисторы, оптические сенсоры, потенциометрические сенсоры с лазерным сканированием, кварцевые пьезоэлектрические устройства, сенсоры на акустических волнах, сенсоры, работающие на основе метода поверхностного фотопотенциала. В качестве подходящего полимера для мембранной матрицы можно использовать, например, поливинилхлорид, полиуретаны, ацетилцеллюлозу и другие полимеры, известные специалистам в данной области техники. Пластификатор служит для придания высоких механических свойств мембраны и может быть выбран из группы, включающей диоктилфенилфосфонат (DOPP), 2-нитрофенилоктиловый эфир (NPOE), бис-(1-бутилпентил)адипат (ВВРА), три-2-этилгексиловый эфир фосфорной кислоты (РТЕН), диэтиленгликольдибутиловый эфир (DGDE), 3-
(треметоксисилил)пропилметакрилат (TMSPM), триоктилтримелиат (ТОТМ), трибутил- О-ацетилцетрат и другие. В качестве ионофоров выбирают соединения, обеспечивающие перекрестную чувствительность сенсоров к различным органическим и неорганическим веществам, а также к катионам и анионам, в том числе катионам тяжелых металлов и анионам, указанным выше. Из уровня техники известно множество веществ, используемых в качестве активного вещества, обеспечивающих перекрестную чувствительность. В качестве ионофоров могут выступать разнообразные органические вещества, в частности, бромид тетрадодециламмония (TDAB), хлоридтриоктилметиламмония (ТОМА), олеиновая кислота, 1-гексадеканол, галловая кислота, эфиры фосфорной кислоты, димамиды дипиколиновой кислоты (2,6 - пиридинкарбоновой), фосфиноксиды, мателлопорфирины, калликсарены и другие соединения известные специалистам в данной области техники. В некоторых источниках такие сенсоры называют сенсорами на основе липидных мембран.
Также предпочтительно указанные сенсоры представляют собой перекрестно- чувствительные потенциометрические сенсоры на основе оксидных и/или халькогенидных стекол. Указанные оксиды представляют собой один или несколько оксидов, выбранных из группы, включающей Na20, Li20, К20, MgO, CaO, SrO, Al203, Sc203, Y203 La203, Si02, As203, Zr02) Mo02l W03 и другие. Халькогенидные стекла по существу содержат один или несколько халькогенидов металлов общей формулы МХСУ и/или один или несколько халькогенидов неметаллов общей формулы ЕгСь, где М представляет собой щелочной металл, щелочноземельный металл, переходный металл, лантанид или актинид; С представляет собой S, Se, Те; Е представляет собой неметалл, выбранный из группы, включающей Si, As, , Sb, Ge, Sn, I; x принимает значения от 1 до 3; у - от 1 до 5; и z - от 1 до 3 и b - от 1 до 5. Также, согласно некоторым вариантам реализации изобретения мембраны могут быть выполнены на основе моно- или поликристаллических веществ, в частности из труднорастворимых кристаллических солей, например, таких как LaF3, AgA, где А представляет собой СГ, Вг\ Г, SCN", CN"; и/или TS-Ag2S, где М представляет собой Си2*, Pb2+, Cd2+. Способы получения вышеуказанных сенсоров хорошо известны специалистам в данной области техники, например, из: (a) Bratov A. et al, Analytica Chemica Acta, Volume 678, Issue 2, 30 September 2010, Pages 149-159; (6) Jimenez-Jorquera et al, Sensors, Volume 10, Issue 1, January 2010, Pages 61-83; (в) Schoning M.J., Kloock J. P., Electroanalysis, Volume 19, Issue 19-20, October 2007, Pages 2029-2038.
Промышленный выпуск или поставку сенсоров для анализа жидких сред осуществляет целый ряд отечественных фирм (некоторые из них приведены в Табл.А). Среди зарубежных фирм можно назвать такие, как Radiometer Analytical (France), HANNA instruments USA), Metier Toledo (USA), Orion (USA), Electrochemical Sensor Technology (EST) Ltd (UK), Sentek (UK). В табл. А в качестве примера показаны выпускаемые фирмой «Сенсорные системы» отечественные ИСЭ, которые также продаются рядом фирм-поставщиков (см.табл.1).
Таблица А. Фирмы производители и поставщики химических сенсоров
Figure imgf000020_0001
Важное преимущество настоящего изобретения, заключается в том, что для определения токсичности жидкой среды с использованием вышеуказанного набора вовсе не обязательно располагать каким-либо знанием относительно химического состава сложной системы (жидкой среды), токсичность которой необходимо определить. Необходимо, чтобы отклик совокупности сенсоров коррелировал с откликом, получаемым с применением биологического объекта. Это достигается за счет перекрестной чувствительности используемой совокупности сенсоров к разнообразным химическим компонентам. Согласно еще одному варианту реализации изобретения указанная совокупность содержит по меньшей мере два откалиброванных перекрестно-чувствительных сенсора. Согласно другому варианту реализации количество сенсоров составляет от 2 до 50, предпочтительно от 2 до 30, более предпочтительно от 2 до 20 и наиболее предпочтительно от 2 до 10 сенсоров. Изначально, количество сенсоров в наборе может быть максимальным. По мере определения корреляций с откликом по биообъекту, их число может быть уменьшено до оптимального количества с исключением сенсоров, не вносящих существенного вклада в определение токсичности. Согласно другому варианту реализации возможно использовать всю совокупность доступных сенсоров, но при обработке учитывать сигналы от определенных сенсоров, вносящих основной вклад в определение токсичности.
Предпочтительно, в дополнение к совокупности перекрестно-чувствительных сенсоров использовать сенсоры, высокоселективные к определенным ионам. В качестве таких сенсоров, в частности, могут быть использованы ион-селективные электроды, такие как рН-электрод, электроды имеющие селективность по существу к одному из следующих ионов: Н\ Na+, К\ NH4\ Са2+, Mg2\ Cd2+, Pb2+, Cu2+, Ад+, Р, СГ, В , , Ν03 ', CN", SCN", BF4 ', CI04 ', S04 2*, С03 2", Р04 2". Такие электроды хорошо известны специалистам в данной области техники. Кроме того, в дополнение к указанным сенсорам может быть использован хлорсеребряный электрод в качестве электрода сравнения.
Согласно одному варианту реализации изобретения указанная жидкая среда представляет собой многокомпонентные водные или водно-органические суспензию, дисперсию, эмульсию или гомогенный раствор. В частности, жидкий образец может представлять собой воду из промышленных стоков, канализационную воду, воду открытых водоемов, грунтовую воду, морскую воду.
Согласно еще одному варианту в качестве жидкого образца также выступают водные растворы, представляющие собой водные или водно-органические вытяжки из твердых материалов, в частности, почв, грунтов, торфа, осадков сточных вод, донных отложений, активного ила, отходов (промышленных, твердых бытовых отходов, смешанных, порошкообразных, шлаков, шламов и др.). Водные вытяжки из почв, грунтов, торфа, донных отложений готовят путем встряхивания одной части воздушно-сухой пробы почвы, отобранной и подготовленной, например, согласно ГОСТ 17.4.4.02-84 («Почвы. Методы отбора и подготовки проб для химического, бактериологического, гельминтологического анализа») и ГОСТ 27753.1-88 («Грунты тепличные. Методы отбора проб»), и 2-10 частей дистиллированной воды в течение периода времени, достаточного для полной экстракции содержимого пробы в воду, на аппарате для встряхивания, фильтрования полученной вытяжки через обеззоленные фильтры или мембранные фильтры с диаметром пор 1-10 мкм, возможно с последующим центрифугированием и/или отстаиванием в холодильнике вплоть до нескольких суток, а при необходимости с последующим разбавлением. Водные вытяжки из осадков сточных вод, активного ила и отходов готовят путем перемешивания с использованием механической или магнитной мешалки одной части твердой фазы прошедшей соответствующую пробоподготовку, и десяти частей дистиллированной воды в течение 1 - 10 часов, отстаивания раствора с осадком в течение 10-20 часов, возможно с последующим фильтрованием надосадочной жидкости через обеззоленные фильтры, центрифугированием и последующим разбавлением.
Все вытяжки должны иметь величину рН в диапазоне 3,0 - 10,0. При необходимости пробы нейтрализуют, после чего аэрируют в течение нескольких минут для стабилизации величины рН. Регулирование рН не должно вызывать химической реакции с веществами, присутствующими в пробе (выпадение осадка, комплексообразование), и не должно более чем на 5 % изменять концентрацию исследуемой пробы. При необходимости уточнения результатов экспериментов расширяют и определяют токсичность проб после нейтрализации и без нейтрализации.
Согласно второму аспекту настоящего изобретения предложен мультисенсор для определения токсичности жидкой среды, включающий
- детектор для получения совокупности сигналов, пропорциональных физико- химическим параметрам указанной жидкой среды, соединенный с регистрирующим устройством для регистрации указанной совокупности сигналов детектора; и
блок преобразования указанной совокупности сигналов детектора в характеристический сигнал с помощью методов многомерной обработки данных, позволяющий рассчитать токсичность указанной жидкой среды с использованием данных калибровки указанного детектора, устанавливающих зависимость между значениями сигналов детектора и токсичностью, полученные на образцах жидкой среды с предварительно установленной токсичностью с применением по меньшей мере одного биообъекта. Согласно одному варианту реализации настоящего изобретения указанный мультисенсор представляет собой установку, состоящую из по меньшей мере двух основных блоков - детектора и блока преобразования сигналов детектора, соединенных между собой по известным для специалистов правилам с образованием единого аналитического устройства для определения токсичности.
На Фиг. 1 (а) представлена схема одного возможного варианта реализации мультисенсора согласно настоящему изобретению. Основным элементом системы, является детектор, содержащий совокупность перекрестно-чувствительных сенсоров 2, откалиброванных по образцам с установленной токсичностью с применением биологических объектов, а также регистрирующее устройство 5. Регистрирующее устройство представляет собой датчик, позволяющий зарегистрировать сигнал, исходящий от преобразователя каждого отдельно взятого сенсора. В зависимости от типа используемых сенсоров регистрирующее устройство может представлять собой регистратор электрического сигнала, вольтметр, амперметр, измеритель импеданса, измеритель C-V характеристик, измеритель поверхностного фотопотенциала, кондуктометр, фотоэлектронные умножители (ФЭУ) или их комбинаций. Блок обработки данных 6 представляет собой электронно-вычислительную машину, например персональный или портативный компьютер, с установленным пакетом программ для обработки многомерного отклика мультисенсора, а также содержащий данные калибровки сенсоров для определения токсичности неизвестного образца.
На Фиг. 1(6) представлена фотография мультисенсора согласно одному предпочтительному варианту настоящего изобретения. Образец, токсичность которого подлежит определению, помещают на магнитную мешалку 3, обеспечивающую гомогенизацию содержимого емкости. Предпочтительно использование магнитной мешалки с подогревом. Детектор 2, соединенный с высокоимпедансным вольтметром 1, приводят во взаимодействие с образцом, содержащимся в емкости на определенный период времени достаточный для достижения равновесных условий и регистрируют сигнал, исходящий от каждого сенсора совокупности. Сигналы, зафиксированные регистрирующим устройством передаются и сохраняются в памяти ЭВМ и в дальнейшем используются при многомерной обработке. Подстановка данных калибровочной модели при обработке данных позволяет получить значение токсичности образца в единицах тест-функции биообъекта, используемого при калибровке. Другими словами, мультисенсор позволяет определить именно такую токсичность, которую продемонстрировал бы биологический объект, в случае измерения токсичности с его применением в жидком образце.
Под совокупностью перекрестно-чувствительных сенсоров следует понимать по меньшей мере один или более сенсор, обладающий перекрестной чувствительностью к компонентам жидкой среды. В частности, совокупность перекрестно-чувствительных сенсоров может включать спектральный прибор, например, спектрофлуориметр как определен выше и/или по меньшей мере два перекрестно-чувствительных сенсора, выбранных из группы, включающей вольтамперометрические сенсоры, потенциометрические сенсоры, полевые транзисторы, оптические сенсоры, потенциометрические сенсоры с лазерным сканированием, кварцевые пьезоэлектрические устройства, сенсоры на акустических волнах, сенсоры, работающие на основе метода поверхностного фотопотенциала. Блок преобразования обеспечивает преобразование совокупности сигналов детектора в характеристический сигнал с помощью методов многомерной обработки данных. В качестве сигналов детектора могут выступать значения ЭДС, силы тока, сопротивления, интенсивности и частоты линий в спектре и т.д., которые определяются типом сенсоров, входящих в детектор. Сигналы детектора являются пропорциональными различным физико-химическим параметрам жидкой среды, например, таким как вязкость, плотность, диэлектрическая проницаемость, теплоёмкость, теплопроводность, электропроводность, абсорбция, цвет, оптическая плотность, выход люминесценции, выход флуоресценции, текучесть, индуктивность, радиоактивность, концентрация компонентов. Данные значения сигналов с помощью хемометрических методов, так же называемых методами многомерной обработки данных, можно определенным образом распознать и определить их структуру, далее классифицировать и идентифицировать, а также использовать в количественном анализе для определения концентраций отдельных веществ и других параметров. В частности, в результате обработки данных совокупность сигналов детектора преобразуется в один сигнал, включающий в себя информацию, поступающую от каждого отдельного сенсора в конкретно взятой многокомпонентной системе. Таким образом, указанный сигнал характеризует и индивидуализирует конкретную многокомпонентную систему, т.е. учитывает ее качественный и количественный состав, а также взаимодействие между отдельно взятыми компонентами системы, остальные условия при которых проводятся измерения. В силу такой особенности, указанный сигнал, получаемый при обработке, назван в настоящем описании «характеристическим». При этом, хемометрические методы выбирают из группы, включающей метод проекций на латентные структуры (PLS), метод главных компонент (РСА), регрессию по главным компонентам (PCR), мягкое независимое моделирование классовых аналогий (SIMCA), метод опорных векторов (SVM), искусственные нейронные сети (ANN), линейный и квадратичный дискриминантный анализ (LDA и QDA). Эти методы многомерной обработки данных хорошо известны специалистам в данной области техники (см., например, Н. Martens, Multivariate Calibration. Wiley, New York, 1989; К. Эсбенсен. Анализ многомерных данных. Изд-во Алтайского ун-та, Барнаул, 2003). Указанный детектор на основе перекрестно-чувствительных сенсоров является пригодным для определения токсичности, будучи откалиброванным по образцам с предварительно установленной токсичностью с помощью биологического объекта (биосенсора). В одном предпочтительном варианте реализации детектор может быть откалиброван по образцам с токсичностью установленной разными биологическими объектами. В другом предпочтительном варианте детектор калибруют по разным образцам с установленной токсичностью. В каждом из этих случаев одна и та же совокупность сенсоров будет пригодна для определения токсичности, в первом случае, в единицах тест-функции биообъекта, используемого при калибровке, а, во втором, - в разных жидких средах. Таким образом, для расширения пределов применения настоящего мультисенсора, детектор желательно калибруют по образцам, токсичность которых определялась разными видами биологических объектов, а также образцам, разным по источнику их происхождения. Например, указанный детектор может быть прокалиброван по образцам пресной и морской воды, при определении токсичности которых были использованы различные тест-объекты. В этом случае в дальнейшем это позволит определять токсичность пресной и морской воды в единицах тест- функции биообъектов, используемых при калибровке, с помощью одного и той же совокупности перекрестно-чувствительных сенсоров или одним и тем же мультисенсором. Специалисту в данной области техники будет очевидно, что детектор может быть откалиброван и более, чем по двум видам образцов с применением различных тест-объектов.
Мультисенсор для анализа токсичности жидкостей может быть разработан на основе потенциометрических химических сенсоров, являющихся одним из наиболее предпочтительных вариантов настоящего изобретения. Измерения с потенциометрическим массивом сенсоров, в целом, аналогичны измерениям с отдельными ИСЭ: измеряется э.д.с. электрохимической ячейки, состоящей из каждого из сенсоров массива поочередно и электродом сравнения. Для измерений используют многоканальные вольтметры с высоким входным импедансом (не менее 1012 Ом). Как правило, управление измерениями и запись данных осуществляется с помощью компьютера. Тем не менее, устройство такого типа может включать в себя любые химические сенсоры для анализа токсичности жидкостей независимо от того, на каком физическом принципе они основаны. Основные типы сенсоров и чувствительных материалов, применяемых в настоящем мультисенсоре, описаны ниже.
Согласно одному варианту реализации настоящий мультисенсор может включать в себя детектор на основе от 2 до 50, предпочтительно от 2 до 30, более предпочтительно от 2 до 20 и наиболее предпочтительно от 2 до 10 потенциометрических сенсоров с т.н. липидными мембранами (см. выше подробно), обладающими перекрестной чувствительностью. С целью миниатюризации мультисенсора изготавливают тонкопленочные сенсоры на основе тех же чувствительных материалов, но на основе другого принципа детектирования сигнала. Тонкопленочные сенсоры изготавливают нанесением Лангмюр-Блоджеттовских пленок на полупроводниковую подложку. В качестве трансдьюсеров используют полевые транзисторы, потенциометрические сенсоры с лазерным сканированием (LAPS) и изменяемым поверхностным фотопотенциалом (SVP). Для изготовления сенсоров образующих детектор согласно еще одному варианту реализации используют широкий круг мембранных материалов, в том числе халькогенидные стекла, допированные различными металлами, пластифицированные полимеры, содержащие различные активные вещества (ионофоры), а также моно- и поликристаллические композиции.
Согласно одному варианту реализации настоящий мультисенсор может быть выполнен в виде инжекционного устройства, включающего детектор, содержащий от 2 до 50 сенсоров. К достоинствам проточно-инжекционного мультисенсора относится возможность проводить многократные и часто повторяющиеся измерения токсичности в автоматическом режиме, а также уменьшенный объем пробы. Объем пробы в случае инжекционного мультисенсора составляет, как правило, от 150 до 500 мкл, но может быть уменьшен и до 50 мкл.
Согласно еще одному варианту реализации потенциометрические сенсоры, входящие в состав настоящего мультисенсора могут быть изготовлены путем нанесения пленок металлопорфиринов на подложку из стеклоуглерода. Металлопорфирины с разными центральными атомами (Mn(lll), Fe(lll), Co(ll), Ni (II)), а также тетрафенилпорфирин наносят методом электрополимеризации.
Согласно еще одному варианту реализации настоящий мультисенсор включает детектор, содержащий вольтамперометрические перекрестно-чувствительные сенсоры. В данном случае реализуется идея о сочетании неспецифичных электрохимических сигналов и их обработки методами распознавания образов. Полярографическая волна становится неселективным аналитическим сигналом в тех случаях, когда несколько компонентов раствора, подлежащего анализу на токсичность, окисляются при одинаковых или близких потенциалах. Для разрешения такого сигнала и получения из него аналитической информации, кроме методов обработки данных, используется не один рабочий электрод, как в классической схеме, а несколько. В частности, в качестве рабочих электродов можно использовать благородные металлы: платину, золото, иридий, родий и рений.
Примерами вольтамперометрических сенсоров являются электроды, модифицированные монофталоцианинами кобальта и меди и бисфталоцианинами европия, гадолиния, лютеция и окто- или тетрабутил замещенного бисфталоцианина празеодима. Указанные модифицированные электроды изготавливают либо нанесением пленок Лэнгмюра-Блоджета на стеклянную подложку, либо с использованием технологии намазного электрода, при которой 5-25 об. % фталоцианина смешивают с графитовой пастой. Измерения с вольтамперометрическими мультисенсорными системами проводят в классической трехэлектродной схеме, измерительный электрод - электрод сравнения и вспомогательный электрод, с той лишь разницей, что «измерительным электродом» в данном случае выступает совокупность откалиброванных перекрестно-чувствительных сенсоров описанная выше. Для переключения электродов используют коммутатор. Метод квадратно-волновой импульсной вольтамперометрии (LAPV) выбирают для измерений с совокупностью электродов, изготовленных из благородных металлов. Измерения с совокупностью модифицированных электродов можно проводить также методом циклической вольтамперометрии.
Согласно некоторым вариантам реализации для изготовления сенсоров используют различные проводящие полимеры, такие как полианилин, полипиррол, стеариновую кислоту и их смеси. Лэнгмюр-Блоджеттовские пленки полимеров наносят на металлическую подложку. Измерения с полученными электродами проводят методом импедансной спектроскопии. Комплексный импеданс измеряют при комнатной температуре (20±3)°C в диапазоне частот 20-Ю5 Гц. Применение импедансной спектроскопии основывается на том факте, что область низких частот импедансного спектра описывает свойства двойного электрического слоя, образуемого в результате адсорбции различных веществ, содержащихся в анализируемом растворе, на поверхности сенсоров и, следовательно, несущего полезную аналитическую информацию.
Специалисту будет очевидно, что набор возможных сенсорных материалов и методов детектирования не исчерпывается только вариантами, описанными выше, и в рамках настоящего изобретения можно использовать другие типы сенсоров, обладающих перекрестной чувствительностью к компонентам образцов, подлежащих токсикологическому анализу, в мультисенсоре согласно настоящему изобретению. В частности, как указывалось выше, различные сенсоры потенциально пригодные для решения задач, поставленных в настоящем изобретении являются коммерчески доступными (см. Табл. А).
Согласно одному варианту реализации набор согласно первому аспекту настоящего изобретения, содержащий совокупность перекрестно-чувствительных сенсоров и данные калибровки, является составной частью настоящего мультисенсора. При этом варианты реализации, относительно типа и характеристик сенсоров, раскрытые в контексте первого аспекта настоящего изобретения, подходят во всей полноте и для рассматриваемого выше мультисенсора.
Согласно третьему аспекту настоящего изобретения предложен способ определения токсичности жидкой среды с помощью мультисенсора согласно любому варианту реализации изобретения, при этом указанный способ включает следующие стадии: а) калибровку детектора с помощью представительного набора образцов жидкой среды с предварительно установленной токсичностью с применением по меньшей мере одного биообъекта с получением калибровочной модели;
б) детектирование совокупности сигналов, пропорциональных физико- химическим параметрам указанной жидкой среды и их регистрацию с помощью регистрирующего устройства;
в) преобразование указанной совокупности сигналов в характеристический сигнал с помощью одного или более методов многомерной обработки данных;
г) подстановку значения характеристического сигнала в калибровочную модель с определением токсичности в указанной жидкой среде. Согласно одному варианту реализации изобретения калибровка включает регистрацию значений сигналов детектора в каждом образце с предварительно установленной токсичностью по биообъекту, и обработку полученных данных с привлечением многомерного метода обработки данных с получением калибровочной модели. Калибровочная модель представляет собой график зависимости токсичности, определенной с помощью мультисенсора, от токсичности, определенной с помощью биообъекта. Калибровочная зависимость может быть линейной или нелинейной. При этом для реализации задач настоящего изобретения, вид калибровочной модели должен быть воспроизводимым, что означает неизменность вида калибровочной модели при неизменности условий, при которых ее получают. В общем случае, под нелинейной зависимостью, следует понимать любую зависимость отличную от линейной. Так нелинейная зависимость может представлять собой полиномиальную, экспоненциальную, логарифмическую и любую другую нелинейную зависимости. Для построения калибровочной модели/зависимости используют представительный набор образцов жидкой среды с установленной токсичностью с помощью по меньшей мере одного биообъекта. Представительный в настоящем контексте соответствует такому набору образцов, количество которых необходимо и достаточно для определения токсичности жидкой среды, подлежащей определению. Предпочтительно, набор включает от 1 до 100, более предпочтительно от 1 до 50 и наиболее предпочтительно от 1 до 10 образцов с предварительно установленной токсичностью с помощью по меньшей мере одного биообъекта. В общем, представительный набор образцов включает по меньшей мере два образца с разными значениями предварительно установленной токсичности.
Согласно одному варианту реализации биообъекты, используемые для определения токсичности представительного набора образцов, используемых для калибровки, выбирают из группы включающей растительные и/или животные организмы, включая дафнии, инфузории, креветки, раки, менидии, морские ежи, моллюски, устрицы, водоросли, рыбу и т.д. Очевидно, что токсичность набора образцов может быть измерена с привлечением одного или разных видов биообъектов в зависимости от конкретно поставленной задачи. Токсичность жидкой среды, определяемая на основе данных калибровки с использованием такого набора, будет выражаться в единицах тест-функции биообъекта, использованного при калибровке. Таким образом, привлечение различных биообъектов для определения токсичности образцов для калибровки существенно увеличивает диапазон значений токсичности и вид токсичности, определяемый с помощью мультисенсора. Получение значений сигналов детектора осуществляют в результате приведения во взаимодействие детектора и жидкой среды, токсичность которой подлежит определению, на период времени, достаточный для установления равновесных сигналов совокупности сенсоров, с их последующей регистрацией. Как правило, указанный период времени составляет от 10 миллисекунд до 30 минут, предпочтительно от 1 с до 15 минут, более предпочтительно от 1 с до 5 минут, и наиболее предпочтительно от 10 с до 1 минуты. Данный период времени, по существу представляет собой общее время определения токсичности, согласно настоящему изобретению при условии предварительного получения калибровки. Таким образом, настоящее изобретение позволяет существенно снизить среднее время проведения анализа образца по сравнению с анализом, проводимым с помощью биосенсоров.
Необходимо понимать, что приведение во взаимодействие детектора и жидкой среды может включать как наличие непосредственного физического контакта между ними, так и его отсутствие. Так в случае, когда детектор включает спектральный прибор, наличие контакта как такового не происходит. Указанная жидкая среда в этом случае только взаимодействует с источником света определенной частоты (длины волны), после чего фиксируется желаемый спектр, например спектр поглощения или флуоресценции. Напротив, в том случае, если детектор представляет собой, например, совокупность потенциометрических сенсоров, осуществляют его непосредственное погружение в анализируемый раствор.
При этом, жидкая среда представляет собой воду, выбранную из группы, включающей воды из промышленных стоков, канализационную воду, воду открытых водоемов, грунтовую воду, талую воду, морскую воду.
После регистрации указанной совокупности сигналов в каждом отдельно взятом образце жидкой среды, осуществляют их обработку с помощью многомерных методов обработки данных для получения единого характеристического сигнала. Обработку данных осуществляют в автоматическом режиме сразу после регистрации сигналов детектора с помощью соответствующего коммерчески доступного программного обеспечения. В качестве программного обеспечения, в частности, может быть использован пакет программ The Unscrambler v. 9.7 (САМО, Norway).
Согласно некоторым вариантам реализации один или более метод многомерной обработки данных выбирают из группы, включающей метод проекций на латентные структуры (PLS), метод главных компонент (РСА), регрессию по главным компонентам (PCR), мягкое независимое моделирование классовых аналогий (SIMCA), метод опорных векторов (SVM), искусственные нейронные сети (ANN), линейный и квадратичный дискриминантный анализ (LDA и QDA). Данные методы, как неоднократно, указывалось выше, являются хорошо известными для специалистов в области хемометрики.
При определении токсичности задачи обработки данных можно свести к трем основным: изучение структуры данных и распознавание; классификация и идентификация; количественный анализ - определение концентраций веществ или других количественных параметров. Распознавание и изучение структуры данных всегда является первым этапом при обработке данных и необходимо для первоначальной оценки воспроизводимости и детектирования выбросов, визуального изучения структуры данных, обнаружения в данных кластеров и т.д. Для этих целей используются методы неуправляемого обучения, такие как анализ по главным компонентам и некоторые типы искусственных нейронных сетей. Задачи классификации и количественного анализа решаются, как правило, с помощью методов управляемого обучения. Для классификации могут применяться такие методы как, например, SIMCA, линейный дискриминантный анализ, многомерные регрессии, нечеткая логика и искусственные нейронные сети. В тех случаях, когда априорная информация об измеряемых образцах отсутствует, классификация также может проводиться с помощью методов неуправляемого обучения. Для получения калибровочных зависимостей для определения концентраций компонентов раствора используются методы многомерных калибровок, наиболее распространенные из которых включают регрессию по главным компонентам и дробным наименьшим квадратам, а также искусственные нейронные сети. Подробное описание основных методов хемометрики, используемых для обработки результатов измерений с мультисенсорными системами, может быть найдено в обширной справочной литературе (Н. Martens, Т. Naes. Multivariate calibration. Wiley & Sons Ltd. 1989; Neural Computing. Neural Ware, Pittsburg, USA. 1997; К. Эсбенсен, Анализ многомерных данных. Изд-во. Алт. Ун-та, Барнаул, 2003.).
Согласно четвертому аспекту, в настоящем изобретении предложен способ калибровки вышеуказанного мультисенсора, включающий
приведение во взаимодействие детектора поочередно с по меньшей мере двумя образцами жидкой среды с предварительно установленной токсичностью с применением по меньшей мере одного биообъекта, с получением совокупности сигналов в каждом из по меньшей мере двух жидких образцов, пропорциональных физико-химическим параметрам указанных по меньшей мере двух образцов, и регистрацию указанных сигналов с помощью регистрирующего устройства,
преобразование указанной совокупности сигналов, полученной в каждом из указанных образцов, в характеристический сигнал с помощью методов многомерной обработки данных;
построение калибровочной модели в единицах «токсичность образца, установленная предварительно с применением биообъекта (введено) - характеристический сигнал детектора (найдено)».
В общем, сущность калибровки заключается в построении калибровочной модели, т.е. зависимости позволяющей качественно и количественно оценить совместимость показаний совокупности сенсоров и значений токсичности в образцах, которую устанавливают с привлечением биосенсоров. Так при наличии п сенсоров и m образцов с предварительно установленной токсичностью Yi...Ym> где - токсичность установленная биобъектом в 1-м образце, a Ym - в m-ом, калибровка будет включать регистрацию сигнала от каждого из п сенсоров детектора в каждом из m образцов, в результате чего на выходе будет получена матрица значений [тХп]. К этой матрице добавляют столбец значений токсичности, определенных с помощью биологического объекта, с получением матрицы значений [mX(n+1)]. Далее применяют подходящий метод многомерной обработки данных применительно к указанной матрице с получением калибровочной модели (зависимости). В результате применения указанного метода происходит разложение матрицы и автоматический поиск корреляций между показаниями мультисенсора и значениями Y ..Ym. Как правило, калибровочную модель представляют в виде графика линейной зависимости в единицах «введено - найдено», где «введено» соответствует токсичности, определенной указанным биообъектом, а «найдено» представляет собой значение токсичности, полученное с помощью мультисенсора или, по-другому, его характеристический сигнал в конкретном образце. Таким образом, когда калибровочная модель готова, то ее результатом, в предпочтительном случае, является набор коэффициентов к и Ь, как в обычной линейной регрессии: у = kx + b , где у представляет собой токсичность образца, подлежащую определению, х - характеристический сигнал детектора в неизвестном образце. В общем, калибровочная модель может представлять собой нелинейную зависимость, например в виде полинома вида у = £k,*x'"1 + Ь,. Количество коэффициентов в данном случае будет гораздо большим по сравнению с линейным вариантом, но принцип определения токсичности остается тем же самым. В общем случае, под нелинейной зависимостью, следует понимать любую зависимость отличную от линейной. Так нелинейная зависимость может представлять собой полиномиальную, экспоненциальную, логарифмическую и любую другую нелинейную зависимости. Указанная калибровочная модель используется далее при обработке значений совокупности сигналов детектора в образцах с неизвестной токсичностью. После получения калибровочной модели, регистрируют значения от каждого из п сенсоров детектора в образце, токсичность которого необходимо установить. Применяя многомерный метод обработки данных применительно к полученным значениям с подстановкой вышеуказанных коэффициентов из модели, определяют значение токсичности образца жидкой среды. В результате, неизвестный образец проходит «инструментальное биотестирование», т.е. определение токсичности без прямого привлечения биосенсора, причем в единицах тест-функции биообъекта, используемого при калибровке. Таким образом, настоящее изобретение в дополнение к компенсации времени позволяет устранить недостатки способов определения токсичности, связанные с непосредственным использованием биологических объектов.
Далее настоящее изобретение раскрывается с помощью конкретных примеров реализации для более наглядной демонстрации заявленных технических решений. Специалисту в данной области техники будет очевидно, что представленные примеры могут быть незначительно изменены без изменения сущности настоящего изобретения.
ПРИМЕРЫ
Пример 1. Анализ токсичности речной воды с применением мультисенсора на основе потенциометрических сенсоров, откалиброванных по образцам с установленной токсичностью с помощью Daphnia (ракообразные) . В настоящем примере продемонстрирована возможность применения мультисенсорных систем на основе потенциометрических сенсоров для оценки качества образцов речной воды в терминах общей токсичности в единицах тест- функции биообъекта, используемого при калибровке. В настоящем примере использовали мультисенсор, включающий детектор, состоящий из 25 перекрестно-чувствительных потенциометрических сенсоров на основе пластифицированного ПВХ (15 сенсоров) и халькогенидных стекол (10 сенсоров). В качестве биосенсора для определения токсичности калибровочных образцов использовали планктонных ракообразных - дафний (Daphnia).
Для приготовления проверочных растворов солей использовали реактивы квалификаций «х.ч», «о.с.ч» и «ч.д.а», приобретенные в компаниях "Вектон" и «Реактив» (Санкт-Петербург). Растворы наивысшей концентрации (как правило, 1 моль/л) готовили весовым методом, а менее концентрированные растворы - методом последовательного объёмного разбавления. Все растворы были приготовлены на бидистиллированной воде. Электродом сравнения служил хлорсеребряный электрод ЭВЛ 1 М 3.1 , заполненный насыщенным раствором хлорида калия. Для контроля значения рН исследуемых растворов использовался стеклянный электрод ЭСЛ- 3-07, откалиброванный по стандартным буферным смесям. Измерения потенциалов сенсоров детектора производили при помощи 32-канального цифрового вольтметра с высоким входным сопротивлением, подключенным к персональному компьютеру для сбора и обработки данных. Все измерения проводились при комнатной температуре (20±2 °С). Для проведения измерений детектор погружали в образец таким образом, чтобы сенсорные мембраны оказались полностью покрыты жидкостью. Измерения проводили в течение 3 минут, затем совокупность сенсоров отмывали дистиллированной водой 2 раза по 2 минуты.
Калибровочные образцы воды и данные результатов анализа общей токсичности с помощью биосенсора были предоставлены независимой сертифицированной лабораторией контроля качества воды (далее СЛККВ). В таблице 1.1 приведены данные об этих образцах.
Таблица 1.1.
Общая
Дата и номер токсичность,
Кодировка
образца (СЛККВ) установленная
биосенсором
1-1 01.07.2010, N°1 1
1-2 01.07.2010, N°2 0
1-3 01.07.2010, NS3 0
8-1 08.07.2010, N21 0.2
8-2 08.07.2010, N22 0.14
8-3 08.07.2010, N23 0.2
8-4 08.07.2010, N24 0.07 16-1 16.07.2010, N21 0.1
16-2 16.07.2010, N22 0.12
16-3 16.07.2010, Νδ3 0.11
16-4 16.07.2010, N24 0.2
Си Си, 0.1 мг/литр 1
Измерения в каждом образце повторяли 3 раза, полученные данные использовались для последующей обработки, как независимые реплки. Для калибровки данных, полученных с помощью детектора на основе потенциометрических сенсоров в растворах образцов с предварительно установленной токсичностью, использовали алгоритмы РСА (Principal Component Analysis, анализ по главным компонентам) и PLS1 (Projections on Latent Structures, Partial Least Squares - метод проекций на латентные структуры, или метод дробных наименьших квадратов). Обработка проводилась с помощью пакета программ The Unscrambler v. 9.7 (САМО, Norway).
Суть метода РСА заключается в том, что отклик детектора представляется в виде матрицы, в которой число строк - это число измеренных системой образцов, а число столбцов - число сенсоров в совокупности. Каждый элемент матрицы представляет собой отклик индивидуального сенсора в конкретном образце. Каждый элемент матрицы может, кроме того, быть представлен, как точка в многомерном пространстве с числом координатных осей равным числу сенсоров в массиве. Вся матрица в этом варианте может быть представлена, как облако точек в многомерном пространстве. Алгоритм метода РСА позволяет отыскивать в таком облаке направление наибольшей дисперсии в данных и последовательно уменьшать размерность пространства, проецируя точки на это направление. В результате таких уменьшений размерности исходную матрицу можно представить в виде графика в двумерном пространстве, в координатах направлений с наибольшей дисперсией в матрице данных. Такое проецирование позволяет выявить наличие скрытой внутренней структуры данных и, в частности, установить наличие групп образцов схожих/различных между собой. Метод РСА широко применяется для оценки возможности мультисенсорных систем к распознаванию (разделению) различных классов внутри единой группы образцов. Метод PLS1 основан на схожем матричном представлении совокупности сигналов детектора, однако здесь помимо собственно данных от совокупности мультисенсора применяются данные референтных методов анализа, с которыми планируется обнаружить корреляцию, т.е. эти данные для каждого образца включаются в матрицу виде вектор-столбца Y. Алгоритм PLS1 проводит разложение исходной матрицы данных таким образом, чтобы оно было увязано с изменением данных в вектор- столбце Y с референтными данными. Подобная процедура позволяет выявить наличие численных корреляций в совокупности сигналов с различными характеристиками образцов, иными словами позволяет откалибровать систему по какому-либо свойству (разумеется, это возможно, только если совокупность сигналов детектора действительно имеет корреляцию с определяемой величиной). Результаты построения калибровочной модели представляются обычно в виде прямых для калибровки и проверки в координатах «введено-найдено» или, что то же самое «токсичность образца, установленная предварительно с помощью биообъекта - характеристический сигнал детектора». Основными параметрами калибровочной PLS1 -модели являются наклон, оффсет, квадрат коэффициента корреляции и остаточная среднеквадратичная ошибка калибровки и предсказания. Наклон и квадрат коэффициента корреляции описывают насколько хорошо точки в калибровке и проверке ложатся на прямую. Чем ближе эти величины к единице, тем лучше модель описывает данные. Оффсет описывает смещение прямой относительно начала координат и должен быть максимально близок к нулю. Остаточная среднеквадратичная ошибка (RMSE, root mean square error) характеризует предсказательную силу модели, она имеет размерность величины Y, по которой проводилась калибровка и для хорошей модели должна быть минимальна.
Таким образом, для оценки способности мультисенсора различать образцы с разной токсичностью результаты анализа образцов были обработаны с помощью алгоритма РСА. На Фиг. 2 представлен график счетов для исследованных образцов. Эти данные отражают качественную оценку токсичности. Взаимное расположение точек на графике счетов отвечает сходству/различию интегрального химического состава образцов согласно данным детектора на основе совокупности химических сенсоров. Так, образцы, находящиеся рядом, имеют схожий химический состав, образцы, расположенные на разных концах осей главных компонент - максимально различный.
Как видно из представленной фигуры, реплики в одних и тех же образцах имеют очень схожие координаты, что свидетельствует о высокой воспроизводимости совокупности сенсоров. На фигуре можно выделить три отчетливых кластера: в первый попадают все образцы с токсичностью в диапазоне 0 - 0,2. Второй кластер представлен тремя репликами образца 1-1 с токсичностью около 1 , третий кластер содержит реплики в модельном токсиканте - растворе меди. Кластеры между собой не перекрываются. Таким образом, используемый мультисенсор позволяет уверенно различать между собой образцы с низкой токсичностью, образцы с высокой токсичностью и модельный токсикант. Следует особо отметить, что метод РСА - это метод с так называемым «неконтролируемым обучением», то есть для получения приведенного Фиг. 2 используются исключительно данные анализа образцов с совокупностью сенсоров. Система в таком варианте «не знает» уровни токсичности для образцов, а просто располагает их на карте согласно разнице в интегральном химическом составе, оцененном детектором.
Кроме того, для обработки данных детектора использовался метод PLS1 , в качестве референтных данных для построения калибровочной модели использовались данные по общей токсичности образцов, определенные с помощью биосенсора (дафний), предоставленные СЛККВ, в качестве моделируемых данных использовались сигналы сенсоров в образцах.
На Фиг. 3 приведен вид калибровочной зависимости в координатах «введено-найдено» и численные параметры проверочной и калибровочной прямых. В виду небольшого количества образцов использовалась полная перекрестная проверка модели. Численные параметры модели (синим цветом калибровка, красным - проверка) позволяют сделать вывод о наличии высокой корреляции между характеристическими сигналами мультисенсора и оценками токсичности, полученными стандартным методом с помощью биосенсора. И в калибровке и в проверке квадрат коэффициента корреляции близок к единице.
Для демонстрации возможностей системы по предсказанию токсичности неизвестных образцов был проведен следующий эксперимент. Калибровочная модель PLS1 была построена по образцам от 8 и от 16 июля, образцы от 1 июля в калибровке не участвовали. Затем в полученную модель подставили значения откликов массива для образцов от 1 июля и получили предсказанные системой значения токсичностей. Результаты приведены в Таблице 1.2.
Таблица 1.2.
Истинное
Токсичность, Ошибка
значение
Кодировка установленная с предсказания, ±
токсичности,
реплики помощью [единицы
установленная
мультисенсора токсичности]
биосенсором (Данные СЛККВ)
1-1-1 1.027 0.04 1
1-1-2 0.983 0.03 1
1-1-3 , 0.992 0.04 1
1-2-1 0.04 0.06 0
1-2-2 0.02 0.03 0
1-2-3 -0.04 0.06 0
1-3-1 -0.01 0.08 0
1-3-2 0.06 0.04 0
1-3-3 -0.01 0.06 0
Как видно из представленных данных, значения токсичности, предсказанные мультисенсорной системой для всех 9 реплик совпадают в пределах ошибки со значениями, определенными стандартным методом.
В результате эксперимента установлено, что данные от массива мультисенсорной системы на основе сенсоров с высокой перекрестной чувствительностью могут быть использованы для предсказания токсичности в терминах биосенсоров. Пример 2. Анализ токсичности морской воды с применением мультисенсора на основе потенциометрических сенсоров, откалиброванных по образцам с установленной токсичностью с помощью Phaeodactylum tricornutum.
Мультисенсор для определения токсичности, включающий детектор на основе 10 перекрестно-чувствительных потенциометрических сенсоров, использовали для определения токсичности образцов морской воды. Предварительно осуществлялась калибровка набора сенсоров по 8 образцам воды с известной токсичностью, определенной с помощью морских диатомовых водорослей Phaeodactylum tricornutum на базе СЛККВ. 3 образца воды использовались для предсказания токсичности. Каждый образец был измерен в трех репликах. Для проведения измерений детектор погружали в 50 мл образца таким образом, чтобы сенсорные мембраны оказались полностью покрыты жидкостью. Измерения проводили аналогично условиям, указанным в Примере 1. В Таблице 2.1 приведены результаты определения токсичности с помощью мультисенсора в сравнении с истинными значениями, полученными с помощью Phaeodactylum tricornutum. Таблица 2.1
Figure imgf000039_0001
Значения токсичности, предсказанные мультисенсором, для всех 9 реплик совпадают в пределах ошибки со значениями, определенными стандартным методом с помощью биобъекта.
Пример 3. Анализ токсичности проб грунта с применением мультисенсора на основе оптических сенсоров, откалиброванных по образцам с установленной токсичностью с помощью инфузорий-туфелек.
В настоящем эксперименте демонстрируется вариант реализации мультисенсора, детектором в котором является спектральный прибор, применяемый для анализа токсичности проб грунта.
Для выполнения работы были выбран спектральный прибор, разработанный и производимый серийно в группе компаний ЛЮМЭКС. В частности, спектры флуоресценции, возбуждения и поглощения измерялись с использованием импульсного спектрофлуориметра «Панорама». В общем, при флуориметрических исследованиях производится измерение спектральных характеристик возбуждения и/или испускания люминесценции исследуемых объектов в момент воздействия импульсов возбуждающего света. При фотометрических исследованиях проводятся измерения спектральных характеристик поглощения зондирующего излучения в анализируемых объектах. Спектральные области в каналах возбуждения и регистрации люминесценции флуориметра задаются встроенными светосильными монохроматорами. Монохроматоры управляются независимо. При измерениях можно запрограммировать любую функцию их состояний, в частности, можно проводить синхронное сканирование спектров. Оригинальная оптическая схема обеспечивает высокую чувствительность прибора, особенно в ультрафиолетовой области спектра, где фильтровая спектральная селекция затруднена. Управление прибором осуществлялось от внешнего компьютера. Математическая обработка результатов измерений осуществляется средствами программного обеспечения The Unscrambler v. 9.7 (САМО, Norway), а также иными программными продуктами, для чего был предусмотрен экспорт результатов измерения в форматы ASCII и MS Excel. Прибор подсоединяли к свободному СОМ-порту компьютера по интерфейсу RS-232 или через стандартный адаптер USB-COM.
Для определения общей токсичности была использована программа «СпектраЛЮМ/Про®», которая позволяет пользователю изменять калибровки и разрабатывать собственные калибровки. При разработке калибровок использовали следующие математические модели - метод частных наименьших квадратов (PLS), метод регрессии по главным компонентам (PCR).
Для нахождения связи между полученным спектром и концентрациями компонентов исследуемого образца спектрофлуориметр «Панорама» предварительно калибровали. Для проведения калибровки использовали набор образцов, представительный к тем образцам, которые будут в дальнейшем анализироваться, то есть используемый набор включал образцы, свойства которых охватывали весь диапазон возможных значений определяемых показателей и свойств анализируемых образцов. Образцы для калибровки первоначально анализировали с помощью биосенсора, в качестве которых выступали инфузории-туфельки стандартным референтным методом биотестирования для определения в них значений показателей, а далее производили регистрацию их спектров и рассчитывали калибровочную модель, связывающую спектральные данные со свойствами образца. Для расчета модели использовали методы многомерной обработки данных - метод регрессии по главным компонентам (PCR) и метод дробных наименьших квадратов (PLS).
Образцы воды с установленной токсичностью и данные результатов анализа общей токсичности были предоставлены СЛККВ. В таблице 3.1 приведены данные об образцах. Таблица 3.1. Образцы воды с заданной токсичностью, используемые для калибровки прибора.
Figure imgf000041_0001
В качестве исследуемых образцов выступали водные растворы, представляющие собой водные вытяжки грунтов, которые готовили путем встряхивания одной части воздушно-сухой пробы грунта и четырех частей дистиллированной воды в течение 2 часов на аппарате для встряхивания, фильтрования полученной вытяжки через обеззоленные фильтры «белая лента» или мембранные фильтры с диаметром пор 2-4 мкм, при необходимости центрифугирования (в течение 10 минут при 4-5 тыс. оборотов/мин) и/или отстаивания в холодильнике до 5 суток, при необходимости разбавления. Измерения производились в стандартной 1 см кварцевой кювете.
По представленным образцам с заданной токсичностью (табл. 3.1) осуществлялась калибровка прибора, а измерения токсичности проводились на реальных образцах проб грунта промышленных зон из различных точек отбора с использованием описанной выше методики и последующим измерением токсичности этих проб стандартными биосенсорами. Таблица 3.2. Результаты измерений токсичности водных вытяжек образцов грунта с помощью мультисенсора, включающего детектор на основе спектрального прибора.
Figure imgf000042_0001
Из результатов, представленных в таблице 3.2 можно видеть практически полное совпадение результатов измерений общей токсичности стандартным биосенсором и оптическим интегральным методом. В качестве пробы Νε>5 была использована бидистиллированная вода. Пример 4. Анализ токсичности водных образцов из техногенных отходов с применением мультисенсора на основе понетциометрических сенсоров, откалиброванных по образцам с установленной токсичностью с помощью одноклеточных водорослей Chlorella и ракообразных Daphnia. Были проанализированы 6 образцов водных вытяжек из техногенных отходов неизвестного происхождения с помощью биосенсора Chlorella (аналитический сигнал - % подавления) при кратных разведениях пробы 1 , 50 и 500.
Те же образцы были проанализированы с помощью мультисенсора на основе 15 перекрестно-чувствительных потенциометрических сенсоров, каждый из образцов был проанализирован в трех повторностях.
Данные от Chlcrella были использованы в качестве референтных для построения многомерной калибровочной зависимости по алгоритму PLS1 , при этом в качестве независимых данных использовался отклик совокупности потенциометрических сенсоров. В таблице 4.1 приведены параметры калибровочных моделей в координатах «введено- найдено» для предсказания % подавления Chlorella (тест-функция). Проверка калибровочных моделей осуществлялась по методу полной перекрестной проверки.
Figure imgf000043_0001
Высокие значения наклонов и коэффициентов корреляции позволяют сделать вывод о возможности предсказания общей токсичности в терминах процента подавления Chlorella из данных анализа образцов мультисенсорной системой.
Аналогичный эксперимент был проделан для этих же образцов с помощью биосенсора Daphnia (тест-функция - % смертности). Параметры калибровочных зависимостей представлены в таблице ниже.
Наклон Оффсет RMSE R2
калибровка 0,91 3,13 10,01 0,91
проверка 0,77 6,91 15,11 0,82

Claims

ФОРМУЛА ИЗОБРЕТЕНИЯ
1. Набор для определения токсичности жидкой среды, включающий
- совокупность перекрестно-чувствительных сенсоров для получения сигналов, пропорциональных физико-химическим параметрам указанной жидкой среды; и
- данные калибровки указанной совокупности сенсоров, устанавливающие зависимость между значениями указанных сигналов и токсичностью, полученные на образцах жидкой среды с предварительно установленной токсичностью с применением по меньшей мере одного биообъекта.
2. Набор по п.1 , отличающийся тем, что указанная совокупность включает спектральный прибор.
3. Набор по п. 1, отличающийся тем, что указанная совокупность включает по меньшей мере два перекрестно-чувствительных сенсора.
4. Набор по любому из п. 1 или п. 3, отличающийся тем, что указанные перекрестно- чувствительные сенсоры представляют собой два или более сенсора одного типа или разных типов, выбранных из группы, включающей вольтамперометрические сенсоры, потенциометрические сенсоры, полевые транзисторы, оптические сенсоры, потенциометрические сенсоры с лазерным сканированием, кварцевые пьезоэлектрические устройства, сенсоры на акустических волнах, сенсоры, работающие на основе метода поверхностного фотопотенциала.
5. Набор по п. 1, отличающийся тем, что жидкая среда представляет собой многокомпонентные водные или водно-органические суспензию, дисперсию, эмульсию или гомогенный раствор.
6. Набор по п.1, отличающийся тем, что жидкая среда представляет собой воду из промышленных стоков, канализационную воду, воду открытых водоемов, грунтовую воду, талую воду, морскую воду.
7. Набор по п. 1, отличающийся тем, что жидкая среда представляет собой водную или водно-органическую вытяжку из твердого материала.
8. Набор по п. 1, отличающийся тем, что указанный биообъект выбран из растительных и/или животных организмов, включая дафнии, инфузории, креветки, раки, менидии, морские ежи, моллюски, устрицы, водоросли, рыбу.
9. Мультисенсор для определения токсичности жидкой среды, включающий
- детектор для получения совокупности сигналов, пропорциональных физико- химическим параметрам указанной жидкой среды, соединенный с регистрирующим устройством для регистрации указанной совокупности сигналов детектора; и
- блок преобразования указанной совокупности сигналов детектора в характеристический сигнал с помощью методов многомерной обработки данных, позволяющий рассчитать токсичность указанной жидкой среды с использованием данных калибровки указанного детектора, устанавливающих зависимость между значениями сигналов детектора и токсичностью, полученные на образцах жидкой среды с предварительно установленной токсичностью с применением по меньшей мере одного биообъекта.
10. Мультисенсор по п. 9, отличающийся тем, что указанный детектор содержит совокупность перекрестно-чувствительных сенсоров.
11. Мультисенсор по п. 9, отличающийся тем, что указанный детектор представляет собой спектральный прибор.
12. Мультисенсор по п. 9, отличающийся тем, что указанная совокупность включает по меньшей мере два перекрестно-чувствительных сенсора.
13. Мультисенсор по п. 9 или 12, отличающийся тем, что указанная совокупность перекрестно-чувствительных сенсоров представляет собой два или более сенсора, выбранных из группы, включающей вольтамперометрические сенсоры, потенциометрические сенсоры, полевые транзисторы, оптические сенсоры, потенциометрические сенсоры с лазерным сканированием, кварцевые пьезоэлектрические устройства, сенсоры на акустических волнах, сенсоры, работающие на основе метода поверхностного фотопотенциала.
14. Мультисенсор по п. 9, отличающийся тем, что указанное регистрирующее устройство представляет собой устройство, выбранное из группы, включающей регистратор электрического сигнала, вольтметр, амперметр, измеритель импеданса, измеритель C-V характеристик, измеритель поверхностного фотопотенциала, кондуктометр, фотоэлектронные умножители (ФЭУ) или их комбинаций, при этом указанное регистрирующее устройство факультативно выполнено с возможностью передачи сигнала к электронно-вычислительной машине (ЭВМ).
15. Мультисенсор по п. 9 - 10, отличающийся тем, что указанная совокупность включает перекрестно-чувствительные сенсоры одного и того же типа.
16. Мультисенсор по п. 9-10, отличающийся тем, что указанная совокупность состоит из различных по типу перекрестно-чувствительных сенсоров.
17. Способ определения токсичности жидкой среды с помощью мультисенсора по любому из п. п. 9-16, при этом указанный способ включает следующие стадии:
а) калибровку детектора с помощью представительного набора образцов жидкой среды с предварительно установленной токсичностью с применением по меньшей мере одного биообъекта с получением калибровочной модели;
б) детектирование совокупности сигналов, пропорциональных физико- химическим параметрам указанной жидкой среды и их регистрацию с помощью регистрирующего устройства;
в) преобразование указанной совокупности сигналов в характеристический сигнал с помощью одного или более методов многомерной обработки данных;
г) подстановку значения характеристического сигнала в калибровочную модель с определением токсичности в указанной жидкой среде.
18. Способ по п. 17, отличающийся тем, что указанная калибровочная модель является воспроизводимой линейной зависимостью.
19. Способ по п. 17, отличающаяся тем, что указанная калибровочная модель является воспроизводимой нелинейной зависимостью.
20. Способ по п. 17, отличающийся тем, что детектирование указанной совокупности сигналов осуществляют путем приведения во взаимодействие указанного детектора и указанной жидкой среды в течение периода времени от по меньшей мере 10 миллисекунд до 30 минут.
21. Способ по п.17, отличающийся тем, что токсичность указанной жидкой среды определяют в единицах тест-функции биообъекта, использованного при калибровке.
22. Способ по любому из п.п. 17-21 , отличающийся тем, что метод многомерной обработки данных представляет собой один или несколько методов, выбранных из группы, включающей метод проекций на латентные структуры (PLS), метод главных компонент (РСА), регрессию по главным компонентам (PCR), мягкое независимое моделирование классовых аналогий (SIMCA), метод опорных векторов (SVM), искусственные нейронные сети (ANN), линейный и квадратичный дискриминантный анализ (LDA и QDA).
23. Способ по п. 17, отличающийся тем, что жидкая среда представляет собой воду из промышленных стоков, канализационную воду, воду открытых водоемов, грунтовую воду, талую воду, морскую воду.
24. Способ по п. 17, отличающийся тем, что указанный биообъект выбран из растительных и/или животных организмов, включая дафнии, инфузории, креветки, раки, менидии, морские ежи, моллюски, устрицы, водоросли, рыбу.
25. Способ калибровки мультисенсора по любому из п.п. 9-16, включающий
приведение во взаимодействие детектора поочередно с по меньшей мере двумя образцами жидкой среды с предварительно установленной токсичностью с применением по меньшей мере одного биообъекта, с получением совокупности сигналов в каждом из по меньшей мере двух жидких образцов, пропорциональных физико-химическим параметрам указанных по меньшей мере двух образцов, и регистрацию указанных сигналов с помощью регистрирующего устройства,
преобразование указанной совокупности сигналов, полученной в каждом из указанных образцов, в характеристический сигнал с помощью методов многомерной обработки данных;
построение калибровочной модели в единицах «токсичность образца, установленная предварительно с применением биообъекта (введено) - характеристический сигнал детектора (найдено)».
PCT/RU2012/000970 2011-12-01 2012-11-20 Устройство и способ определения токсичности жидких сред WO2013081496A1 (ru)

Priority Applications (1)

Application Number Priority Date Filing Date Title
IN1352KON2014 IN2014KN01352A (ru) 2011-12-01 2012-11-20

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
RU2011148958 2011-12-01
RU2011148958/15A RU2514115C2 (ru) 2011-12-01 2011-12-01 Устройство и способ для определения токсичности жидких сред

Publications (1)

Publication Number Publication Date
WO2013081496A1 true WO2013081496A1 (ru) 2013-06-06

Family

ID=48535834

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/RU2012/000970 WO2013081496A1 (ru) 2011-12-01 2012-11-20 Устройство и способ определения токсичности жидких сред

Country Status (3)

Country Link
IN (1) IN2014KN01352A (ru)
RU (1) RU2514115C2 (ru)
WO (1) WO2013081496A1 (ru)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2940467A1 (fr) 2014-04-29 2015-11-04 Institut National de Recherche en Sciences et Technologies pour l'Environnement et l'Agriculture Méthode de détermination de la reprotoxicité d'eaux douces
CN107192805A (zh) * 2017-06-29 2017-09-22 南京信息工程大学 一种在线饮用水源水质监测系统
JP2019512700A (ja) * 2016-03-16 2019-05-16 ピープルバイオ， インコーポレーテッド 凝集型−形成ポリペプチドの凝集型を検出する方法
CN113156071A (zh) * 2021-04-14 2021-07-23 东莞理工学院 毒理实验装置及其应用于农药毒性评价方法
CN113791053A (zh) * 2021-09-13 2021-12-14 浙江大学 电势扫描局域表面等离子体共振的传感检测装置及方法
CN113846141A (zh) * 2021-07-26 2021-12-28 浙江工商大学 基于乳液界面能诱导释放的生理毒性快速检测方法及应用
CN114324847A (zh) * 2022-01-14 2022-04-12 生态环境部南京环境科学研究所 水稻病虫防治药剂对甲壳类水生生物急性毒性测试方法
CN115166209A (zh) * 2022-07-22 2022-10-11 生态环境部南京环境科学研究所 一种基于白菜根伸长毒性测试的土壤镉污染测定方法

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2629196C1 (ru) * 2016-08-19 2017-08-25 Федеральное государственное бюджетное образовательное учреждение высшего образования "Санкт-Петербургский государственный университет" (СПбГУ) Состав мембраны химического сенсора для определения концентрации ионов таллия в водных растворах

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SU1270699A1 (ru) * 1984-11-01 1986-11-15 Научно-Исследовательский Гидрохимический Институт Способ определени токсичности водных сред
SU1328756A1 (ru) * 1985-04-29 1987-08-07 А. А. Степаненко Способ определени токсичности водных сред
RU2123693C1 (ru) * 1997-12-08 1998-12-20 Закрытое акционерное общество Саратовский научно-технологический парк "Волга" Способ биотестирования токсичности водной среды
RU2269124C2 (ru) * 2002-05-30 2006-01-27 Государственное образовательное учреждение высшего профессионального образования Московский энергетический институт (технический университет) (ГОУВПО "МЭИ (ТУ)" Способ идентификации жидких и воздушных сред
RU2370759C1 (ru) * 2008-05-13 2009-10-20 Общество с ограниченной ответственностью "Ситекрим" Электрохимический детектор для исследования жидкости сложного солевого и химического состава

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SU1270699A1 (ru) * 1984-11-01 1986-11-15 Научно-Исследовательский Гидрохимический Институт Способ определени токсичности водных сред
SU1328756A1 (ru) * 1985-04-29 1987-08-07 А. А. Степаненко Способ определени токсичности водных сред
RU2123693C1 (ru) * 1997-12-08 1998-12-20 Закрытое акционерное общество Саратовский научно-технологический парк "Волга" Способ биотестирования токсичности водной среды
RU2269124C2 (ru) * 2002-05-30 2006-01-27 Государственное образовательное учреждение высшего профессионального образования Московский энергетический институт (технический университет) (ГОУВПО "МЭИ (ТУ)" Способ идентификации жидких и воздушных сред
RU2370759C1 (ru) * 2008-05-13 2009-10-20 Общество с ограниченной ответственностью "Ситекрим" Электрохимический детектор для исследования жидкости сложного солевого и химического состава

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
NIKITINA O.G. ET AL.: "Zhurnal ''Biologicheskie nauki''", no. 5, 1981, pages 1 - 3, XP003031903, Retrieved from the Internet <URL:http://vitak.ru/gidro_txt.php?st=2> [retrieved on 20130409] *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2940467A1 (fr) 2014-04-29 2015-11-04 Institut National de Recherche en Sciences et Technologies pour l'Environnement et l'Agriculture Méthode de détermination de la reprotoxicité d'eaux douces
JP2019512700A (ja) * 2016-03-16 2019-05-16 ピープルバイオ， インコーポレーテッド 凝集型−形成ポリペプチドの凝集型を検出する方法
CN107192805A (zh) * 2017-06-29 2017-09-22 南京信息工程大学 一种在线饮用水源水质监测系统
CN113156071A (zh) * 2021-04-14 2021-07-23 东莞理工学院 毒理实验装置及其应用于农药毒性评价方法
CN113846141A (zh) * 2021-07-26 2021-12-28 浙江工商大学 基于乳液界面能诱导释放的生理毒性快速检测方法及应用
CN113791053A (zh) * 2021-09-13 2021-12-14 浙江大学 电势扫描局域表面等离子体共振的传感检测装置及方法
CN113791053B (zh) * 2021-09-13 2022-12-23 浙江大学 电势扫描局域表面等离子体共振的传感检测装置及方法
CN114324847A (zh) * 2022-01-14 2022-04-12 生态环境部南京环境科学研究所 水稻病虫防治药剂对甲壳类水生生物急性毒性测试方法
CN115166209A (zh) * 2022-07-22 2022-10-11 生态环境部南京环境科学研究所 一种基于白菜根伸长毒性测试的土壤镉污染测定方法

Also Published As

Publication number Publication date
IN2014KN01352A (ru) 2015-10-16
RU2514115C2 (ru) 2014-04-27
RU2011148958A (ru) 2013-06-10

Similar Documents

Publication Publication Date Title
RU2514115C2 (ru) Устройство и способ для определения токсичности жидких сред
Yaroshenko et al. Real-time water quality monitoring with chemical sensors
Stockdale et al. Micro-scale biogeochemical heterogeneity in sediments: a review of available technology and observed evidence
Viollier et al. Benthic biogeochemistry: state of the art technologies and guidelines for the future of in situ survey
Zhang et al. Use of diffusive gradients in thin-films for studies of chemical speciation and bioavailability
Cuartero et al. In situ detection of species relevant to the carbon cycle in seawater with submersible potentiometric probes
Mills et al. A review of in situ methods and sensors for monitoring the marine environment
Easley et al. Spectrophotometric calibration of pH electrodes in seawater using purified m-cresol purple
Li et al. Automated spectrophotometric analyzer for rapid single-point titration of seawater total alkalinity
Choi et al. Determination of oceanic carbon dioxide using a carbonate-selective electrode
Kirsanov et al. Mimicking Daphnia magna bioassay performance by an electronic tongue for urban water quality control
Panchuk et al. Extending electronic tongue calibration lifetime through mathematical drift correction: Case study of microcystin toxicity analysis in waters
Sahoo et al. Pulsating potentiometric titration technique for assay of dissolved oxygen in water at trace level
Sharp et al. Spectrophotometric determination of carbonate ion concentrations: elimination of instrument-dependent offsets and calculation of in situ saturation states
Galiński et al. Pyrrole bearing diazocrowns: Selective chromoionophores for lead (II) optical sensing
Li et al. Visualizing biogeochemical heterogeneity in soils and sediments: A review of advanced micro-scale sampling and imaging methods
Jiménez et al. Radial oxygen loss from plant roots—methods
Lvova et al. Chemical sensors for water potability assessment
Howell et al. The determination of trace metals in estuarine and coastal waters using a voltammetric in situ profiling system
Amrita et al. Analysing the water quality parameters from traditional to modern methods in aquaculture
Pedersen et al. A nitrate sensitive planar optode; performance and interferences
Caron et al. Practical application of electrochemical nitrate sensor under laboratory and forest nursery conditions
Georgieva et al. Complex activity and sensor potential toward metal ions in environmental water samples of N-phthalimide azo-azomethine dyes
Chen et al. A Calibration-Free pH Sensor Using an In-Situ Modified Ir Electrode for Bespoke Application in Seawater
Sethuramasamyraja et al. Analysis of an ion-selective electrode based methodology for integrated on-the-go mapping of soil pH, potassium, and nitrate contents

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 12854349

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 12854349

Country of ref document: EP

Kind code of ref document: A1