DOI: https://doi.org/10.1016/j.hazadv.2026.101202
تاريخ النشر: 2026-05-01
المؤلف: Summer B. McLane-Svoboda وآخرون
الموضوع الرئيسي: أبحاث علم الأعصاب وفيزيولوجيا الحشرات
نظرة عامة
تستكشف هذه الدراسة استخدام أنظمة الكشف الكيميائي البيولوجي، وتحديداً القدرات الشمية للجراد، للكشف عن المواد الكيميائية المعروفة باسم المواد الفلورية المشبعة وغير المشبعة (PFAS)، والتي تعتبر ملوثات بيئية دائمة. تواجه طرق الكشف التقليدية صعوبات في التركيزات الضئيلة ومعالجة البيانات المعقدة، مما يحد من فعاليتها في التطبيقات الميدانية. تُظهر الدراسة أن الجراد يمكنه التمييز بين أنواع مختلفة من PFAS من خلال الترميز التوافقي المتقدم في خلايا الأعصاب الشمية.
كشفت التسجيلات العصبية خارج الجسم عن استجابات مميزة مثارة بالروائح لعدة PFAS عند تركيزات بيئية، مما يسمح بتصنيفها بدقة متوسطة تبلغ 87% بناءً على استجابات الخلايا العصبية السكانية. بالإضافة إلى ذلك، حققت خوارزميات التعلم الآلي المطبقة على مجموعات بيانات تدريب واختبار منفصلة دقة تبلغ 61%. تمثل هذه الدراسة تقدماً كبيراً في الكشف عن PFAS، مما يبرز إمكانيات أنظمة الشم البيولوجية في المراقبة البيئية.
مقدمة
تناقش مقدمة ورقة البحث الوجود الواسع والمخاطر الصحية المرتبطة بالمواد الفلورية المشبعة وغير المشبعة (PFAS)، المعروفة عادةً باسم “مواد كيميائية أبدية” بسبب استقرارها الكيميائي ومقاومتها للتحلل. توجد PFAS في مجموعة متنوعة من المنتجات المنزلية، مما يؤدي إلى تعرض كبير للبشر وتراكم حيوي في البيئة والحيوانات والمحاصيل ومياه الشرب. على الرغم من أن مدى تأثيراتها الصحية لا يزال غير واضح، تشير الدراسات الحالية إلى وجود روابط مع العديد من الأمراض والسمية المناعية، بما في ذلك التأثيرات المحتملة المسرطنة. تؤكد هذه الحالة على الحاجة الملحة إلى أجهزة استشعار كيميائية متقدمة قادرة على الكشف عن PFAS عند تركيزات منخفضة.
تواجه طرق الكشف الحالية، مثل الكروماتوغرافيا السائلة والغازية-مطيافية الكتلة (LC-MS وGC-MS)، تحديات في الحساسية والعملية للتطبيقات الميدانية. الأنظمة الهجينة، بما في ذلك الأنوف الإلكترونية والبوليمرات المطبوعة جزيئياً، محدودة في حساسيتها وتركز على الكشف عن مركب واحد. في المقابل، يوفر نظام الشم لدى الجراد بديلاً واعداً بسبب قدراته المتطورة في معالجة المعلومات العصبية، مما يسمح بالكشف عن مجموعة واسعة من الروائح عند تركيزات بيئية. تهدف الدراسة إلى الاستفادة من هذا النظام البيولوجي للكشف عن الغاز من خلال استخدام تسجيلات خارج الجسم من فصوص هوائيات الجراد للكشف وتصنيف عدة PFAS. باستخدام التعلم الآلي، يفترض الباحثون أن شبكة الشم لدى الجراد يمكن أن تحدد PFAS بفعالية من خلال التغيرات في النشاط العصبي، مما يعالج قيود تقنيات الكشف الحالية.
الطرق
تحدد قسم “المواد والطرق” تصميم التجربة والإجراءات المستخدمة في الدراسة. يوضح المواد المحددة المستخدمة، بما في ذلك مصادرها وطرق تحضيرها، بالإضافة إلى البروتوكولات المتبعة لضمان إمكانية تكرار النتائج ودقتها. كما يصف القسم التحليلات الإحصائية التي أجريت لتقييم البيانات، بما في ذلك أي أدوات برمجية تم استخدامها ومعايير الدلالة.
بالإضافة إلى ذلك، يتم تحديد الطرق المستخدمة لجمع البيانات والقياس، مع تسليط الضوء على أي تقنيات مبتكرة أو تعديلات على البروتوكولات القياسية. يضمن هذا النهج الشامل أن تكون النتائج قوية ويمكن تفسيرها بشكل موثوق ضمن سياق أهداف البحث. بشكل عام، يبرز القسم صرامة وطبيعة النظام التجريبي الذي تم إنشاؤه للدراسة.
المناقشة
تستكشف الدراسة الكشف الشمي عن المواد الفلورية المشبعة وغير المشبعة (PFAS) باستخدام الجراد كجهاز استشعار بيولوجي. من خلال التسجيلات الكهربية الفسيولوجية داخل الجسم من فص هوائيات الجراد (AL)، تكشف الدراسة أن الخلايا العصبية الفردية تظهر استجابات مميزة لسبعة مركبات PFAS مختلفة وواحدة للتحكم في الهواء، مما يظهر بصمة عصبية فريدة لكل مادة. تُظهر تحليل 86 خلية عصبية أن الاستجابة السكانية يمكن أن تميز بين أنواع مختلفة من PFAS من خلال مزيج من الاستجابات ON وOFF، مع ملاحظة تباين كبير في النشاط العصبي خلال 0.25 إلى 1.0 ثانية بعد بدء التحفيز. تؤكد تقنيات تقليل الأبعاد، بما في ذلك تحليل المكونات الرئيسية (PCA) وتحليل التمييز الخطي (LDA)، قدرة الدائرة العصبية للجراد على تصنيف PFAS وتركيزاتها بدقة عالية، محققة نجاح تصنيف يصل إلى 100% لبعض المركبات.
بالإضافة إلى ذلك، تستكشف الدراسة الكشف عن PFAS عند تركيزات بيئية، مع التركيز بشكل خاص على PFOS المعروف بقلة تقلبه. تشير النتائج إلى أن نظام الشم لدى الجراد يمكنه التمييز بفعالية بين تركيزات PFOS المنخفضة تصل إلى 0.0001% v/v، مما يبرز إمكانيات المستشعر في المراقبة البيئية في الوقت الحقيقي. تم استخدام خوارزمية تعلم آلي، نموذج هجين من CNN-LSTM، لتعزيز دقة التصنيف عبر تركيزات مختلفة، محققة دقة إجمالية تبلغ 78.5%. تسلط هذه الدراسة الضوء على مزايا استخدام الشم البيولوجي للكشف عن PFAS، مع معالجة قيود الطرق التقليدية وتمهيد الطريق لتطوير مستشعر سايبورغ متنقل وقابل للتكيف قادر على الكشف عن مستويات ضئيلة من PFAS في عينات بيئية معقدة.
DOI: https://doi.org/10.1016/j.hazadv.2026.101202
Publication Date: 2026-05-01
Author(s): Summer B. McLane-Svoboda et al.
Primary Topic: Neurobiology and Insect Physiology Research
Overview
This research explores the use of biological chemical sensing systems, specifically the olfactory capabilities of locusts, to detect per- and polyfluoroalkyl substances (PFAS), which are persistent environmental pollutants. Traditional detection methods struggle with trace concentrations and complex data processing, limiting their effectiveness for on-site applications. The study demonstrates that locusts can differentiate various PFAS through their advanced combinatorial coding in olfactory sensory neurons.
In-vivo extracellular neural recordings revealed distinct odor-evoked responses for multiple PFAS at environmental concentrations, allowing for classification with an average accuracy of 87% based on population neuronal responses. Additionally, machine learning algorithms applied to separate training and testing datasets achieved a 61% accuracy. This research represents a significant advancement in PFAS detection, showcasing the potential of biological olfaction systems for environmental monitoring.
Introduction
The introduction of the research paper discusses the pervasive presence and health risks associated with per- and polyfluoroalkyl substances (PFAS), commonly known as “forever chemicals” due to their chemical stability and resistance to degradation. PFAS are found in various household products, leading to significant human exposure and bioaccumulation in the environment, animals, crops, and drinking water. Although the full extent of their health impacts remains unclear, existing studies indicate links to numerous diseases and immunotoxicity, including potential carcinogenic effects. This situation underscores the urgent need for advanced chemical sensors capable of detecting PFAS at low concentrations.
Current detection methods, such as liquid and gas chromatography-mass spectrometry (LC-MS and GC-MS), face challenges in sensitivity and practicality for field applications. Hybrid systems, including electronic noses and molecularly imprinted polymers, are limited in their sensitivity and focus on single-compound detection. In contrast, the locust olfactory system offers a promising alternative due to its sophisticated neural processing capabilities, which allow for the detection of a wide range of odorants at environmental concentrations. The study aims to leverage this biological gas sensing system by employing in vivo extracellular recordings from the locust’s antennal lobes to detect and classify multiple PFAS. Utilizing machine learning, the researchers hypothesize that the locust olfactory network can effectively identify PFAS through changes in neural activity, thereby addressing the limitations of existing detection technologies.
Methods
The “Materials and Methods” section outlines the experimental design and procedures employed in the study. It details the specific materials used, including their sources and preparation methods, as well as the protocols followed to ensure reproducibility and accuracy of results. The section also describes the statistical analyses conducted to evaluate the data, including any software tools utilized and the criteria for significance.
Additionally, the methods employed for data collection and measurement are specified, highlighting any innovative techniques or modifications to standard protocols. This comprehensive approach ensures that the findings are robust and can be reliably interpreted within the context of the research objectives. Overall, the section emphasizes the rigor and systematic nature of the experimental framework established for the study.
Discussion
The research investigates the olfactory detection of per- and polyfluoroalkyl substances (PFAS) using locusts as a biological sensor. Through in-vivo electrophysiological recordings from the locust antennal lobe (AL), the study reveals that individual neurons exhibit distinct responses to seven different PFAS compounds and an air control, demonstrating a unique neural fingerprint for each substance. The analysis of 86 neurons shows that the population response can differentiate between various PFAS through a combination of ON and OFF responses, with significant variance observed in neural activity within 0.25 to 1.0 seconds post-stimulus onset. Dimensionality reduction techniques, including principal component analysis (PCA) and linear discriminant analysis (LDA), further confirm the ability of the locust neural circuitry to classify PFAS and their concentrations with high accuracy, achieving up to 100% classification success for certain compounds.
Additionally, the study explores the detection of PFAS at environmental concentrations, specifically focusing on the notoriously low-volatile PFOS. The findings indicate that the locust olfactory system can effectively discriminate between PFOS concentrations as low as 0.0001% v/v, showcasing the sensor’s potential for real-time environmental monitoring. A machine learning algorithm, specifically a CNN-LSTM hybrid model, is employed to enhance classification accuracy across varying concentrations, achieving an overall accuracy of 78.5%. This research highlights the advantages of using biological olfaction for PFAS detection, addressing limitations of traditional methods and paving the way for the development of a mobile, adaptive cyborg sensor capable of detecting trace levels of PFAS in complex environmental samples.