Een team van wetenschappers van de Ben-Gurion Universiteit van de Negev (BGU) heeft een kunstmatige neus uitgevonden die in staat is tot continue bacteriële monitoring, die nooit eerder is bereikt en nuttig zou kunnen zijn in meerdere medische, milieu- en voedseltoepassingen.

De studie is gepubliceerd in Nano-microletters .

"We hebben een kunstmatige neus uitgevonden op basis van unieke koolstofnanodeeltjes ("koolstofstippen") die gasmoleculen kunnen detecteren en bacteriën kunnen detecteren via de vluchtige metabolieten die in de lucht worden uitgestoten. " zegt hoofdonderzoeker prof. Raz Jelinek, BGU vice-president voor Onderzoek &Ontwikkeling, lid van de BGU Department of Chemistry en het Ilse Katz Institute for Nanoscale Science and Technology, en de verantwoordelijke van de Carole en Barry Kaye-leerstoel in Applied Science.

De technologie waarvoor patent is aangevraagd, heeft veel toepassingen, waaronder het identificeren van bacteriën in zorginstellingen en gebouwen; het versnellen van laboratoriumtests en op adem gebaseerde diagnostische testen; het identificeren van "goede" versus pathogene bacteriën in het microbioom; het opsporen van voedselbederf en het identificeren van giftige gassen.

"BGU heeft een opmerkelijke staat van dienst op het gebied van sensorontwikkeling, die oneindige mogelijkheden heeft voor real-life toepassing, " zegt Americans for Ben-Gurion University (A4BGU) Chief Executive Officer Doug Seserman. "Onze gerenommeerde multidisciplinaire onderzoeksinspanningen blijven innovatie aanwakkeren, het aanpakken van enkele van 's werelds meest urgente problemen."

De kunstmatige neus maakt gebruik van chemische reacties en elektroden om dampmoleculen waar te nemen en te onderscheiden en de veranderingen in capaciteit vast te leggen op interdigitated elektroden (IDE's) bedekt met koolstofpunten (C-punten). Het resulterende C-dot-IDE-platform vormt een veelzijdig en krachtig voertuig voor gasdetectie in het algemeen, en bacteriële monitoring in het bijzonder. Machine learning kan worden toegepast om de sensor te trainen om verschillende gasmoleculen te identificeren, afzonderlijk of in mengsels, met hoge nauwkeurigheid.