主要成果
インドネシアのUniversitas Bangka Belitung、Institut Teknologi Bandung、国立研究イノベーション庁（BRIN）、Universitas Negeri Padangの研究チームは、食品や水中の大腸菌（E. coli）を迅速に検出できる統合プラズモン・機械学習システムを開発した。このシステムは、高価な分光計を必要とせず、スマートフォンのカメラで撮影した画像を機械学習アルゴリズムで解析することで、大腸菌の有無だけでなく、規制基準に基づいたコンプライアンス・クラスへの分類まで可能にする。
技術・詳細
センサの核となるのは、銀（Ag）のコアを薄い金（Au）のシェルで包んだ「コアシェル構造」のナノ粒子である。この構造は、光が当たった際に導電電子が集合的に振動する局在表面プラズモン共鳴（LSPR）現象を利用している。粒子表面に細菌が結合して周囲の屈折率が変化すると、共鳴波長が長波長側へシフトし、これが測定可能な光学信号となる。
材料の選定には明確な意図がある。銀は屈折率の変化に対する感度が非常に高いが、酸化しやすく化学的に不安定である。一方、金は安定しており生物学的分子による機能化が容易だが、感度は銀に劣る。研究チームは、金シェルを制御して堆積させることで、銀の高感度さと金の安定性を両立させた。具体的には、前駆体である塩化金酸（HAuCl4）を75マイクロリットル使用した際に最適となり、屈折率単位あたり195.3ナノメートルの感度を実現した。
また、選択性を高めるためにナノ粒子表面に抗大腸菌抗体を結合させており、フーリエ変換赤外分光法（FTIR）によってその結合を確認している。これにより、他の微生物が混在していても大腸菌のみを特異的に捕捉できる。検出性能については、細菌濃度1から10^7 CFUの範囲でLSPRピーク位置が線形にシフトし、吸光度強度が減少することを確認した。検出限界は、ピークシフト分析で36.9 CFU、吸光度強度変化で21.2 CFUという高い数値を記録している。
背景・業界の文脈
食品や水中の大腸菌汚染は世界的な公衆衛生上の脅威であるが、従来の検出手法は細菌の培養に数日を要するため、汚染製品が消費者に届く前に介入することが困難であった。そのため、迅速な色度判定やプラズモン・バイオセンサへの関心が高まっており、本研究のような低コストな光学トランスデューサと軽量な機械学習の組み合わせは、バイオセンシングにおける重要なトレンドとなっている。
今後の展望
本システムでは、スマートフォンのカメラで得た画像をk-近傍法（k-NN）アルゴリズムで処理している。k-NNは、新しく得られたサンプルの特徴プロファイルを既知のライブラリと比較し、最も近いカテゴリーに割り当てるシンプルな手法だが、プラズモン応答の色と強度のシグネチャが細菌濃度に応じて系統的に変化するため、極めて信頼性の高い分類が可能となる。この技術が実用化されれば、現場での迅速な水質・食品安全モニタリングが実現し、汚染への即時対応が可能になると期待される。
元記事: https://bioengineer.org/core-shell-nanoparticles-and-smartphones-team-up-to-catch-e-coli-in-minutes/
毎週の技術動向レポートを無料でお届け
各分野の分析レポートを読む価値があるかどうか一目で判断できるインフォグラフィックをメールで受け取れます。
📢 メールマガジンに無料登録（週刊・技術動向レポート）
ご登録いただくと、Troy-Technical から週刊で技術動向レポート（メールマガジン）をお届けします。
- 取得したメールアドレス・選択分野は配信目的にのみ使用します。
- 第三者へ提供することはありません。
- 配信はいつでも解除できます（各メール下部のリンクから）。
詳しくはプライバシーポリシーをご覧ください。
登録は1分・いつでも解除できます
