محققان کنکوردیا با استفاده از نانوحسگرهای ریزی حاوی نقاط کربنی، سیستم جدیدی را توسعه داده‌اند تا حضور گلیفوزات را در مقادیر بسیار کم تشخیص دهند.
ساخت حسگری حاوی نقاط کربنی برای سنجش سموم دفع آفات در مقیاس ppm
گلیفوزات (Glyphosate) یکی از سموم دفع آفات است که در بیش از ۷۵۰ محصول کشاورزی، جنگل‌داری، شهری و خانگی یافت می‌شود. مطالعات انجام شده، استفاده بیش از حد آن را با آلودگی محیط زیست و سرطان در انسان‌ها مرتبط کرده است. فروش آن در ده‌ها کشور از جمله کانادا ممنوع یا محدود شده است.
این سیستم محققان به تعامل شیمیایی نقاط کربنی با گلیفوزات متکی است تا حضور آن را تشخیص دهد. نقاط کربنی ذرات فلورسنت بسیار کوچکی معمولاً بین ۱۰ یا ۱۵ نانومتر هستند، هنگامی که آنها به محلول‌های آبی اضافه می‌شوند، این نانومواد فلورسانس نور آبی و قرمز ساطع می‌کنند.
محققان از یک روش تجزیه و تحلیل به‌نام یک ratiometric self-referencing assay برای تعیین سطح گلیفوزات در یک راه حل استفاده کردند. تابش فلورسانس قرمز ساطع شده توسط نقاط کربن در هنگام قرار گرفتن این نقاط در معرض غلظت‌های مختلف از گلیفوزات، سطح pH بررسی شده و با نمونه کنترل مقایسه می‌شود، نمونه‌ای که در آن هیچ گلیفوزاتی وجود ندارد. در تمام آزمایشات، فلورسانس آبی بدون تغییر باقی مانده است و به محققان نقطه مرجع مشترکی در تست‌های مختلف داده است. آنها مشاهده کردند که سطوح بالاتر گلیفوزات، فلورسانس قرمز را خاموش می کند.
آدریان کلرمونت پاکوتی دانشجوی دکتری زیست شناسی و نویسنده اصلی این مقاله می‌گوید: «سیستم ما با دیگران متفاوت است زیرا ما در حال اندازه‌گیری مساحت بین دو قله-دو امضاهای فلورسنت-در طیف قابل مشاهده هستیم. این منطقه بین دو منحنی است. اندازه‌گیری آنها به ما امکان می‌دهد متغیرهایی مانند دما یا سایر عوامل محیطی را نادیده بگیریم. این روش به ما امکان می‌دهد فقط به سطوح گلیفوزات موجود در سیستم نگاه کنیم.»
رافیک ناکاک استادیار شیمی و بیوشیمی و از نویسندگان مقاله مربوط به این پروژه می‌گوید: «با درک شیمی در سطح این نقاط بسیار کوچک و دانستن خصوصیات نوری آنها، می‌توانیم از آنها برای بسیاری از کاربردهای مختلف استفاده کنیم.»
وی می‌گوید این روش برای تشخیص مقادیر بسیار کم از سموم دفع آفات طراحی شده است. روشی که آنها ایجاد کردند به اندازه کافی حساس است تا بتواند وجود سموم دفع آفات را در سطح ۰٫۰۳ قسمت در میلیون (ppm) تشخیص دهد. وی می‌گوید: «این چالش همیشه ادامه دارد این که ببینیم چقدر می‌توانیم از نظر حساسیت و انتخاب‌گری پایین‌تر برویم.»
قبل از استفاده گسترده از این فناوری، کارهای زیادی باید انجام شود.
