Engineered Fungal Biofilms in a Novel Biosensor for the Real-time Monitoring of Estrogenic Endocrine Disrupting Chemicals
Notice bibliographique
Résumé
The presence of emerging contaminants such as endocrine-disrupting chemicals (EDCs) in water resources is a global concern, with reported persistent and rising concentrations in surface- and groundwaters. Endocrine-disrupting chemicals (EDCs) are known to be bioactive and interfere with the vertebrate endocrine system which regulates hormone synthesis, transport and degradation. Although analytical chemistry can detect for single chemical contaminants, it does not address the possible biological activity of the chemical cocktail of hazardous chemicals potentially present in environmental samples. Effect-based methods (EBMs) address this shortcoming by accounting for chemical-chemical interactions and assessing acute or chronic exposure risks to ecosystem and human health. Both analytical chemistry and EBM techniques, however, require an advanced skill level to conduct with other added financial costs. Deployable automated biosensors functioning as EBMs could provide a solution to EDC screening, bridging the resource and human capacity gaps. Within this study, we developed a fluorescent yeast estrogen screen (fYES) strain, Saccharomyces cerevisiae SC-ERCIT, to respond in a dose-dependent manner to the presence of estrogenic EDCs. A low-cost, deployable biosensor device was subsequently designed to allow for inline exposure to and monitoring of environmental samples. By exploiting the biofilm growth mode of this organism, the designed reactor sensor system was applied to detect the presence of estrogenic EDCs under continuous flow conditions, allowing real-time and online monitoring of water source quality. The sensitivity, specificity, response time and limits of detection (LoD) and quantification (LoQ) of the constructed yeast strain showed promise under static and continuous flow conditions for future in situ applications. This will include assessing not only the quality of groundwater directly as part of Managed Aquifer Recharge (MAR), but also the sources like treated wastewater that could possibly feed MAR resources.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».