| Project/Area Number |
22K19844
|
|---|
| Research Category |
Grant-in-Aid for Challenging Research (Exploratory)
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Medium-sized Section 63:Environmental analyses and evaluation and related fields
|
|---|
| Research Institution | Tokyo Institute of Technology |
|---|
Principal Investigator |
|
|---|
| Project Period (FY) |
2022-06-30 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥6,500,000 (Direct Cost: ¥5,000,000、Indirect Cost: ¥1,500,000)
Fiscal Year 2023: ¥2,860,000 (Direct Cost: ¥2,200,000、Indirect Cost: ¥660,000)
Fiscal Year 2022: ¥3,640,000 (Direct Cost: ¥2,800,000、Indirect Cost: ¥840,000)
|
|---|
| Keywords | ペプチド / ナノプラスチック / 水溶性ポリマー / 検出・同定 / 機械学習 |
|---|
| Outline of Research at the Start |
マイクロプラスチックによる海洋汚染が顕在化している。また近年では、より微小なナノプラスチックや、産業や日常生活で広く利用されている水溶性ポリマーの環境影響も指摘されている。これらの問題を解決に導くためには、河川や海洋、廃水等に含まれるポリマーの種類や量を調査あるいはモニタリングし、汚染や流出の状況を把握する必要がある。本研究では、分子プローブ法と機械学習の融合により、水中のナノプラスチックや水溶性ポリマーを信頼性高く、短時間かつ少量で検出・同定するための技術基盤を創成する。
|
| Outline of Final Research Achievements |
New peptide probes that interact with polymeric nanoparticles, a model for nanoplastics, and with water-soluble polymers to emit characteristic and distinguishable fluorescent signals were designed and synthesized. A machine learning method was found to classify the fluorescent signals (training data) obtained from the peptide probes. Using the results as an indicator, it was able to identify the test polymeric nanoparticles and water-soluble polymers, which are virtual unknown samples. Thus, by combining molecular probing and machine learning methods, we succeeded in creating a technological basis for the reliable detection and identification of nanoplastics and water-soluble polymers in water in a short time and in small quantities.
|
| Academic Significance and Societal Importance of the Research Achievements |
河川や海洋、排水等に含まれるポリマーの種類や量を調査あるいはモニタリングすることは、地球環境を保全し、安全・安心な社会を構築するうえで重要である。本研究では、環境汚染の原因となるポリマーのうち、従来法では検出・同定が煩雑で時間を要するナノプラスチックや水溶性ポリマーに着目し、それらを水に溶けたまま、信頼性高く、短時間かつ少量で検出・同定する簡便な手法を提案した点に意義がある。また、ポリマーと低分子化合物（分子プローブ）との相互作用に関する分子レベルでの知見を収集する基礎科学としての意義に加え、ポリマー検出・同定における機械学習の有用性を実証した点に意義がある。
|
