La nariz artificial basada en puntos de carbono puede olfatear bacterias

Un equipo de científicos de la Universidad Ben-Gurion del Negev (BGU) ha inventado una nariz artificial que es capaz de realizar un seguimiento bacteriano continuo. que nunca se ha logrado anteriormente y podría ser útil en múltiples médicos, Aplicaciones ambientales y alimentarias.

El estudio fue publicado en Letras nano-micro .

"Inventamos una nariz artificial basada en nanopartículas de carbono únicas (" puntos de carbono ") capaces de detectar moléculas de gas y detectar bacterias a través de los metabolitos volátiles que emiten al aire, "dice el investigador principal, el profesor Raz Jelinek, Vicepresidente de Investigación y Desarrollo de BGU, miembro del Departamento de Química de BGU y del Instituto Ilse Katz de Ciencia y Tecnología a Nanoescala, y el titular de la Cátedra Carole and Barry Kaye en Ciencias Aplicadas.

La tecnología pendiente de patente tiene muchas aplicaciones, incluida la identificación de bacterias en instalaciones y edificios de atención médica; acelerar las pruebas de laboratorio y las pruebas de diagnóstico basadas en la respiración; identificar bacterias "buenas" frente a patógenas en el microbioma; detectar el deterioro de los alimentos e identificar los gases venenosos.

BGU tiene un notable historial de desarrollo de sensores, que tiene infinitas posibilidades de aplicación en la vida real. Nuestros reconocidos esfuerzos de investigación multidisciplinarios continúan impulsando la innovación, abordar algunos de los problemas más urgentes del mundo ".

Doug Seserman, Director ejecutivo, Americanos por la Universidad Ben-Gurion (A4BGU)

La nariz artificial utiliza reacciones químicas y electrodos para detectar y distinguir moléculas de vapor y registrar los cambios en la capacitancia en electrodos interdigitados (IDE) recubiertos con puntos de carbono (puntos C). La plataforma C-dot-IDE resultante constituye un vehículo versátil y potente para la detección de gases en general, y monitorización bacteriana en particular. El aprendizaje automático se puede aplicar para entrenar al sensor a identificar diferentes moléculas de gas, individualmente o en mezclas, con alta precisión.

• RedHill presenta resultados positivos de fase 2 para opaganib oral en pacientes con neumonía COVID-19
• Las moléculas anti-coronavirus de los microbios podrían ser clave para nuevos tratamientos