Биотехнологи РУДН разработали экспресс-тест для диагностики бактериального ожога плодовых культур
Бактерия Erwinia amylovora вызывает у растений опасное инфекционное заболевание — бактериальный ожог. К нему восприимчивы большинство растений семейства розоцветных, например боярышник, яблоня, груша. Из-за бактерии соцветия увядают, листья высыхают и скручиваются, на коре образуются некротические язвы. Болезнь может распространяться через инфицированные растения, садовый инструмент, а также с ветром, который переносит выделяющуюся из язв жидкость. Поэтому, чтобы вовремя остановить распространение инфекции, нужны способы быстро и эффективно ее диагностировать. Существующие методы тестирования требуют лабораторного оборудования — это замедляет диагностику. Биотехнологи РУДН разработали метод, который позволяет получить результаты за 10 минут прямо на месте.
«Для борьбы с Erwinia amylovora важна диагностика заболеваний прямо в саду или питомнике, особенно это важно для мониторинга вспышек заболеваний или независимого контроля за фермерскими и частными садами. Поэтому мы решили разработать экспресс-тест для выявления бактерии и оптимизировать его через сравнение различных частей инфицированных растений», — Шиатеса Разо, аспирант Аграрно-технологического института РУДН.
В основе нового теста лежит иммунохроматографический анализ (ИХА). Это один из самых универсальных методов диагностики — именно так устроены большинство современных экспресс-тестов, с которыми сталкивается человек (например, тест на беременность или SARS-CoV-2). В биологическую жидкость, например экстракт листьев, помещают тест-полоску. На полоску нанесены специфичные антитела, которые «связываются» с нужным веществом и окрашивают определенные области — получаются полосы. По их количеству можно сделать вывод о наличии того или иного вещества в биологической жидкости. Задачей биотехнологов РУДН было подобрать такие антитела, которые позволили бы определять наличие бактерии Erwinia amylovora в соке растений.
Чтобы получить специфичные антитела, биологи сделали серию прививок Erwinia amylovora кроликам породы шиншилла. Через 7–10 дней после последней прививки ученые взяли у животных образцы крови и выделили из них необходимый иммуноглобулин IgG — белковые клетки, которые нейтрализуют патоген.
Полученный тест проверили на зараженных растениях из Воронежской области — 121 образце яблони, груши, боярышника, айвы, терна и вишни. Жидкость для тестирования выделяли из листьев, веток, цветков, плодов и бактериальной слизи. В результате в 93,5% случаев результаты экспресс-теста совпадали с результатами теста ПЦР, который требует больше времени и специального лабораторного оборудования. Биотехнологи РУДН также определили, что лучше всего для анализа использовать проводящие ткани растения — древесину и луб.
«Сейчас растет число быстрых и чувствительных методов анализа, как лабораторных, так и не лабораторных. Однако отбор проб зависит от того, как распределен патоген в растении. Мы определили, какие части растений больше подходят для обнаружения бактериального ожога с помощью иммунохроматографического анализа. Поэтому наши результаты будут полезны для более эффективной диагностики заболевания в нелабораторных условиях», — Шиатеса Разо.
Результаты опубликованы в журнале Physiological and Molecular Plant Pathology.
Исследователи РУДН разработали инновационную систему «Челомер» для создания высокоточных трёхмерных моделей лица за считанные секунды. Проект, поддержанный акселератором RUDN.VC, уже вышел на стадию ранних продаж.
Представьте себе мир, где у каждого есть достаточно еды, чистая вода, доступ к образованию и достойная работа. Мир, где берегут природу и заботятся о будущем нашей планеты. Это и есть цели устойчивого развития — построить устойчивое будущее для всех! Для этого Организация Объединенных Наций (ООН) в 2015 году определила 17 Целей устойчивого развития (ЦУР). ЦУР — это глобальный план, который помогает странам и людям вместе двигаться к лучшему будущему. К нему присоединились 193 государства-члена ООН.
Исследователи факультета искусственного интеллекта РУДН провели масштабное исследование, которое раскрыло системные ошибки больших языковых моделей (LLM) при диагностике депрессии по тексту. Эта работа, выполненная совместно с коллегами из AIRI, ФИЦ ИУ РАН, ИСП РАН, МФТИ и MBZUAI, не только выявляет проблему, но и закладывает основу для создания более надёжных и безопасных инструментов для детектирования депрессии и тревожности.