Hızlı algılama stratejisi, kabuklu balıklar ve diğer balık ürünleri gibi organik matriste su örneklerinde siyanobakteri çiçeklerinin ve ilgili siyanotoksinlerin erken tespitini sağlar. Siyanobakteriler çiçeklenmeleri, her türlü ortamda yaşayabilen siyanobakterilerin aşırı büyümesinden kaynaklanmaktadır. Ve son 15 yılda dünya çapında bir çevre sorunu olarak ortaya çıktılar.
Zararlı siyanobakterilerin sayısı son birkaç yıldır arttığı için, çiçeklenme ve toksik yayılmayı ele almak için anahtar olan erken teşhis ihtiyacı daha acil hale gelmiştir. İlk yön stratejimiz, uzaktan ve proksimal algılama teknik teknolojisini laboratuvar kimyasal ve biyoinformatik analizi ile benzersiz bir entegre iş akışında birleştirir. Tüm süreç güvenli.
Numune alma ve laboratuvar analizi sırasında aerosol soluma ve cilt temasını önlemek için uygun güvenlik önlemleri alınır. Veri alma için, önce hedef alanı küresel bir dünya haritasında bulun ve toplama tarihi için çeşitli genel ve özel uzaktan algılama veri kümelerinden verileri alın. Aldıktan sonra ham verileri işleyin, çoklu spektral dizinleri hesaplayın ve elde eden bilgileri sınıflandırın.
Ardından oluşturulan tematik haritada örnekleme sitelerini tanımlayın. Numune almak için ekipmanı mobil laboratuvarda seçilen örnekleme alanına taşıyın ve makro alan araştırması yapmak için drone uçuş yolunu planlayın. Sahada, uçuş görevlerini gerçekleştirmek için farklı yüklerle donatılmış birkaç drone kullanın.
Ve çiçeklenme varlığını ve uzantısını doğrulamak ve hassas örnekleme noktalarını belirlemek için drone tarafından elde edilen görüntüleri kullanın. Belirlenen örnekleme noktasında, uygun kişisel koruyucu ekipmanı takın ve her siteden üç adet 500 mililitrelik su numunesi alın. Hava ve su sıcaklığı, saha pH'ı ve tuzluluk gibi çeşitli çevresel parametreleri ölçün.
Daha sonra toplanan örnekleri üniversite laboratuvarına taşınmak üzere mobil laboratuvarda saklayın. Mavi-yeşil renk, hücre şekli ve boyut peletlerine dayanarak numunelerde bulunan türlerin mikroskobik taksonomik analizine ve tanımlanmasına izin vermek için slaytlar hazırlayın ve örnekleri dijital kamera ile donatılmış mobil laboratuvar mikroskobu ile tarayın. Örnekler içinde toplanan siyanobakteri türleri belirlendikten sonra, üniversite laboratuvarında, örnekleri santrifüjleyin ve her bir süpernatantı numune peletlerini bozmadan yeni bir kaba aktarın.
Her örnek süpernatante 500 mililitre butanol ekleyin ve çıkarılacak her çözeltiyi ayrı bir huniye aktarın. Hunileri tek tek halka kelepçelerine dik olarak salladıktan ve yerleştirdikten sonra, sulu fazların tek tek Erlenmeyer şişelerine akmasını sağlar. Katman ayrımını üç kez tekrar ettikten sonra, organik aşamaları vakum altında konsantre edin ve tartın.
Organik çözücüler kullanarak numune çıkarma için, her örnek pelete 50 mililitre taze metanol ekleyin ve numuneleri bir buz banyosunda sonicate edin. Beş dakika sonra, her numuneye 50 mililitre taze metanol ekleyin ve çözeltileri tek tek filtre kağıdı parçalarıyla filtrelemeden ve filtratları yuvarlak alt şişelerde toplamadan önce şişeyi hafifçe sallayın. Her numuneyi iki kez daha filtreledikten sonra, az önce gösterildiği gibi, numune özlerini standart protokollere göre sıvı kromatografisi ve yüksek çözünürlüklü tandem kütle spektrometresi ile analiz edin.
Daha sonra küresel doğal ürün sosyal platformunu kullanarak bir moleküler ağ oluşturun ve toplanan örneklerde mevcut olduğu belirlenen toksinleri tanımlamak için elde edilen ağ ve tandem kütle spektrometresi verilerini analiz etmek için uygun araçları kullanın. Önerilen strateji, 2015-2021 yılları arasında Güney İtalya'daki Campania bölgesinde aktif olan kıyı izleme programında elde edilen sonuçlarla doğrulandı. Teknikleri üretilen sonuçlarla ilişkilendiren görsel bir iş akışı oluşturuldu.
Sonraki izleme kampanyaları sırasında, her adım hızlı algılama amacıyla optimize edildi. Uzaktan algılama iş akışının optimizasyonu, oluşturulan ürün seviyesini iyileştirirken platform ve misyon sayısında bir azalmaya izin verdi. Örneğin, bu hızlı algılama stratejisi, birkaç farklı hava platformunun kullanımından yalnızca uydu ve drone platformlarına geçişi kolaylaştırır.
Ve birkaç farklı multi-spektral özel indeks kullanımından daha bilgilendirici klorofil a ve normalleştirilmiş fark bitki örtüsü indeksi tematik haritalara kadar. Buna paralel olarak, iş akışı 16 S metogenomik analiz gerektirmekten mikroskobik gözlem kullanmaya sadece siyanobakteri topluluğunu belirlemek için azaltıldı. Ve yeni kimyasal iş akışı, hızlı ve doğru bir cyanotoxin tespiti için LCMS tabanlı moleküler ağ kullanır.
Bu strateji, siyanobakterilerin kirliliğin biyoindikatörü olarak, özellikle çiçeklenme varlığının ötrofikasyon süreçleriyle ilişkili olduğu ve antropojenik basınç tarafından kullanıldığı alanlarda incelenmesine izin verir. Bu çok disiplinli strateji, başarılı bir şekilde uygulanması için farklı tekniklerin, teknolojinin ve uzmanlığın benzersiz bir iş akışında birleştirilmesini gerektirir. Hızlı tespit stratejisi, zararlı siyanobakteriler nedeniyle sağlık toplumu sorunlarını önlemek ve geniş alanları kısa sürede izlemek için yararlıdır.
