Автореферат (Химические сенсоры и мультисенсорные системы на основе порфиринов и гетерокраун-эфиров), страница 10

и pH-электрода. Как ГЭ обозначали гексиловый эфир онитрофенилбензойной кислоты, коммерческий карбонатный ионофор I. Перед анализоммассив калибровали в 25 искусственных растворах имитирующих состав плазмы кровичеловека. Необходимо оговориться, что здесь и далее термин «калибровка» в применениик хемометрическому анализу используется как синоним термина «градуировка», которыйв свою очередь является общеупотребительным в российской литературе поаналитической химии.КалибровкаПерекрестная проверкаВведеноРис. 20.

Результаты калибровки и ППП валидации модели ПЛС2 в многокомпонентныхрастворах искусственной плазмы, для определения содержания ионов бикарбоната,гидрофосфата и салицилата.В каждом калибровочном растворе потенциалы сенсоров измеряли трижды, иокончательный набор данных состоял из 6×25×3=450 показателей. Для моделированияотклика сенсорной матрицы с референтными количествами различных анионов вкалибровочных смешанных растворах использовали ПЛС2, метод регрессии,позволяющий предсказывать сразу несколько интересующих параметров. Была полученалинейная корреляция между откликом мультисенсорной матрицы и концентрацией34ионов HCO3-; ввиду ограниченного числа образцов плазмы, валидация полученноймодели осуществлялась методом полной перекрестной проверки (ППП).

Коэффициенткорреляции для определения ионов бикарбоната составил R2 = 0.969, при этом откликсенсоров не зависел от присутствия основных мешающих ионов, салицилата игидрофосфата, Рис. 20.Образцы плазмы крови пациента с респираторным ацидозом (образец А,референтное значение [HCO3-] = 51.4 ммоль/л) и здорового пациента (Д, референтноезначение [HCO3-] = 28.9 ммоль/л) использовались в качестве тестовых образцов привалидации модели ПЛС1 для ионов карбоната, и полученные величины составили50.21.5 ммоль/л и 30.21.1 для образцов А и Д соответственно.

Применениемультисенсорного подхода позволило снизить среднюю относительную погрешностьопределения содержания HCO3- в плазме крови человека по сравнению с одиночнымиионоселективными электродами (3.4% в сравнении 5.5%).Возможность увеличения селективности определения ионов ртути с массивомоптических сенсоров по сравнению с единичным Hg2+-селективным флуоресцентнымоптодом на основе лиганда L3, ранее описанным в разделе 1.1, иллюстрируется в Таблице2.

Массив сенсоров был сформирован из двух ПВХ-мембран на основе L3, содержащих 5.3% вес. ТпClФБК и пластифицированных двумя различными пластификаторами, ДОС иоНФОЕ, каждая в трёхкратном повторении. Определение концентрации ртути проводилив образцах природной поверхностной (озеро Альбано и река Тибр) и питьевой воды (зонаТор Вергата), отобранных в пригородах г. Рима, Италия. Одиночный флуориметрическийоптод градуировали с применением стандартного метода градуировочной кривой; дляполучения корреляции между CSPT-откликом массива и содержанием ионов ртути вградуировочных растворах с известными концентрациями использовался методрегрессии ПЛС1. В связи с ограниченным числом анализируемых проб, валидацияпроводилась методом ППП.

Коэффициент корреляции для валидации полученной ПЛС1модели составил R2=0.994, СКОП=0.189 ммоль/л. Применение мультисенсорной системыпозволило получить линейный отклик по отношению к иону ртути(II) в диапазонеконцентраций от 9.0×10-9 до 3.1×10-3 ммоль/л, с нижним пределом обнаружения в 9.1×109 ммоль/л. Учитывая ПДК концентрации ртути в питьевой воде 0.001 мг/л,рекомендованную ВОЗ и СанПиН 2.1.4.1074-01, данная система может быть примененадля анализа реальных образцов.Таблица 2. Сравнение результатов определения содержания Hg2+ в образцах воды сотдельными оптодами на основе L3 и с помощью массива сенсоров.Образецводы[Hg2+] найдено после добавки в 1000 мкг/лHg2+-селективный оптодмассив сенсоров[Hg2+],мкг/л[Hg2+], мкг/лR, %11361088104613.68.804.60R, %озеро Альбано 9365.83река Тибр10182.32питьевая вода 8969.81R - средняя относительная погрешность определенияВажной задачей при контроле качества поверхностных и питьевых вод являетсямониторинг распространения в них цианобактерий и содержания токсичных продуктових жизнедеятельности, микроцистинов, МС.

Стандартные инструментальные методыанализа МС основаны на методах разделения, таких как жидкостная хроматография (ЖХ)в сочетании с масс-спектрометрией или флуориметрией. Широко используются также35сенсорные платформы с применением ферментов. Основными недостаткамивышеуказанных методов являются необходимость в специальном и дорогостоящемоборудовании для проведения инструментального анализа, в то время какнестабильность ферментов ограничивает возможности энзимных сенсоров.

В этой связинедорогие и нетрудоемкие аналитические системы, способные осуществлять быструю инадежную оценку токсичности МС в пробах воды, становятся все более востребованными.Пример такой мультисенсорной системы, состоящей из 8 потенциометрических сенсоров,содержащих электроды с пластифицированными аниончувствительными мембранами наоснове исследованных металлопорфириновых ионофоров, а также катиончувствительные датчики с халькогенидными стеклянными мембранами, рассмотрен в настоящейработе для обнаружения МС в воде и распознавания различных штаммов сине-зеленыхводорослей Microcystis aeruginosa.Исследовали образцы водопроводной и природных вод, загрязненные аликвотаминеорганической питательной среды реактора, в котором, на протяжении 3-х месячногопериода выращивались два штамма водорослей Microcystis aeruginosa: один токсичный(ТОХ), т.е.

выделяющий МС в процессе метаболизма, и один нетоксичный (NTOX). Заборпроб производился дважды в неделю, тестировали образцы в семи различныхразбавлениях, таким образом количество исследованных образцов составило 168 длякаждого штамма. Все образцы были исследованы с применением мультисенсорнойсистемы, а также содержание в них МС было проведено стандартным методом ЖХ сфлуорометрическим окончанием и с применением колориметрического энзимногометода, основанного на подавлении активности протеинофосфатазы-2A (PP2A).Для получения корреляции между откликом массива сенсоров и референтными ЖХданными о концентрации МС в исследованных растворах использовали метод ПЛС1.

Сцелью прогнозирования концентраций МС были выбраны наиболее репрезентативныепериоды развития водорослей, соответствующие начальной стадии с низкимсодержанием выделяемых токсинов и конечному этапу, когда наблюдалось их старение иотмирание, сопровождающееся резким увеличением выброса токсинов.

Коэффициенткорреляции линейной зависимости между откликом массива и логарифмомконцентрации МС в процессе ППП валидации приближался к единичному значению исоставил R2 = 0.742. Среднеквадратичное отклонение прогнозирования, СКОП, составило0.49 единиц в логарифмической шкале концентрации МС. Предел чувствительности МСна уровне 0,014 мкг/л был оценен с применением метода 3σ (ПЧ = 3σ/S, где σ – этосреднеквадратичная ошибка калибровки СКОК, рассчитанная в мкг/л, а S- угловойкоэффициент регрессионной кривой на этапе калибровки, он составлял 0.803).Полученный результат является перспективным, учитывая сложность аналитическойзадачи и нижний предел обнаружения МС, меньше, чем установленное значение ПДК в 1мкг/л.

Необходимо оговориться, что при обсуждении результатов хемометрическогоанализа здесь и далее термин «ошибка» используется как синоним термина«погрешность», который в свою очередь является общеупотребительным в российскойлитературе по аналитической химии.Хемометрическая коррекция дрейфа отклика сенсоров во времени была проведенапосредством разбиения массива данных, измеренных потенциометрическоймультисенсорной системой в течение всего периода роста цианобактерий на дваподмассива, соответствующих двум различным фазам их роста: образцов с низкимсодержанием МС (1.9 - 8.3 мкг/л), собранных в течение первого месяца роста, а такжеобразцов с существенным содержанием МС (28 - 300 мкг/л).

Принимая во вниманиепоследовательные разведения фильтратов штамма M. aeruginosa в питьевой воде (всоотношениях 1:3333, 1:1666, 1:1000, 1:500, 1:100, 1:20), в набор данных с низким ивысоким содержанием МС входили 45 и 60 образцов соответственно. В каждом наборе в36качестве тестовых для ПЛС моделирования были произвольно выбраны 15 или 20образцов (одна треть от общего количества); оставшиеся образцы использовали длякалибровки.

Процедуру случайного разбиения (СР) повторяли 20 раз для наборов данныхс низким и высоким содержанием МС. Чтобы оценить полученные ПЛС модели, значенияСКОК были усреднены для каждого их двух подмассивов данных. Результаты ПЛСпрогнозирования МС посредством мультисенсорной системы представлены в Таблице 3.Удовлетворительные коэффициенты корреляции и СКОК, ниже чем значения ПДК длямикроцистина в питьевой воде, открывают новые перспективы для применения даннойпотенциометрической мультисенсорной системы в области экологического мониторинга.Таблица 3.