Grüne Technologieherausforderungen von Biotechnologie und IKT für das Leben

Systembiologie und Omics-Technologie

Fortgeschrittenes Niveau

Fortschritte in den Omics-Technologien – wie Genomics, Transcriptomics, Proteomics und Metabolomics – haben begonnen, Medizin auf einer außerordentlich detaillierten molekularen Ebene zu ermöglichen.

Inhalt

 

OMICS-Technologien zur Verbesserung der Lebensqualität

OMICS Technologien und Molekulare Medizin

Fortschritte in den Omics-Technologien – wie Genomics, Transcriptomics, Proteomics und Metabolomics – haben begonnen, Medizin auf einer außerordentlich detaillierten molekularen Ebene zu ermöglichen. Die schnell sinkenden Kosten der Hochdurchsatz-Sequenzierung und anderer massiv-paralleler Technologien, wie der Massenspektrometrie, ermöglichen deren Einsatz in der klinischen Forschung und Praxis. Exom- und Genomsequenzierung werden bereits eingesetzt, um Diagnosen zu unterstützen, insbesondere bei seltenen Krankheiten, um Informationen über die Krebsbehandlung und den Krankheitsverlauf zu erhalten und, in ersten Ansätzen, um Vorhersagemodelle für Krankheiten bei gesunden Personen zu erstellen. Zahlreiche Forschungsbemühungen und Unternehmen konzentrieren sich auf genomweite Profile von genetischen, Genexpressions- und anderen Omics-Daten, wie z. B. dem Mikrobiom, als Biomarker für Krankheiten. Diese Techniken wurden auch bei der Identifizierung von Risikoloci für Krankheiten, bei der Definition der genauen Pathophysiologie der Krankheit sowie bei der Durchführung von Forschungen im Bereich Occupational Environmental Health (OEH) eingesetzt.

Im Idealfall werden verschiedene Technologien kombiniert, um sowohl die Diagnose von Krankheiten zu unterstützen als auch ein ganzheitliches Bild des menschlichen Phänotyps und der Krankheit zu erstellen. Die Implementierung von Multi-Omics-Daten führt jedoch zu neuen Herausforderungen in der Informatik und Interpretation. Welchen Einfluss kann die integrative Omics-Technologie auf die Medizin haben, indem sie sowohl beim Gesundheitsmanagement als auch bei der Diagnose und Behandlung von Krankheiten hilft? Um die Behandlungsergebnisse zu verbessern und unerwünschte Ereignisse zu reduzieren, die sowohl für den Arzt als auch für den Patienten von Bedeutung sind, besteht eine der perspektivischen Lösungen in der Entwicklung der personalisierten Medizin – einer maßgeschneiderten medizinischen Behandlung, die auf die Eigenschaften, Bedürfnisse und das einzigartige molekulare und genetische Profil des Einzelnen abgestimmt ist (Abb. 1).

Abb. 1. Personalisierte Medizin über die gesamte Lebensspanne

OMICs-Technologien in der Diagnostik

Pränatale Diagnostik

Nahezu 10 % der Kinderkrankheiten und 20 % der Todesfälle bei Säuglingen sind auf Mendelsche Krankheiten zurückzuführen. Genetische Defekte können eine große Gefahr für die Gesundheit des Babys darstellen. Um dieses Problem zu überwinden, werden die neuesten Entwicklungen in den Omics-Technologien bereits vor der Geburt eingesetzt. Pränatales Screening ist in vielen Ländern weit verbreitet, um nicht nur Anomalien eines Fötus zu untersuchen, sondern auch die möglichen Risiken von Krankheiten oder abnormalen Zuständen nach der Geburt. Wenn eine genetische Veranlagung vorliegt, wie z. B. Mukoviszidose oder Muskeldystrophie, wird die Konsultation eines Facharztes oder einer Gendiagnosefirma von großer Bedeutung. Die neuesten Innovationen in der Molekular- und Zellbiologie ermöglichten verschiedene genetische Diagnosen für Föten. Bis vor kurzem wurden verschiedene invasive Technologien wie die Amniozentese und die Chorionzottenbiopsie angewandt. Obwohl die Verfahren verbessert wurden, besteht immer noch das Risiko einer Fehlgeburt und ernsthafter Nebenwirkungen. Einer der innovativen Versuche, die Nebenwirkungen der konventionellen invasiven Technologien zu vermeiden, ist die Isolierung und Analyse von fetalen kernhaltigen Zellen aus mütterlichem Blut. Leider ist die Anzahl der fötalen Zellen, die isoliert werden können, etwa 3-5 Zellen pro 30 ml mütterlichen Blutes. Der große Sprung auf dem Gebiet der nicht-invasiven pränatalen Tests (NIPT) wurde nach dem Fortschritt der Omics-Technologien und ihrer Kombination mit verschiedenen experimentellen Ansätzen gemacht. Der Einsatz der DNA-Amplifikationstechnologie in Kombination mit NGS ermöglichte den direkten Nachweis der fetalen DNA im mütterlichen Blut. Gegenwärtig wird ein solcher Ansatz zur Bestimmung des Geschlechts und der Rhesus-Blutgruppe sowie zur Analyse von chromosomalen Aneuploidien verwendet. Die zellfreie fetale DNA wird typischerweise im mütterlichen Blut während des Prozesses der Apoptose der Plazentazellen freigesetzt. Die fragmentierte zellfreie fetale DNA ist ∼200 bp lang und hat eine Halbwertszeit von ∼16 min und kann im mütterlichen Plasma ab der frühen Schwangerschaft (5-7 Wochen) nachgewiesen werden. Zusätzlich zur fetalen DNA können auch fetale RNAs für den NIPT verwendet werden. Zum Beispiel kann eine fetale Trisomie 21 diagnostiziert werden, indem das allelische Verhältnis der PLAC4 mRNA überprüft wird, die von Chromosom 21 in der Plazenta produziert wird. Wenn ein Baby heterogene Allele von den Eltern erhält, deutet ein ungleiches Allelverhältnis (2 : 1) auf eine Trisomie hin.

Die Integration von fetalen genomischen, transkriptomischen, proteomischen, metabolomischen und epigenetischen Daten wird dazu beitragen, die pränatale genetische Diagnostik voranzutreiben. Auf diese Weise könnte jede genetische Störung in einem frühen Stadium der Schwangerschaft durch die Anwendung nicht-invasiver Ansätze identifiziert werden. Allerdings gibt es einige Bedenken hinsichtlich der Aufwerfung ernsthafter ethischer Fragen, die sich bei der Verwendung fortschrittlicher Genomtechnologie ergeben können. Daher sollten weitere Studien über die Auswirkungen neuer Technologien auf die Gesellschaft, wie z. B. mögliche Diskriminierung aufgrund genetischer Informationen, unbestimmte schädliche Auswirkungen der Nanotechnologien auf Mensch und Natur sowie Urheberrechtsverletzungen aufgrund der Entwicklung der Informationstechnologie, in Betracht gezogen werden (siehe LO8).

Lab-on-a-Chip-Technologie in der Diagnostik

Schon bald nach der Entwicklung von mikro-elektromechanischen Systemen (MEMS) wurde der potenzielle Einsatz dieser miniaturisierten Plattformen für verschiedene Anwendungen entdeckt. In den letzten Jahrzehnten hat das Interesse an biologischen oder biomedizinischen MEMS (BioMEMS) deutlich zugenommen und sie haben weit verbreitete Anwendungen in verschiedenen Bereichen der Biowissenschaften gefunden, darunter Diagnostik, Therapeutik, Medikamentenabgabe, Biosensoren und Tissue Engineering. Diese integrierten Systeme sind auch als „Lab-on-a-Chip“ (LOC) oder „Mikro-Total-Analyse-Systeme“ (μTAS) bekannt und bieten einen soliden Weg zur Miniaturisierung, Integration, Automatisierung und Parallelisierung chemischer Prozesse.

Lab-on-a-Chip-Geräte integrieren mehrere Laborfunktionen auf einem einzigen Chip (von wenigen Quadratmillimetern bis zu einigen Quadratzentimetern Größe). Diese Plattformen ermöglichen komplexe chemische und/oder biologische Analysen, die im Vergleich zu konventionellen Labortests billiger, schneller, kontrollierbarer und leistungsfähiger sind als biochemische Assays in sehr kleinem Maßstab. Sie sind in der Lage, extrem kleine Flüssigkeitsvolumina bis hinunter zu weniger als ein paar Pikolitern (wenige Mikrotropfen Vollblut, Plasma, Speichel, Träne, Urin oder Schweiß) zu verarbeiten. Diese Tatsache ist sehr wichtig für viele klinische Studien, bei denen in der Regel sehr kleine Volumina an Patientenproben zur Verfügung stehen. Außerdem kann die Automatisierung mit der Eliminierung der menschlichen Störparameter die Zuverlässigkeit in der Analyse erhöhen.

LOC wurde in verschiedenen Anwendungen eingesetzt, wie z. B.: DNA-Extraktion und -Reinigung, PCR, qPCR, molekularer Nachweis, Elektrophorese, etc.

LOC für DNA-Extraktion und Aufreinigung: Für diagnostische Assays müssen Nukleinsäuren oft aus Zellen aufgereinigt werden. Der Prozess der DNA-Extraktion umfasst im Allgemeinen zwei Schritte: die Zelllyse durch Zerstörung der Zell- und Kernmembran und die Aufreinigung der DNA von Membranlipiden, Proteinen und RNA. Die Zelllyse auf LOC-Geräten kann durch verschiedene Arten von Lyse-Methoden erreicht werden: chemische, thermische, Ultraschall-, elektrische, mechanische oder eine andere Art der Lyse. Die bekannten DNA-Reinigungsmethoden durch Extraktionssäulen, die die DNA-Adsorption an Siliziumdioxid-Perlen unter bestimmten Pufferbedingungen nutzen, sind auch für mikrofluidische Techniken adaptierbar.

LOC-Geräte für PCR, qPCR und molekulare Detektion: Nach der DNA-Extraktion ist die häufigste Analyse die PCR. Die Bedeutung der PCR in der genomischen Analyse führte zur Entwicklung zahlreicher LOC-Geräte. Die Miniaturisierung des Volumens und das hohe Verhältnis von Oberfläche zu Volumen definieren einen schnellen thermischen Transfer und eine genauere PCR. Diese Analyse erfordert eine Nachanalyse und Größenbestimmung der Amplikons, die in der Regel durch Elektrophorese durchgeführt wird. Mit der Einführung der LOCs war die DNA-Elektrophorese einer der ersten molekularen Prozesse, der auf einem Chip integriert wurde. Durch diese Miniaturisierung wird die Gesamtprozesszeit noch weiter verkürzt und der Reagenzienverbrauch reduziert.

Abb. 2. Lab-on-a-Chip-Gerät

qPCR ist eine weitere Technik, die an LOC-Geräte angepasst wurde. Unter Verwendung eines ultraschnellen Druckreglers und eines Fluoreszenz-Readers wurde ein ultraschnelles qPCR-Mikrofluidiksystem für den molekularen Nachweis von Krankheiten wie Anthrax und Ebola entwickelt. Die Nachweiseffizienz ist identisch mit der kommerzieller Systeme und die Ergebnisse sind in weniger als 8 Minuten zu erreichen, was 7-15 mal schneller ist als bei den traditionell verwendeten Systemen. Ein weiterer fortschrittlicher Bereich ist die digitale Mikrofluidik, die sich mit Emulsionen und Tröpfchen in LOC-Geräten beschäftigt. Kleinste DNA-Mengen können in den Tröpfchen aufgenommen werden, und die Nachweisgrenzen können mit einer Kopienzahl-Detektion innerhalb der LOC-Tröpfchen-qPCR verbessert werden.

Genomische Anwendung: Durch die zahlreichen Sequenzierprojekte, wie z. B. das Human Genome Project, hat das Gebiet der Genomik in den letzten Jahren eine enorme Aufmerksamkeit erfahren. Zu den derzeit in der Entwicklung befindlichen Next-Generation-Sequenzierungstechniken gehören Sequencing-by-Hybridization (SBH), Nanopore-Sequencing und Sequencing-by-Synthesis (SBS), wobei letztere viele verschiedene DNA-Polymerase-abhängige Strategien umfasst. Die Verwendung des LOC-Ansatzes ermöglicht die drastische Reduzierung von Kosten und Dauer der Hochdurchsatz-Sequenzierung.

Bei der Untersuchung der komplexen DNA-Probenexpression ist eine Integration von mehreren Biosensoren in Verbindung mit DNA-Microarrays erforderlich. Die wichtigsten Eigenschaften dieser LOCs sind Miniaturisierung, Geschwindigkeit und Präzision. Diese Technologie bietet enorme Möglichkeiten für die schnelle Multiplex-Analyse von Nukleinsäureproben, einschließlich der Diagnose von genetischen Krankheiten, der Erkennung von Infektionserregern, der Messung der differentiellen Genexpression, des Drogenscreenings oder der forensischen Analyse.

Biochemische Anwendungen: Die LOC-Strategie ist auch bei der Kopplung enzymatischer und immunologischer Assays auf einem Einkanal-Mikrofluidikgerät anwendbar. Ein typisches Beispiel ist die gleichzeitige Messung von Glukose und Insulin. Der Schlüssel zur effektiven Realisierung eines solchen Glukose-/Insulin-Monitorings ist die Integration relevanter Probenvorbehandlungs-/Reinigungsverfahren, die für die Vollblutanalyse unerlässlich sind. Dieser innovative LOC-Ansatz lässt sich auf die Integration anderer Analysen und zusätzlicher Probenbehandlungsschritte übertragen, wie sie für die Schaffung miniaturisierter klinischer Instrumente gewünscht werden.

Proteomik: Die Proteomik ist eine der großen wissenschaftlichen Herausforderungen in der Post-Genom-Ära. LOC-Geräte sind nützlich für die Entwicklung fortschrittlicher Techniken zur Beantwortung komplexer analytischer Probleme, wie z. B. die Erstellung von Proteom-Profilen. LOC-Geräte könnten in vier Schlüsselbereichen der Proteomik eingesetzt werden: chemische Verarbeitung, Probenanreicherung und -reinigung, chemische Trennungen und Schnittstellen zur Massen-MS. Da es sich bei LOC um ein miniaturisiertes Gerät handelt, könnte es für die Trennung und Detektion von Proteinen verwendet werden. Dieses Verfahren zeichnet sich durch einen geringen Reagenzienverbrauch, eine einfache Bedienung und eine sehr schnelle Analyse aus. Ein weiterer Vorteil ist, dass die Daten aus den LOC-Geräten leicht mit denen verglichen werden können, die mit 2D-PAGE gewonnen wurden. Um Proteine zu quantifizieren, wird ein LOC-MS-Proteinprofilierungsgerät entwickelt. Einige Autoren beschreiben LOC-Geräte, die für die direkte Infusion in das Massenspektrometer verwendet werden, einschließlich Kapillarelektrophorese (CE)-Trennung, On-Chip-Probenaufschluss und Infusion oder CE vor der MS-Analyse. Die Forscher verwenden Elektrospray-Ionisations-MS und konzentrieren sich auf das Schnittstellendesign zwischen LOC und dem Massenspektrometer.

Biosensoren: Zum Nachweis von Zielanalyten werden auch LOC-Biosensoren entwickelt. Solche Geräte verknüpfen ein biologisches Erkennungselement mit einem physikalischen Wandler, der das biologische Erkennungsereignis in ein elektrisches Signal umwandelt. Es gibt zwei Arten von LOC-Biosensoren: bioaffine und biokatalytische Geräte. Bioaffinitätsgeräte basieren auf der selektiven Bindung des Zielanalyten an einen oberflächenumschlossenen Ligandenpartner (z. B. Antikörper, Oligonukleotid). In Hybridisierungs-Biosensoren sind beispielsweise einzelsträngige (ss) DNA-Sonden auf der Wandleroberfläche immobilisiert. Wenn ein Duplex gebildet wird, kann dieser nach Assoziation eines entsprechenden Hybridisierungsindikators nachgewiesen werden. Andererseits wird in biokatalytischen Geräten ein immobilisiertes Enzym zur Erkennung des Zielsubstrats verwendet. Zum Beispiel Sensorstreifen mit immobilisierter Glukoseoxidase zur Überwachung von Diabetes (weitere Informationen siehe LO3).

Zellforschung: Mit LOC-Geräten könnte auch ein Experiment mit Zellen im kleinen Maßstab durchgeführt werden. Die einzelne Zelle wird innerhalb des Mikrokanals an einer vorbestimmten Stelle positioniert, was ihre Handhabung und Manipulation erleichtert. Das Mikrosystem ermöglicht die Handhabung von kleinen Flüssigkeitsvolumina, die geringe Mengen an Analyt enthalten. LOC-Systeme bieten auch eine präzise Kontrolle der lokalen Umgebung der Zelle, indem sie die physikalische oder chemische Beschaffenheit der Oberfläche, an der die Zelle haftet, den lokalen pH-Wert und die Temperatur überwachen. Wenn die Zelle einer anderen Art von Stimuli ausgesetzt werden soll, können zahlreiche und oft komplexe Fluid-Handling-Komponenten eingesetzt werden. Wenn die Zelle Gegenstand einer weiteren Analyse ist, können die Lyse und die notwendigen analytischen Methoden ebenfalls auf derselben Plattform durchgeführt werden. So wird ein Probenverlust oder eine Verdünnung vermieden, die bei der Verwendung mehrerer Geräte unweigerlich auftreten würden.

Medikamentenentwicklung: Der Bedarf der Industrie an der Entwicklung neuer Medikamente und an der Vorhersage ihres potenziellen Verhaltens in Tieren und Zellen löst weitere analytische Anwendungen von LOC-Systemen aus: z. B. analytische Systeme zur Überwachung und Optimierung der Produktion von Proteinmedikamenten wie therapeutischen Antikörpern; Assays auf der Basis primärer menschlicher Zellen, die die Leistung in klinischen Studien am Menschen vorhersagen könnten, und Pothers. Diese LOC-Systeme sind nachweislich hoch reproduzierbar, leicht zu manipulieren und könnten routinemäßig eingesetzt werden.

OMICs-Analyse zur Aufdeckung der genetischen Architektur von Volkskrankheiten

Die Identifizierung von genetischen Markern, die mit einem bestimmten Krankheitsmerkmal assoziiert sind, ist eine Schlüsselfrage bei der Abschätzung des Krankheitsrisikos. Da die genetische Information eines Individuums meist unverändert bleibt, können die mutierten Sequenzen zuverlässige Marker für bestimmte Krankheiten sein. Eine der wichtigsten Anwendungen der Omics-Technologie sind in diesem Zusammenhang die genomweiten Assoziationsstudien (GWASs). Sie können häufige genetische Varianten, in der Regel Einzelnukleotid-Polymorphismen (SNPs), identifizieren, die mit bestimmten Krankheitsmerkmalen assoziiert sind. Im Allgemeinen werden die SNP-Informationen von zwei Gruppen gesammelt, einer Patientengruppe und einer gesunden Kontrollgruppe. Dann werden sie statistisch analysiert, und die SNPs, die mit den spezifischen Krankheitsmerkmalen der entsprechenden Patientengruppe assoziiert sind, werden identifiziert.

Zum Beispiel sind Variationen im Apolipoprotein E (APOE)-Gen ein bekannter genetischer Faktor, der mit der spät einsetzenden Alzheimer-Krankheit (LOAD) korreliert ist. Nach der Auswertung von 502.627 SNPs bei 1086 AD-Patienten wurde gezeigt, dass rs4420638 auf Chromosom 19 der stärkste Marker ist, der AD-Patienten von der Kontrollgruppe unterscheidet. Ein weiterer wichtiger Erfolg wurde bei der Untersuchung von erblichen Krebserkrankungen erzielt. Die BRCA1- und BRCA2-Gene sind einer der wichtigsten genetischen Marker für erblichen Brust- und Eierstockkrebs. Diese Gene kodieren für Tumorsuppressorproteine, die bei der Reparatur von beschädigter DNA durch homologationsgerichtete Reparatur helfen. Einige Mutationen in BRCA1 und/oder BRCA2 erhöhen das Risiko, an Brust- und/oder Eierstockkrebs zu erkranken, erheblich. Für BRCA1 wurden zwei Mutationen nachgewiesen: 185delAG und 5382insC. Etwa 55-65% der Frauen, die eine der schädlichen BRCA1-Mutationen geerbt haben, und etwa 45% der Frauen, die die BRCA2-Mutation tragen, haben bis zum Alter von 70 Jahren Brustkrebs entwickelt. Zahlreiche andere Krankheitsmarker wie autosomal-dominantes kolorektales Karzinom, Li-Fraumeni-Multikarzinom-Syndrom, Mukolipidose IV und hypertrophe Kardiomyopathie wurden ebenfalls erfolgreich mittels NGS identifiziert.

Für die häufigsten Krankheiten wie Diabetes, Fettleibigkeit, Schizophrenie und Autismus ist jedoch eine Kombination aus mehreren genetischen und Umweltfaktoren verantwortlich. Eine wachsende Zahl von Hinweisen deutet darauf hin, dass genetische Marker in der Regel nur einen Teil der gesamten Merkmalsvariation erklären. Einer der fehlenden entscheidenden Faktoren sind die epigenetischen Variationen. Es wurde berichtet, dass verschiedene epigenetische Modifikationen mit dem Frühstadium verschiedener Krebsarten (abnormales Wachstum eines Tumors) in Verbindung gebracht werden. Außerdem ist bekannt, dass Darmkrebs bei Männern häufiger vorkommt als bei Frauen. Deshalb wurde vermutet, dass Östrogen dazu beitragen könnte, Darmkrebs zu unterdrücken. Darüber hinaus haben die epigenetischen Profile von benachbarten und nicht benachbarten Mukosa-Proben von 95 Darmkrebspatienten gezeigt, dass der Promotor des MGMT, eines DNA-Reparatur-Gens, häufig methyliert war. Bislang wurden Tausende von genomischen Loci identifiziert und mit verschiedenen menschlichen Krankheiten in Verbindung gebracht. Die Schwierigkeiten entstehen jedoch, wenn diese Gene im Zusammenhang mit der molekularen Pathophysiologie und den entsprechenden interagierenden Genen und Signalwegen charakterisiert werden müssen.

Anwendung des OMICs-Ansatzes bei der Behandlung von Krankheiten

Das Hauptziel der personalisierten Medizin ist die Entscheidung über die effektivste Behandlungsoption für ein Individuum. In dieser Hinsicht kann die gleichzeitige Quantifizierung mehrerer Proteinmarker eine wichtige Rolle bei der Subtypisierung von Tumoren und der Auswahl optimierter Therapien für jeden Subtyp spielen. Auf Einzelzellen basierende Hochdurchsatz-Proteinquantifizierungstechniken, wie z. B. CyTOF, können eine hervorragende Alternative zu den auf Immunhistochemie basierenden Methoden sein.

So ist im letzten Jahrzehnt ein neuer Ansatz zur Behandlung von Krebserkrankungen entstanden – das Immunsystem des Patienten seinen Krebs bekämpfen zu lassen, genannt adoptiver Zelltransfer (ACT). Das Glioblastoma multiforme (GBM) ist die häufigste und aggressivste Form eines bösartigen Hirntumors. Obwohl GBM mit Methoden der chirurgischen Entfernung, der Strahlenbehandlung und der Chemotherapie behandelt wurde, gab es keine spürbaren Effekte. In den letzten 20 Jahren wurden zahlreiche klinische Studien durchgeführt, um das Immunsystem zur Heilung von Krebserkrankungen wie GBM einzusetzen. Unter den zahlreichen ACT-Ansätzen wurde besonderes Augenmerk auf die dendritischen Zell (DC)- und T-Zell-basierten Impfstoffe gelegt. Sie können in das Gehirn eindringen und eine antitumorale Reaktion auslösen und zeigen ein großes Potenzial für die effektive Abtötung verschiedener Krebsarten, einschließlich der malignen und fortgeschrittenen Typen. Autologe DCs, die aus Tumorgewebe oder in Form eines Tumorlysats eines Patienten gewonnen werden, können in vitro in Anwesenheit von Tumor-assoziierten Antigenen (TAAs) gezüchtet werden, eine Methode, die als „pulsieren“ bezeichnet wird. Die gepulsten, autologen DCs werden dem Patienten wieder zugeführt, um eine spezifische, zellvermittelte, antitumorale Zytotoxizität gegen GBM und andere bösartige Tumoren zu stimulieren. Weitere revolutionäre Ansätze, z. B. das Engineering spezifischer Immunzellen mit Hilfe von Zink-Finger-Nukleasen (ZFNs) und CRISPR-Technologie, wurden ebenfalls versucht.

Jedes Jahr unterziehen sich Tausende von Patienten einer Transplantation von Organen oder hämatopoetischen Stammzellen. Allerdings ist die Sterblichkeit unter diesen Patienten nach wie vor sehr hoch. Ein Standardverfahren für das Matching von Spendern und Empfängern ist die Typisierung von humanen Leukozytenantigenen (HLA). Es wird jedoch deutlich, dass auch Nicht-HLA-Faktoren die Prognose und die Entwicklung der Graft-versus-Host-Disease (GVHD) erheblich beeinflussen können. Um dies zu überwinden, können viele Omics-Anwendungen genutzt werden, um optimale Spender-Empfänger-Matches zu bestimmen sowie verschiedene Marker der Abstoßung zu untersuchen. So kann beispielsweise die freie DNA-Sequenzierung zur Beurteilung des Schweregrads der Organabstoßung sowie zum gleichzeitigen Nachweis des eventuellen Vorhandenseins von viraler DNA als Marker für eine Infektion verwendet werden. Zusätzliche Omics-Daten, wie die RNA- oder Proteinexpression, können auch zur Beurteilung der Spender-Empfänger-Kompatibilität genutzt werden. Somit kann die Integration mehrerer Omics-Technologien als nützliches Werkzeug für die Transplantationsbiologie genutzt werden.

Außerdem wurde das Mikrobiom mit vielen häufigen menschlichen Krankheiten in Verbindung gebracht. Während die Kausalität bei genomischen Daten einfach ist, da die DNA den Phänotyp beeinflusst, ist es schwieriger zu entschlüsseln, ob die Zusammensetzung des Mikrobioms eine Ursache oder eine Wirkung von Krankheiten ist. Dennoch ist es offensichtlich, dass Patienten mit entzündlichen Darmerkrankungen, Typ-2-Diabetes und Adipositas andere Mikrobiom-Profile aufweisen als gesunde Kontrollpersonen. Darüber hinaus hat das Mikrobiom einen großen Einfluss auf die Immunfunktion, die in einigen Fällen in Tiermodellen kausal mit der Krankheit in Verbindung gebracht wurde. In dem Maße, wie unser Verständnis des Mikrobioms voranschreitet, wird die integrative Auswertung dieser und anderer Daten aus der Omics-Technologie zu einem besseren Verständnis menschlicher Krankheiten beitragen. Kürzlich wurde gezeigt, dass menschliche genetische Profile die Gesamtzusammensetzung der Darmmikrobiota beeinflussen. Darüber hinaus wurde gezeigt, dass Interaktionen zwischen der menschlichen Genetik und dem Mikrobiom die Manifestation von Krankheiten beeinflussen. In ähnlicher Weise ist die metabolische Signalübertragung zwischen Wirten und ihren Mikrobiomen zu einem aktiven Forschungsgebiet geworden, und es gibt immer mehr Hinweise darauf, dass eine Reihe von Metaboliten, die von Darmbakterien abgesondert werden, eine Rolle bei menschlichen Krankheiten spielen können. Daher ist es offensichtlich, dass eine integrierte Analyse von Genom, Metabolom, Mikrobiom und anderen omics-Profilen Mittel für das Management von Gesundheit und die Bekämpfung von Krankheiten bieten wird.

OMICs-Technologien zur Krankheitsprävention – Zukunftsperspektiven

Ein weiteres wichtiges Ziel der personalisierten Medizin ist es, die Entwicklung verschiedener Krankheiten zu verhindern, bevor sie ausbrechen. Derzeitige präventive Behandlungen beschränken sich auf Operationen – die Entfernung eines Gewebes oder eines Organs, wenn eine Person relevante Krebsmarker besitzt. Dieser Ansatz ist jedoch nicht auf Krankheiten wie Alzheimer, Chorea Huntington und kongenitale Muskeldystrophie anwendbar. Einer der jüngsten Ansätze, um solche Probleme anzugehen, ist die Nutrigenomik-basierte Ernährungsbehandlung. Omics-Profiling kann ein effektiver Ansatz sein, um Veränderungen auf großer Ebene oder auf der Ebene von Signalwegen zu erkennen, kann patientenspezifische Trends aufzeigen und durch wiederholte Messungen statistische Unterstützung bieten.

Anwendung von OMICS-Technologien in der Toxikologie

Die Verwendung von Omics-Tools zur Bewertung des Gesundheitszustands der Umwelt gewinnt im Umweltmanagement und in der Risikobewertung immer mehr an Bedeutung. Omics erlauben es, molekulare Ereignisse und schädliche Wirkungen mit biologischen Organisationsebenen zu verbinden, die für Risikobewertungssysteme relevant sind. Die Analyse der RNA-Transkript-Ebene oder zelluläre Proteomik haben bereits besonderes Interesse erlangt. Diese Untersuchungen helfen, die Wechselwirkungen zwischen den Stressfaktoren und dem Organismus besser zu verstehen, aber auch die Wirkungsweisen (modes of action, MoA) verschiedener toxischer Substanzen zu entschlüsseln. Aus toxikologischer Sicht ermöglichen es Omics-Techniken daher, effektiv und präzise wichtige Informationen über substanzinduzierte molekulare Störungen in Zellen und Geweben zu generieren, die mit unerwünschten Wirkungen in Verbindung gebracht werden.

An zellulären Regulationswegen sind eine Reihe verschiedener (Bio-)Moleküle beteiligt, die sich durch unterschiedliche physikochemische Eigenschaften auszeichnen und komplexe nichtlineare Wechselwirkungen aufweisen. Eine Single-omics-Technik kann Biomoleküle eines bestimmten Typs, RNAs oder Proteine, messen, und häufig handelt es sich dabei nicht einmal um die Gesamtheit der Biomoleküle eines Typs, sondern um eine kleinere Teilmenge davon. So erfordert beispielsweise der Nachweis von kurzen und langen RNAs oder kurzen Peptiden und Proteinen unterschiedliche transkriptomische oder proteomische Ansätze. Nur die Verwendung von Multi-omics, auch bekannt als Cross-omics-Ansätze, erlaubt es, einen signifikanten Teil der Reaktion eines Stoffwechselweges auf chemische Exposition direkt zu identifizieren. Daher hat die Nutzung von Multi-omics-Strategien für toxikologische Forschungsfragen eine größere Bedeutung.

Ein solcher systemtoxikologischer Ansatz, der die klassische Toxikologie mit der quantitativen Analyse großer molekularer Netzwerke und funktioneller Veränderungen, die auf mehreren Ebenen der biologischen Organisation auftreten, integriert, ist vielversprechend für die Analyse des gesamten Spektrums der Toxizität von Xenobiotika. Ein systemtoxikologischer Ansatz umfasst die folgenden Elemente:

  • Absorption und Verteilung des Xenobiotikums im biologischen System.
  • Transformation des Xenobiotikums und Erzeugung von toxischen und/oder nicht-toxischen Zwischenprodukten.
  • Interaktion des Xenobiotikums und/oder seiner Produkte mit den zellulären Zielen.
  • Modifikationen in den zellulären Molekülen einschließlich Genen, Proteinen und Lipiden.
  • Strukturelle Manifestationen der Zielorgan-Toxizität.
  • Funktionelle Manifestationen der Toxizität, und
  • Eliminierung des Xenobiotikums und/oder seiner Zwischenprodukte aus dem biologischen System.

Toxikologische Untersuchungen über OMICs-Analyse

Zum besseren Verständnis der zellulären Reaktion auf chemische Exposition sollten Studien auf verschiedenen Ebenen durchgeführt werden: Transkriptomik, Proteomik, Phosphoproteomik und Metabolomik. Auch die Epigenomik sollte in bestimmten Fällen in Betracht gezogen werden.

Transkriptomik. Das Hauptziel der Transkriptomik ist der umfassende Nachweis von RNAa in der Zelle. Eine Pfadantwort in der Transkriptomik wird in erster Linie über einen bekannten Satz von Zielgenen nachgewiesen, die differenziell exprimiert werden. Zu den Techniken, die angewandt werden, um Veränderungen in der Genexpression als Reaktion auf die Exposition gegenüber einem Xenobiotikum zu bestimmen, gehören: Nordhybridisierung, quantitative Echtzeit-PCR (QRT-PCR), subtraktive Hybridisierung, serielle Analyse der Genexpression, Microarray-Analyse und Next Generation Sequencing. Je nach Zweck der Studie können eine oder mehrere dieser Techniken angewendet werden, um entweder partielle oder globale Expressionsprofile in der untersuchten biologischen Probe zu definieren. Die am häufigsten verwendeten Techniken zur Erstellung von Genexpressionsprofilen sind jedoch QRT-PCR, Microarray-Analyse und NGS. Wenn das Ziel darin besteht, das Expressionsprofil eines einzelnen oder einer begrenzten Anzahl von Transkripten zu untersuchen, ist die QRT-PCR-Analyse die Methode der Wahl. Die QRT-PCR-Analyse ist eine relativ einfache Technik, die die reverse Transkription von mRNAs und die anschließende PCR-Amplifikation der resultierenden cDNAs unter Verwendung von Primern umfasst, die für das Zielgen sowie für ein oder mehrere Housekeeping-Gene spezifisch sind. Die Menge der PCR-amplifizierten Genprodukte wird dann quantifiziert. Da die QRT-PCR die Expression eines einzelnen oder einer begrenzten Anzahl von Transkripten genau bestimmen kann, hat sie aus systemtoxikologischer Sicht einige Einschränkungen. Um die Toxizität eines bestimmten Xenobiotikums auf Systemebene zu untersuchen, ist es notwendig, eine Hochdurchsatztechnik zu verwenden, die in der Lage ist, die Expressionswerte des gesamten Transkriptoms zu bestimmen. Aus diesem Grund sind Microarray und Next Generation Sequencing die populärsten globalen Transkriptomanalysetechniken, die in der toxikologischen Forschung eingesetzt werden.

Die Microarray-Technik stellt in der Ära der Post-Human-Genom-Sequenzierung einen großen Durchbruch bei den Analysen dar. Wie die Southern-Hybridisierungstechnik basiert der Microarray-Ansatz auf der Fähigkeit von DNA-Molekülen, nukleotidsequenzspezifisch zu binden oder zu hybridisieren. Microarray kann als eine Hochdurchsatz-Nord-Blot-Hybridisierung betrachtet werden, bei der fast alle Gene, die zu einem bestimmten Zeitpunkt in einer biologischen Probe exprimiert werden, gleichzeitig nachgewiesen werden können. Daher ist es möglich, kleine Unterschiede in den globalen Genexpressionsprofilen in einer gegebenen biologischen Probe als Reaktion auf die Xenobiotika-Exposition(en) zu erkennen. Die Microarray-Technik umfasst die Isolierung hochwertiger RNA, die reverse Transkription der mRNA zur Synthese von cDNA, die cRNA-Synthese und Markierung zur Erzeugung von „Sonden“, die Hybridisierung der „Sonden“ mit den auf dem Microarray vorhandenen „Targets“, den Nachweis der Signalintensität des hybridisierten Sonden-Target-Komplexes und die Analyse der resultierenden Daten zur Bestimmung der Expressionsniveaus der interessierenden Gene. Die Microarray-basierte Analyse wurde in verschiedenen Bereichen wie der Umwelttoxikologie, der Arzneimittelentwicklung und der Arbeitstoxikologie eingesetzt. Die gewonnenen Daten liefern eine Momentaufnahme aller Gene, deren Expressionsniveau als Reaktion auf eine Xenobiotika-Exposition beeinflusst wird.

Next Generation Sequencing (NGS) ist die jüngste Entwicklung der globalen Transkriptomanalyse. Diese Technik kann angewendet werden, um ein globales Genexpressionsprofil in RNA zu bestimmen, die aus verschiedenen biologischen Proben gewonnen wurde. Die wichtigsten Schritte bei NGS sind die RNA-Isolierung, die Entfernung von reichlich vorhandenen RNA-Molekülen wie ribosomaler RNA und Globin-RNA, die Vorbereitung von Sequenzierungsbibliotheken, die PCR-Amplifikation und die Sequenzierung der Bibliotheken. Die resultierenden Daten werden analysiert und die Menge der einzelnen Transkripte wird bestimmt.

Proteomik: Die Transkriptomik ist oft die erste Wahl für Untersuchungen auf Systemebene, da im Laufe der Jahre zahlreiche gut etablierte Messmethoden entwickelt wurden. Proteinveränderungen können jedoch als näher an den relevanten funktionellen Auswirkungen eines untersuchten Stimulus angesehen werden. Obwohl mRNA- und Proteinexpression durch Translation eng miteinander verbunden sind, ist ihre Korrelation begrenzt. Die mRNA-Transkriptniveaus erklären nur etwa 50% der Variation der Proteinniveaus. Dies ist auf die zusätzlichen Ebenen der Proteinregulation zurückzuführen, einschließlich ihrer Translations- und Degradationsrate. Darüber hinaus hört die Regulation der Proteinaktivität nicht auf der Expressionsebene auf, sondern wird oft durch posttranslationale Modifikationen weiter kontrolliert. Aus toxikologischer Sicht sind solche Beispiele für eine wichtige posttranskriptionelle Regulation: die enge Regulation der p53- und Hypoxie-induzierbaren Faktor (HIF)-Proteinspiegel und ihre schnelle posttranskriptionelle Stabilisierung, z. B. bei DNA-Schäden und hypoxischen Bedingungen; die Regulation verschiedener zellulärer Stressreaktionen (z. B. oxidativer Stress) auf der Ebene der Proteintranslation; und die Regulation der zellulären Stressreaktion durch Proteinphosphorylierungskaskaden. Zu den am häufigsten angewandten Proteomics-Analysen, die für die Toxikologie von zentraler Bedeutung sind, gehören: 2D-Polyacrylamid-Gelelektrophorese, gelfreie Flüssigkeitschromatographie, Massenspektrometrie und Analyse der posttranslationalen Modifikationen.

Die 2D-Polyacrylamid-Gelelektrophorese (2DGE) wird verwendet, um Störungen im Proteom zu untersuchen, die auf Veränderungen der Proteinexpression beruhen. Die 2DGE-Technik basiert auf der Trennung von Proteinen basierend auf ihrem pH-Wert (Ladung) sowie ihrer Größe. Sie hat die Fähigkeit, bis zu 2000 Proteine in einem Gel zu trennen und zu visualisieren. Die erste Dimension, die als isoelektrische Fokussierung (IEF) bezeichnet wird, trennt die Proteine nach ihrem isoelektrischen Punkt (pI). Die zweite Dimension trennt die Proteine weiter nach ihrer Masse. Modernste Bildaufnahme- und Analysesoftware ermöglicht den Vergleich von Kontroll- und behandelten Proben und hilft, die differentiell regulierten Proteine anhand ihrer relativen Intensität zu identifizieren. Eine Variante der 2DGE ist die Differenzgelelektrophorese (DIGE), die auf der Markierung der Proteine mit fluoreszierenden Cyaninfarbstoffen (Cy2, Cy3 und Cy5) basiert. Obwohl die 2DGE ein leistungsfähiges Werkzeug zur Identifizierung vieler Proteine ist, hat der Ansatz seine Grenzen. Die Haupteinschränkung besteht darin, dass nicht alle Proteine mit IEF getrennt werden können, wie z. B. Membran-, basische, kleine (< 10 kDa) und große (> 100 kDa) Proteine. Die zweite Einschränkung ist, dass weniger häufig vorkommende Proteine oft von den häufig vorkommenden Proteinen in der Mischung überdeckt werden.

Andere häufig verwendete Techniken sind die gel-freie Flüssigkeitschromatographie-Massenspektrometrie (LC MS/MS). Der LC-Ansatz nutzt die Unterschiede in den physiochemischen Eigenschaften von Proteinen und Peptiden, d. h. Größe, Ladung und Hydrophobizität. 2D-LC kann zur Fraktionierung von Proteingemischen auf zwei Säulen mit unterschiedlichen physiochemischen Eigenschaften eingesetzt werden und maximiert die Trennung von Proteinen und Peptiden in komplexen Gemischen. Die Massenspektrometrie wird weithin als die wichtigste Technologieplattform für die Toxikoproteomik angesehen. Zu ihren Hauptvorteilen gehören die unübertroffene Empfindlichkeit, die verbesserte Geschwindigkeit und die Fähigkeit, Datensätze mit hohem Durchsatz zu erzeugen. Aufgrund der hohen Präzision der MS können in Geweben und biologischen Matrices Peptide im femtomolaren (10- 15) bis attomolaren (10- 18) Bereich nachgewiesen werden. Dies ist äußerst vorteilhaft bei vergleichenden Analysen, bei denen eine gleichzeitige Analyse von Kontroll- und behandelten Proben durchgeführt wird. Auf diese Weise kann ein umfassendes Verständnis darüber erreicht werden, wie Stimuli das Proteom beeinflussen, und die anschließende Identifizierung potenzieller Biomarker.

Da die Systembiologie eine genaue Quantifizierung eines bestimmten Satzes von Peptiden/Proteinen über mehrere Proben hinweg erfordert, wurden auch gezielte Ansätze für die Quantifizierung von Biomarkern entwickelt. Eine solche Technik ist das Selected Reaction Monitoring (SRM). SRM misst Peptide, die durch den enzymatischen Verdau des Proteoms entstehen, im Triple-Quadrupol-MS. Ein SRM-basiertes Proteom-Experiment beginnt mit der Auswahl einer Liste von Zielproteinen, die aus vorangegangenen Experimenten oder einer Datensuche, wie z. B. einer Pathway Map oder Literatur, abgeleitet wird. Diesem Schritt folgt 1) die Auswahl der proteotypischen Zielpeptide, die das Protein-Target optimal und eindeutig repräsentieren, 2) die Auswahl eines Satzes geeigneter SRM-Übergänge für jedes Zielpeptid, 3) die Detektion der ausgewählten Peptidübergänge in einer Probe, 4) die Optimierung der SRM-Assay-Parameter und 5) die Anwendung der Assays zur Detektion und Quantifizierung der Proteine/Peptide. Die wichtigsten Vorteile der SRM-Technik sind: 1) die Möglichkeit, Dutzende bis Hunderte von Proteinen während desselben Laufs zu überwachen, 2) die Möglichkeit zur absoluten und relativen Quantifizierung, 3) die hohe Reproduzierbarkeit der Daten und 4) die Erzielung absoluter molekularer Spezifität. Allerdings gibt es auch einige Einschränkungen bei dieser Technik: 1) es kann nur eine begrenzte Anzahl von messbaren Proteinen in denselben Lauf aufgenommen werden und 2) selbst mit ihrer hohen Empfindlichkeit kann sie nicht alle in einem Organismus vorhandenen Proteine erfassen.

Ein weiterer MS-basierter gezielter Ansatz, bekannt als parallele Reaktionsüberwachung (PRM), wurde ebenfalls eingesetzt. Sie basiert auf der Verwendung von hochauflösenden und genauen Quadrupol-Massenmessgeräten der nächsten Generation (hauptsächlich das Orbitrap MS-System). Diese Technik ist eng mit SRM verwandt, ermöglicht aber die parallele Messung aller Fragmentierungsprodukte eines bestimmten Peptids.

Ein weiterer wichtiger Ansatz ist die Analyse der posttranslationalen Modifikationen (PTMs), die durch die toxische Exposition entstanden sind. Sie stellen einen wesentlichen Mechanismus zur Regulierung des zellulären Proteoms dar. PTMs sind chemische Modifikationen, die eine wichtige Rolle bei der Regulierung der Aktivität, Lokalisierung und Interaktionen von zellulären Biomolekülen spielen. Die Identifizierung und Charakterisierung von Proteinen und ihren PTM-Stellen sind sehr wichtig für das biochemische Verständnis der PTM-Wege. Dieses Wissen liefert tiefere Einblicke in die mögliche Regulierung der zellulären Physiologie, die durch PTM ausgelöst wird. Einige Beispiele für PTMs sind Phosphorylierung, Glykosylierung, Ubiquitinierung, Nitrosylierung, Methylierung, Acetylierung, Lipidierung und Proteolyse. In den letzten zehn Jahren hat sich die MS-basierte Proteomik als leistungsfähiges Werkzeug für die Identifizierung und Kartierung von PTMs erwiesen. Darüber hinaus profitierten die MS-basierten Ansätze von den Fortschritten in der MS-Instrumentierung, die die Analyse empfindlicher, genauer und mit höherer Auflösung für den Nachweis von weniger häufig vorkommenden Proteinen machte.

Metabolomik: Das Metabolom unterscheidet sich von den anderen Omics-Analysen, da es sich um eine Sammlung von chemisch sehr heterogenen Molekülen handelt. Das Metabolom ist typischerweise definiert als die vollständige Bilanz aller kleinmolekularen Metaboliten ( < 1500Da ), die in einer bestimmten Zelle, einem Organ oder Organismus gefunden werden. Dank Initiativen wie dem Human Metabolome Project ist das körpereigene Metabolom von menschlichen und tierischen Modellorganismen weitgehend kartiert worden. Metabolom-Messungen verwenden entweder eine kernmagnetische Resonanz (NMR)-basierte Detektion oder Gas- bzw. Flüssigkeitschromatographie mit Bindestrich zu MS. NMR-basierte Ansätze haben die Fähigkeit, die untersuchten Metaboliten zu quantifizieren und stellen den Goldstandard für die Strukturaufklärung unbekannter Metaboliten dar. MS-basierte Ansätze übertreffen die NMR in Bezug auf die Empfindlichkeit und können ungezielt oder gezielt durchgeführt werden.

Metabolomics unterscheidet sich von Proteomics und Transcriptomics in mehreren Aspekten:

(i) erkennt die Reaktion auf sehr unterschiedlichen Ebenen eines Signalweges, und
(ii) gleichzeitige Erfassung von Molekülen eines Signalwegs, die auf extrem unterschiedlichen Zeitskalen reagieren.

Durch das Fortschreiten der Metabolomik ist diese in vielen toxikologischen Studien routinemäßig und sehr nützlich geworden. Sie hat ein bemerkenswertes Potenzial beim Screening von arzneimittelinduzierter Zell- oder Organtoxizität. Die schnelle Auswertung biologischer Proben zusammen mit der mathematischen und statistischen Analyse (Chemometrie) der gewonnenen Daten dient als leistungsstarkes Werkzeug für die Bewertung der Arzneimittelsicherheit. Wenn zum Beispiel ein Medikament oder eine chemische Substanz hepatische Toxizität durch Induktion von zellulärem oxidativem Stress verursachen kann, kann die Metabolomics-Analyse der dem Medikament ausgesetzten biologischen Probe direkte Informationen über Metaboliten liefern, die Marker für den oxidativen Stress sind. Sie kann auch Metaboliten identifizieren, die als bekannte Biomarker für Leberschäden gelten und somit auf eine hepatische Pathologie hinweisen. Darüber hinaus kann die Metabolomics-Analyse auch Informationen über Metabolite liefern, die indirekt mit Toxizität in Verbindung gebracht werden.

Metabolomics hat mehrere Vorteile gegenüber der herkömmlichen klinisch-pathologischen Beurteilung. Zum Beispiel hat eine Studie, in der eine unbekannte Verbindung untersucht wurde, gezeigt, dass diese Verbindung den Cholesterinspiegel im Serum erhöht. Bei der Anwendung von Metabolomics wurde festgestellt, dass dieselbe Verbindung neben Cholesterin auch mehrere Phytosterine erhöht, was darauf hindeutet, dass das höhere Cholesterin eine Folge der Sterolabsorption im Darm ist. Solche Befunde zeigen deutlich, dass die Metabolomik ein viel höheres Potenzial in Bezug auf die Identifizierung genauer toxikologischer Endpunkte hat.

Epigenomik. Der Schwerpunkt der Epigenomik liegt auf der Untersuchung der chemischen Modifikationen der DNA und der Proteine, die die dreidimensionale Struktur der genomischen DNA organisieren. Heutzutage wird die DNA-Methylierung durch einen modifizierten Genomsequenzierungsansatz (Methylome-seq) untersucht. Dieser Ansatz erfordert jedoch immer noch eine hohe Abdeckung, verbunden mit immer noch erheblichen Sequenzierkosten. Deshalb werden am häufigsten die gezielten Microarray-basierten Ansätze verwendet. Die DNA-Methylierung umfasst zwei verschiedene chemische Modifikationen mit unterschiedlichen funktionellen Konsequenzen – 5-Methylcytosin und 5-Hydroxy-Methylcytosin. Histon-Modifikationen werden mit der Chromatin-Immuno-Präzipitationsmethode unter Verwendung von Antikörpern, die spezifisch für die jeweilige Modifikation sind, und anschließender Sequenzierung (ChIP-seq) analysiert. Um ein umfassendes Bild zu erhalten, müssen typischerweise mehrere Modifikationen detektiert werden. Das erfordert die gleichzeitige Durchführung mehrerer ChIP-seq-Analysen. Da ChIP-seq mehr Probenmaterial benötigt als die anderen epigenomischen Ansätze, kann eine solche Strategie in toxikologischen Studien schwer zu implementieren sein. ATAC-seq ist ein alternativer Ansatz, der nicht die chemischen Modifikationen direkt untersucht, sondern eine der Hauptfolgen der Modifikationen, die DNA-Zugänglichkeit.

Das Wissen über die Beteiligung von Regulationswegen und spezifischen epigenetischen Modifikationen ist jedoch noch spärlich. Die Epigenomik ist daher von begrenztem Wert, wenn ein Pfad-basierter Datenintegrationsansatz verwendet wird. Allerdings haben sich epigenomische Daten als sehr wertvoll für transgenerationale Studien erwiesen oder wenn versucht wird, langfristige Auswirkungen einer chemischen Exposition auf der Grundlage von Omics-Daten einer kurzfristigen Exposition vorherzusagen.

OMICs-Anwendungen für toxikologische Risikobewertung und Zulassungsanträge

In den letzten Jahrzehnten wurden „Omics“-Technologien in der Forschung ausgiebig genutzt und es konnte gezeigt werden, dass sie in der Lage sind, einen tiefen Einblick in die Biochemie und Physiologie der Zelle sowie in die schädliche Wirkung von Xenobiotika zu geben. Dies hat zu einer begeisterten Zustimmung der Forschungstoxikologen geführt. Es wurde die Hoffnung geäußert, dass die „Omics“-Technologien die Werkzeuge liefern würden, um eine Reihe von Biomarkern für schädliche Wirkungen und deren Wirkungsweisen zu identifizieren. Damit soll die Vorhersage von Effekten auf den Menschen bei der Gefährdungsbeurteilung von Substanzen verbessert und ein Beitrag zur Entwicklung von Alternativmethoden zu Tierversuchen geleistet werden. Trotzdem bleibt die Übertragung von ‚omics in den regulatorischen Bereich bestenfalls vorsichtig.

Das Europäische Zentrum für Ökotoxikologie und Toxikologie von Chemikalien (ECETOC) hat daher eine Reihe von Workshops organisiert, um die Möglichkeiten und Herausforderungen von Omics-Techniken in der chemischen Risikobewertung zu bewerten. Der jüngste Workshop kam zu dem Schluss, dass Omics-Ansätze zur Beantwortung relevanter Fragen in der Risikobewertung beitragen, darunter:

(i) die Klassifizierung von Substanzen und die Definition der Ähnlichkeit,
(ii) die Aufklärung der Wirkungsweise von Stoffen, und
(iii) die Identifizierung von artspezifischen Wirkungen und der Nachweis der Relevanz für die menschliche Gesundheit.

Es wurde jedoch ein Bedarf festgestellt, die Reproduzierbarkeit der Omics-Datenerfassung und Datenanalyse zu erhöhen sowie die besten Praktiken zu definieren. Darüber hinaus ist die regulatorische Verwendung jeder Testmethode eng mit dem spezifischen rechtlichen Rahmen verbunden, der für den zu untersuchenden Stoff relevant ist. In Anbetracht der REACH-Verordnung (EP und Rat der EU, 2006) könnten „omics-basierte Daten potenziell für regulatorische Einreichungen verwendet werden“. Um Omics in REACH-Dossiers zu verwenden, listet die REACH-Verordnung verschiedene Anforderungen auf: spezifische Standardinformationen, die bestimmte physikalisch-chemische, toxikologische und ökotoxikologische Grenzwerte abdecken. Diese Daten werden während der Gefahren- und Risikobewertung ausgewertet und analysiert, um Alternativen für das Risikomanagement zu bestimmen. Die Anwendung und Integration von Omics-Tools kann auf verschiedenen Ebenen der regulatorischen Gefahrenerkennung und -bewertung nützlich sein und dazu beitragen:

  1. Einstufung und Kennzeichnung (C&L) von Stoffen.
  2. Weight-of-Evidence (WoE)-Ansätze zur Aufklärung des MoA der untersuchten Substanz.
  3. Substantiierung der chemischen Ähnlichkeit.
  4. Bestimmung von Abgangspunkten (PoDs) zur Gefahrenbeurteilung.
  5. Nachweis der artspezifischen Wirkungen und der Relevanz für die menschliche Gesundheit.

Die schnelle Entwicklung von Omics-Technologien bringt einige Herausforderungen mit sich, um ihre Verwendung für die Gefahrenabschätzung zu erleichtern, insbesondere aus Sicht der Zulassungsbehörden. Sätze von „Big Data“ müssen unter Anwendung komplexer Ansätze und spezifischer Kenntnisse verdichtet werden, um Informationen zu erhalten, die für die Gefahrenbewertung relevant sind. Darüber hinaus ist das Wissen in diesem sich schnell entwickelnden Bereich vielen Forschern, die im regulatorischen Umfeld arbeiten, nicht unbedingt vertraut. Dementsprechend hängt die fehlende behördliche Zulassung von Omics-Technologien nicht nur mit dem Fehlen von Best-Practice-Rahmenwerken und Qualitätskriterien zusammen, sondern auch mit dem mangelnden Vertrauen in die Analyse und dem Grad der Unsicherheit in Bezug darauf, was genügend Daten sind. Wissenschaftler und Regulierungsbehörden müssen zunächst Erfahrungen mit den aus dieser neuen Technologie gewonnenen Daten sammeln und dann Vertrauen in ihre Anwendbarkeit aufbauen.

Umwelt-OMICS und Biodiversität

Im Allgemeinen umfassen die meisten Umweltstudien die Kultivierung von isolierten Mikroorganismen oder die Amplifikation und Sequenzierung von konservierten Genen. Es bestehen jedoch einige Schwierigkeiten, die Komplexität einer großen Anzahl verschiedener Mikroorganismen in einer Umwelt zu verstehen. Dies führte zur Entwicklung neuer Techniken, die eine Anreicherung spezifischer Mikroorganismen für vorgelagerte Analysen ermöglichen, wie z. B. die Isolierung und Analyse einzelner Zellen. Fortgeschrittene Werkzeuge in der Metagenomik und Einzelzellgenomik (SCG) ebnen den Weg zu neuen Methoden zur Untersuchung und zum Verständnis unserer Umwelt.

Frühe Umweltstudien zur Diversität von Organismen erforderten die Kultivierung von Proben, um die DNA-Menge zu erhöhen, bevor genomische Bibliotheken erstellt werden konnten. Zu dieser Zeit war die Sequenzierung von 16S und 18S rRNA die beste verfügbare Option zur Bestimmung der Umweltdiversität. Es wurde jedoch klar, dass die Mehrheit der Probengemeinschaften nicht kultivierbare Arten repräsentiert. Glücklicherweise ermöglicht die Polymerase-Kettenreaktion (PCR) von rRNA den Zugang sowohl zur kultivierbaren als auch zur nicht kultivierbaren Probenvielfalt. Da die PCR direkt an Umweltproben ohne Klonierung durchgeführt werden kann, kann sie zur Amplifikation von Zielgenen direkt aus der Umwelt eingesetzt werden.

Die Bedeutung der Sequenzierung sowohl von nicht-kodierender rRNA als auch von proteinkodierenden Genen nimmt zu, wobei ein besonderes Interesse an der Rekonstruktion bakterieller Genome besteht. Ein umfassendes Sampling aller Gene von allen in einer komplexen Probe vorhandenen Organismen ist durch Shotgun-Metagenomsequenzierung möglich. Mit dieser Methode ist es möglich, die bakterielle Diversität zu bewerten und die Abundanz von Mikroorganismen in einer bestimmten Umgebung zu erfassen. Darüber hinaus erlaubt sie die Rekonstitution kompletter Genome von nicht kultivierbaren Mikroorganismen. Neben der Entdeckung neuer Archaeen-, Bakterien-, Protozoen-, Algen-, Pilz- und eukaryotischer Spezies ist diese Technik von entscheidender Bedeutung für die Rekonstruktion von viralen Genomen. Dies war ein entscheidender Fortschritt, wenn man bedenkt, dass Viren ein gemeinsamer universeller phylogenetischer Marker wie die bakterielle 16S rRNA oder die eukaryotische 18S rRNA fehlt.

Ein weiterer Ansatz ist der Metatranskriptom-Ansatz, bei dem anstelle von genomischer DNA (gDNA) die gesamte RNA-Gemeinschaft gesammelt wird. Diese wird verwendet, um cDNA-Bibliotheken zu konstruieren, die sequenziert werden. Obwohl RNA weniger stabil ist als DNA, liefert sie eine Momentaufnahme des aktuellen Zustands der Gemeinschaft, indem sie auf- und abregulierte Gene aufdeckt. Bis heute wird eine der wichtigsten Metatranskriptom-Studien für die marinen Wassergemeinschaften durchgeführt.

Einzelzell-Genomik

Metagenomische Sequenzierung ist ein hilfreiches Werkzeug zum Verständnis von Umweltgemeinschaften. Die Assemblierung von Genkatalogen und zusammengesetzten Genomen kann jedoch eine Herausforderung sein. Außerdem ist es schwierig, in bereits assemblierten Genomen zwischen Genen zu unterscheiden, die aus demselben oder aus verschiedenen Organismen stammen (Abb. 3). Daher besteht ein großes Interesse an der Entwicklung eines Systems zum Verständnis der Organisation von entdeckten Genen und Signalwegen innerhalb von Genomen.

Abb. 3. Metagenomik vs. Einzelzellgenomik

Die Herausforderung der Probenheterogenität könnte teilweise durch den Einsatz von zwei Techniken gelöst werden – Scaling-up und Deep-Sequencing. Es sind verschiedene Ansätze erforderlich, um metagenomische Proben aus verschiedenen Umgebungen zu vergleichen und die Zusammensetzung und Organisation von Mikroorganismengenomen in der Umwelt aufzudecken. Einer der Ansätze ist die Anreicherung der Kultur eines bestimmten Organismus auf der Grundlage seiner spezifischen Umweltfunktionen. Diese Art des gezielten metagenomischen Ansatzes erlaubt die Entwicklung von zusammengesetzten mikrobiellen Genomen. Zusätzlich zur Unkultivierbarkeit vieler Organismen treten weitere Probleme auf, wenn schneller wachsende Mikroorganismen die langsameren überflügeln und dadurch zusätzliche Verzerrungen einführen.

Anstelle der Kultivierung kann daher eine komplexe Probe mittels fluoreszenzaktivierter Zellsortierung (FACS) auf eine Zielzellpopulation angereichert werden. Mit diesem Ansatz lassen sich Zellen auf der Grundlage ihrer Form, Größe und Dichte sortieren. Alternativ können bestimmte Organismen von Interesse angereichert werden, indem eine kleine Anzahl von Zellen behandelt wird, die eine bestimmte Funktion in der Umgebung besitzen. Mit der Entwicklung von Whole Genome Amplification (WGA)-Techniken (z. B. Multiple Displacement Amplification (MDA) oder Rolling Circle Amplification (RCA)) kann die gDNA einer begrenzten Anzahl von Zellen amplifiziert und sequenziert werden. WGA-Techniken erzeugen jedoch potenzielle Abweichungen, da die Häufigkeit bestimmter Sequenzen variiert und daher nicht gleichmäßig amplifiziert wird. Daher beeinträchtigt die gDNA-Amplifikation von definierten Populationen mit einer begrenzten Anzahl von Zellen die quantitative Analyse der Metagenomik.

Jüngste Fortschritte in der Einzelgenom-Amplifikationstechnik ermöglichen SCG unter Verwendung von physischer Zellseparation (normalerweise durch FACS auf 96-Well-Platten), Zelllyse und WGA. Ein amplifiziertes Genom aus einer einzelnen Zelle kann dann sequenziert werden. Während bei der Metagenomik die Mikroorganismengemeinschaft gesammelt und die Gesamt-DNA extrahiert und sequenziert wird, werden bei der SCG einzelne Zellen aus der Mikroorganismengemeinschaft abgetrennt und untersucht. Die gewonnenen Sequenzierdaten liefern quantitative Informationen über die genomische Variabilität in Mikroorganismenpopulationen. Gen-Insertionen, -Deletionen, -Duplikationen und Genom-Rearrangements können auf Einzelzell-Ebene untersucht werden. Auf diese Weise können die komplexen Stoffwechselwege für eine einzelne Zelle analysiert werden.

Einzelzellisolierung und -verarbeitung

Die Untersuchung des Genoms und seiner Regulation auf Populationsebene erfolgt durch die Analyse von Millionen von Zellen auf einmal. Solche Untersuchungen erlauben jedoch weder einen Blick auf die Heterogenität in biologischen Systemen, noch charakterisieren sie den aktuellen Zustand der Population. Deshalb gewinnt das SCG immer mehr an Popularität, um sowohl kultivierbare als auch insbesondere unkultivierbare Mikroorganismen zu untersuchen. Das Verfahren zur Gewinnung, Vermehrung und Sequenzierung von genetischem Material aus lebenden oder toten Zellen ist relativ einfach. Zunächst muss die Zelle isoliert und lysiert werden, dann wird das freigesetzte genetische Material amplifiziert und die genomische Bibliothek kann aufgebaut werden.

Einer der Ansätze zur Einzelzellisolierung ist die Mikromanipulation. Zellen von Interesse werden identifiziert, isoliert und mikroskopisch untersucht. Geeignete Zellen werden mit einer Mikropipette, einer Laserquelle, einer optischen Pinzette oder durch mikrofluidischen Fluss in Echtzeit isoliert. Mit Hilfe der Mikrofluidik kann ein gewünschter Phänotyp, der mit einem bestimmten Genom korreliert, ausgewählt werden. Darüber hinaus können die Zellen vor dem Einfangen leicht beobachtet werden.

Ein anderer Ansatz ist die zufällige Verkapselung. Die Zellen werden durch serielle Verdünnung zufällig ausgewählt. Die verdünnte Probe kann dann in Mikrovertiefungen übertragen werden, oder die Zellen können durch Mikrotröpfchen verkapselt werden. Mit dieser Technik können einzelne Zellen separiert, verarbeitet und einer genomischen Analyse unterzogen werden.

Die Durchflusszytometrie ist das am weitesten verbreitete Verfahren der Zufallsverkapselung. FACS ermöglicht die Isolierung von Zellen, die bestimmte Kriterien wie Größe, Form, Farbe oder sogar das Vorhandensein bestimmter Nukleinsäuren oder Aktivitäten besitzen, unter Verwendung von Fluoreszenzfarbstoffen (Abb. 4). Einer der Hauptvorteile von FACS ist der hohe Durchsatz, die hohe Sortiergeschwindigkeit und die Fähigkeit, lebende Zellen zu unterscheiden. Darüber hinaus kann FACS die Anwesenheit von Zellen in einem Tröpfchen erkennen, leere Tröpfchen aussortieren und die Zellen mit den gewünschten Eigenschaften in Multiwell-/Mikrotiterplatten übertragen. Anschließend können die Zellen lysiert und die Genome in einzelnen Wells amplifiziert werden.

Eine weitere Möglichkeit zur Einzelzellisolierung ist die Mikrotröpfchentechnik (Abb. 4). Mikrotröpfchen sind die Emulsion, die entsteht, wenn Zellen in der Wasserphase kräftig mit Öl vermischt werden. Die Öltröpfchen kapseln die Zellen in der Wasserphase ein. Ursprünglich dachte man, dass eine an einer Emulsion durchgeführte PCR viel spezifischer sei als die Analyse von Zellen in der Wasserphase allein. Es wurde angenommen, dass die Ausbeute an Reaktionsprodukten größer ist und weniger chimäre Nebenprodukte gebildet werden. Außerdem schlossen die gebildeten Tröpfchen eine begrenzte Anzahl von Template-Molekülen ein (im Idealfall nur eines). Neueste Entwicklungen in der Mikrofluidik erlauben es, die Tröpfchengröße zu kontrollieren (Nanoliter oder sogar Pikoliter), wodurch wässrige einheitliche (monodisperse) Tröpfchen in Öl entstehen. Einer der Hauptvorteile des Zweiphasensystems von Mikrotröpfchen gegenüber FACS ist die Möglichkeit, einzelne Zellen als getrennte Einheiten zu behandeln. Jedes Tröpfchen wirkt wie ein unabhängiges Well, in dem Zellen gezüchtet und später auf die exprimierten Produkte gescreent werden können. Freigesetzte gDNA kann in Mikrotropfen effektiv amplifiziert und für die Sequenzierung/Bibliotheksvorbereitung verwendet werden. Bakterien-, Hefe-, Pflanzen-, Insekten- und Säugetierzellen können mit der Mikrotröpfchentechnologie auf Agarose oder anderen Mikrogelen leicht untersucht werden. Sogar multizelluläre Organismen können eingekapselt und in einem Tröpfchen gezüchtet werden. Hypothetisch ist es möglich, jedes sekretierte Molekül zu messen, für das ein fluoreszenzmarkierter Ligand existiert. Außerdem können die Aktivitäten verschiedener Zellproteine überwacht werden.

Abb. 4. Techniken zur Isolierung einzelner Zellen

Ansätze zur Untersuchung verschiedener Zellen

Lebende Zellen können allgemein in Bakterien, Archaeen und Eukaryoten eingeteilt werden. Obwohl Viren nicht als „lebendig“ angesehen werden, stellen sie einen wichtigen Teil der lebenswissenschaftlichen Studien dar. Es gibt verschiedene Einzelzellanalysen, die für unterschiedliche Organismen geeignet sind.

Viren sind praktisch in jeder Umgebung vorhanden. Sie sind die am häufigsten vorkommenden und vielfältigsten biologischen Einheiten. Um jedoch einzelne Viren zu isolieren und ihr Genom zu sequenzieren, muss zunächst ein geeignetes kultivierbares Virus-Wirt-System etabliert werden. Eukaryotische Algen sind zum Beispiel ein Wirt für eine unglaubliche Vielfalt an Viren. Mit Hilfe von FACS und Einzeltropfensystemen können Viren jedoch theoretisch auch ohne Abhängigkeit vom Virus-Wirt-System isoliert werden.

Archaeen und Bakterien haben eine ähnliche Zellstruktur. Nur Unterschiede in der Zellzusammensetzung und -organisation unterscheiden diese beiden Domänen voneinander. Bakterielle Zellen haben normalerweise einen Durchmesser von 0,5-5,0 μm, während Archaeen größer sein können und einen Durchmesser von 15 μm erreichen. Grundsätzlich können alle oben beschriebenen Methoden verwendet werden, um einzelne Archaeen- und Bakterienzellen zu trennen und zu bearbeiten. Bei FACS können jedoch hohe Ströme das Wachstum dieser Organismen verlangsamen.

Eukaryoten unterscheiden sich von anderen Lebensbereichen durch ihren membrangebundenen Zellkern und membrangebundene Organellen. Sie können mehrzellige oder einzellige Organismen sein. Die Zellgröße liegt typischerweise zwischen 10-100 μm oder sie sind zehnmal größer als Bakterien. Verdünnung, FACS und Tröpfchensortierung sind allesamt geeignete Methoden zur Isolierung eukaryotischer Zellen.

Multizelluläre Organismen können theoretisch auch mit verschiedenen Methoden isoliert und bearbeitet werden. FACS zum Beispiel kann multizelluläre Organismen leicht sortieren. Werden Einzeller für eine ausreichende Zeit in Tröpfchen inkubiert, können sie ein Protein oder einen Liganden synthetisieren und haben die Möglichkeit, sich zu vermehren, wodurch möglicherweise eine mehrzellige Struktur entsteht.

Molekulare Studien über unsere Umwelt und Ökologie gewinnen immer mehr Erkenntnisse über Lebensgemeinschaften. Mit der Entwicklung von molekularen Werkzeugen, insbesondere Sequenziermaschinen, wurde es möglich, ganze Gemeinschaften aus ausgewählten Umgebungen zu sequenzieren. Jüngste Fortschritte in der Einzelzelltechnologie erleichtern die Isolierung und Amplifikation von genomischem Material aus einzelnen Zellen und ermöglichen die Strukturierung zahlreicher sequenzbasierter Bibliotheken. Darüber hinaus ergänzen die aus SCG gewonnenen Daten die durch Metagenomik gewonnenen Daten.

Omics-Ansätze in der industriellen Biotechnologie und Bioprozesstechnik

Die Biotechnologie nutzt biologische Prozesse, Organismen oder Systeme, um Produkte und Technologien zu erzeugen, die das Leben der Menschen verbessern. Die Nutzung biologischer Systeme zur Herstellung von Bioprodukten von kommerzieller Bedeutung ist eine Schlüsselkomponente der Biotechnologiebranche. Dieser biotechnologische Ansatz hat in verschiedenen Bereichen Anwendung gefunden: Energie-, Material-, Pharma-, Lebensmittel-, Landwirtschafts- und Kosmetikindustrie. Die Bioprodukte aus Biomanufacturing-Prozessen sind in der Regel Stoffwechselprodukte und Proteine, die aus Zellen, Geweben und Organen gewonnen werden. Die biologischen Systeme, die diese Bioprodukte synthetisieren, können natürlich sein oder durch Gentechnik, Stoffwechseltechnik, synthetische Biologie und Proteintechnik verändert werden. „Omics“-Technologien sind für die Biotechnologie und das Metabolic Engineering von großer Bedeutung und helfen bei der Charakterisierung und dem Verständnis von Stoffwechselnetzwerken. Die bedeutende Menge an Wissen, die aus „Omics“-getriebenen Experimenten gewonnen wird, kann bei der Entwicklung von biotechnologischen Werkzeugen und der Weiterentwicklung von Metabolic Engineering eingesetzt werden. Dies ermöglicht die Manipulation komplexer biologischer Systeme mit dem Ziel, robuste industrielle Strategien für die Bioproduktion zu entwickeln.

Omics-geführte Biotechnologie

„Omics“-Werkzeuge werden mehr und mehr bei der Entwicklung biotechnologischer Prozesse und der Herstellung vieler wichtiger Produkte eingesetzt. Die Anwendung von „Omics“-Technologien bei der Charakterisierung und dem Verständnis biologischer Systeme hat es ermöglicht, Phänotypen auszuwählen und vorherzusagen, was die Optimierung biotechnologischer Prozesse in Richtung einer verbesserten Produktion (in Qualität und Quantität) von kommerziell relevanten Produkten erleichtert (Abbildung 5).

Abb. 5. Omics-Werkzeuge in der Biotechnologie

Produktion von Biokraftstoffen und Bioprodukten

Die mikrobielle Produktion von Naturstoffen stellt eine attraktive und nachhaltigere Alternative zu herkömmlichen Petrochemikalien dar. Ihre Umsetzung hat zu einem wachsenden Katalog von Naturprodukten und hochwertigen Chemikalien geführt. Die Nutzung von lignozellulosehaltiger Biomasse stellt einen wirtschaftlichen Ansatz zur Erzeugung von Biokraftstoffen und Bioprodukten dar. Um jedoch eine stabile Umwandlung von kostengünstigen Rohstoffen in Produkte mit hoher Wertschöpfung auf industriellem Niveau zu erreichen, bedarf es systematischer technischer Pläne. Der Design-Build-Test-Learn (DBTL)-Zyklus wird zunehmend als Ansatz für Metabolic-Engineering-Experimente eingesetzt. Er stellt ein systematisches und effektives Werkzeug dar, um die Entwicklung von Biokraftstoffen und biobasierten Produkten voranzutreiben. Der DBTL-Zyklus verwendet einen in silico-Ansatz, um genetische Konstrukte in mikrobiellen Wirten zu entwerfen und aufzubauen. Als nächstes werden die Informationen, die während der Testphase des Zyklus aus den „Omics“-Technologien gewonnen werden, auf Lernprozesse übertragen (Abbildung 6). Das Gelernte wird dann in neue Designzyklen zurückgeführt, um eine weitere Stammentwicklung und -optimierung zu erreichen. Dadurch wird eine schnelle Optimierung von mikrobiellen Stämmen, die eine beliebige chemische Verbindung von Interesse produzieren, ermöglicht. Der schwächste Punkt im Arbeitsablauf des DBTL-Zyklus ist der Lernprozess, da die mathematischen Modelle nur so gut sind wie ihre Annahmen. Daher werden sowohl qualitativ hochwertige als auch große „Omics“-Datensätze benötigt, um die Trainingsmodelle zu verbessern und eine höhere Genauigkeit und Zuverlässigkeit des Lernprozesses zu gewährleisten.

Abb. 6. DBTL-Zyklus zur Optimierung von Biokraftstoffen und biobasierten Produkten

Im DBTL-Zyklus ist die genomische Sequenzinformation oft der traditionelle Ansatz, der in den ersten Phasen einer Studie verwendet wird. Zum Beispiel kann die Barcode-Sequenzierung (Bar-seq) (eine Methode, die einen kurzen Abschnitt der DNA eines bestimmten Gens oder bestimmter Gene verwendet) verwendet werden, um die Populationsdynamik von Saccharomyces cerevisiae-Deletionsbibliotheken während der Bioreaktorkultivierung zu untersuchen, was die Identifizierung von Faktoren ermöglicht, die die Diversität eines Mutantenpools beeinflussen. Einzelzellsequenzierungs-geführte Ansätze können verwendet werden, um mutierte Schlüsselpromotoren für die Anpassung der Expressionsniveaus zu identifizieren, wodurch die dynamische Regulierung des mikrobiellen Wachstums erleichtert wird. Proteomik-geführte Ansätze wurden eingesetzt, um Polyketid-Biosynthese-Plattformen für die in vitro-Produktion von Adipinsäure in Hefe zu entwickeln. Darüber hinaus erlaubt die Metabolomik die Bewertung des Stoffwechselweges, der Nutzung von Kohlenstoffquellen und des Ungleichgewichts von Cofaktoren, die alle zur Identifizierung von Engpässen im Stoffwechselweg beitragen. Ein solcher Metabolomics-geführter Ansatz wird bereits für die Charakterisierung der Cannabinoid-Produktion in gentechnisch veränderten S. cerevisiae verwendet. Es wurden Cannabinoid-Analoga identifiziert, die von mehreren promiskuitiven Stoffwechselweg-Genen produziert werden. Darüber hinaus half die Anwendung von Metabolomics beim Design und der Optimierung eines neuartigen Isopentenyldiphosphat-Bypass-Mevalonat-Wegs in E. coli für die C5-Alkoholproduktion. Kürzlich haben einige Autoren den DBTL-Zyklus genutzt, um Rhodosporidium toruloides zu entwickeln, eine ölhaltige Hefeart, die auf lignozellulosehaltigen Materialien wächst und das Diterpen Ent-Kauren produziert, ein potenzielles Therapeutikum, das antimikrobielle, entzündungshemmende, kardiovaskuläre, harntreibende, Anti-HIV- und zytotoxische Wirkungen aufweist.

Agrar- und Lebensmittelbiotechnologie

Jüngste Innovationen in der landwirtschaftlichen Biotechnologie haben zu neuen Pflanzensorten geführt, die durch rekombinante DNA-Technologie entwickelt wurden und besser auf die Marktanforderungen und Umweltprobleme reagieren. Tatsächlich wurden „Omics“-Werkzeuge in der landwirtschaftlichen Biotechnologie eingesetzt, um erwünschte phänotypische Eigenschaften (z. B. Farbe, Geschmack, Trockentoleranz, Pestizidresistenz usw.) zu verbessern. „Omics“ spielt nicht nur bei der Verbesserung der Qualität, Konsistenz und Produktivität von Nutzpflanzen eine Rolle, sondern auch bei der Entwicklung von Nahrungspflanzen mit verbesserter Nährstoffzusammensetzung. Darüber hinaus hilft die Omics-getriebene Systembiologie dabei, die Interaktionen zwischen den „OMEs“ zu verstehen und Verbindungen zwischen Genen und spezifischen Eigenschaften herzustellen.

Im Ackerland ist der Boden anfälliger für den Verlust von Struktur, organischer Substanz, Mineralien und Erosion. Daher werden mit Hilfe der landwirtschaftlichen Biotechnologie Anstrengungen unternommen, um eine konstante Versorgung mit Nährstoffen zu gewährleisten, die für das Wachstum von Nutzpflanzen wichtig sind. Ein wesentlicher Bestandteil dieses Ansatzes ist die Verwendung von Biodüngern. Dabei handelt es sich um Präparate, die spezialisierte mikrobielle Inokulanzien enthalten, die Nährstoffquellen fixieren, mobilisieren, auflösen oder abbauen können. Biofertilizer werden in der Regel über das Saatgut oder den Boden ausgebracht und verbessern die Nährstoffaufnahme der Pflanzen. Die weit verbreitete Anwendung dieses Ansatzes wurde jedoch durch schwankende Reaktionen von mikrobiellen Inokulanten auf verschiedenen Feldern und Kulturen behindert. Daher besteht ein dringender Bedarf, die Mechanismen besser zu verstehen, die den Wechselwirkungen zwischen den mikrobiellen Gemeinschaften im Boden und der Produktivität der Wirtspflanzen zugrunde liegen. Jüngste Genomik- und Exo-Metabolomik-Studien zeigten, dass bestimmte Rhizosphärenbakterien eine natürliche Präferenz für bestimmte aromatische organische Säuren haben, die von Pflanzen ausgeschieden werden. Diese Tatsache deutet darauf hin, dass die Exsudationseigenschaften der Pflanzen und die Eigenschaften der mikrobiellen Substrataufnahme interagieren und spezifische Muster der mikrobiellen Gemeinschaft bilden. Darüber hinaus ergab die Anwendung von Genomik und Transkriptomik zur Untersuchung der Phosphataufnahme durch verschiedene Mikroalgen eine Reihe von Pi-Transportern mit spezifischen Expressionsmustern in Bezug auf die Verfügbarkeit von P. Derzeit werden „Omics“-Ansätze zur Untersuchung komplexer rhizosphärischer Interkommunikationen verwendet, was für die Entwicklung neuer Biodünger von entscheidender Bedeutung ist und somit ein stabiles Pflanzenwachstum, eine bessere Pflanzenproduktivität und einen höheren Ertrag fördert.

Im verwandten Bereich der Lebensmittelbiotechnologie konnte durch die Anwendung von Transkriptomik und Metabolomik gezeigt werden, dass Bacillus pumilus LZP02 das Wachstum von Reiswurzeln durch die Verbesserung des Kohlenhydratstoffwechsels und der Phenylpropanoid-Biosynthese fördert. Darüber hinaus ermöglicht die Anwendung von „Omics“ im Bioengineering von Stärke ein besseres Verständnis der wichtigsten Enzyme für ihre Biosynthese. Dies erleichtert die Vorhersage, wie stärkebezogene Phänotypen modifiziert werden können und sichert weitere Fortschritte auf dem Forschungsgebiet der Reisstärke-Biotechnologie. „Omics“ helfen auch bei der Lösung von Fragen der Lebensmittelqualität und Rückverfolgbarkeit, beim Schutz der Herkunft von Lebensmitteln und bei der Entdeckung von Biomarkern für mögliche Probleme der Lebensmittelsicherheit. Die fortschrittliche Untersuchung des Weinmikrobioms hat einen großen Einfluss auf die Weinindustrie und hilft dabei, die Faktoren besser zu verstehen, die Trauben in Wein verwandeln, einschließlich Geschmack und Aroma. Die „Omics“-Charakterisierung der komplexen Beziehungen zwischen diesen Mikroorganismen, dem Substrat und der Umwelt ist essentiell für die Gestaltung der Weinproduktion. Schließlich kann die Kombination von „Omics“-Technologien mit der Genom-Editierung von Lebensmittel-Mikroorganismen genutzt werden, um verbesserte probiotische Stämme zu generieren, innovative Bio-Therapeutika zu entwickeln und die Struktur der mikrobiellen Gemeinschaft in Lebensmittelmatrizen zu verändern.

„OMICs“ Technologien und COVID-19

Die Coronavirus-Krankheit 2019 (COVID-19) wird durch das Coronavirus 2 des Schweren Akuten Respiratorischen Syndroms [d. h. SARS-CoV-2, das an den ACE2-Rezeptor in der Lunge und anderen Organen bindet] verursacht. Aufgrund seiner weltweiten Ausbreitung wurde eine globale Pandemie ausgerufen und ein Großteil der Weltwirtschaft wurde ausgebremst. Bis zum April 2021 gibt es weltweit mehr als 138 Millionen bestätigte Fälle und 2,5 Millionen bestätigte Todesfälle (https://www.worldometers.info/coronavirus/). Es besteht also ein dringender Bedarf an einer wirksamen Gegenmaßnahme, um die Ausbreitung der Pandemie einzudämmen.

Daher werden derzeit Anstrengungen unternommen, um die Entwicklung und Produktion von sicheren und wirksamen Impfstoffen gegen SARS-CoV-2 zu beschleunigen. Vorangegangene Erkenntnisse über SARS und das Middle East Respiratory Syndrome (MERS) haben die Ausrichtung auf das Spike-Protein als virales Antigen (über den ACE2-Rezeptor) erleichtert. Darüber hinaus ermöglichte die Genomsequenzierung des SARS-CoV-2 im Januar 2020 die beschleunigte Entwicklung von mRNA- und Impfstoffplattformen der nächsten Generation, die für das Antigen kodieren. Nach der Injektion in einen Wirt verbleibt die mRNA, eingekapselt in Lipid-Nanopartikel, im Zytoplasma. Bei Verwendung von DNA, die in einem abgeschwächten Adenovirus-Vektor verpackt ist, gelangt sie in den Zellkern. Die Wirtszelle übersetzt dieses genetische Material in das Spike-Protein. Es setzt sich auf der Zelloberfläche ab und provoziert eine adaptive Immunantwort, die durch T-Zellen (z. B. CD4+ und CD8+) und B-Zellen (d. h. Antikörper) vermittelt wird. Diese Impfstoffe haben sich in jüngsten klinischen Studien als wirksam gegen SARS-CoV-2 erwiesen, was die Bedeutung der Genomik für diese neue Ära der Impfstoffentwicklung unterstreicht.

Seit Beginn des Ausbruchs von SARS-CoV-2 wurde eine Protein-Interaktionskarte erstellt und mit Hilfe eines Proteomics-basierten Ansatzes wurden Ziele für das Drug Repurposing aufgedeckt. Durch die Anwendung der Proteomics-Analyse wurden 26 der 29 SARS-CoV-2-Proteine kloniert, affinitätsmarkiert und in menschlichen Zellen exprimiert und die assoziierten Proteine identifiziert. Insgesamt wurden 66 menschliche Proteine oder Wirtsfaktoren als potenzielle Wirkstoffziele von 69 Substanzen entdeckt. Zwei Sätze dieser pharmakologischen Wirkstoffe zeigten antivirale Aktivität. Darüber hinaus wurden computergestützte Immunoproteomics-Studien durchgeführt, die die laborgestützten Untersuchungen unterstützen und die Bewertung der Spezifität diagnostischer Produkte, die Vorhersage potenzieller unerwünschter Wirkungen von Impfstoffen und die Reduzierung der Verwendung von Tiermodellen ermöglichen.

Darüber hinaus wurde kürzlich eine auf Metabolomics basierende Methode entwickelt, die in der Lage ist, COVID-19-Patienten von gesunden Kontrollen über die Analyse von 10 Plasmametaboliten zu unterscheiden. Zusätzlich deuten die Daten aus der Lipidomics-Studie darauf hin, dass mit Monosialodihexosyl-Gangliosid angereicherte Exosomen an den pathologischen Prozessen beteiligt sein könnten. Proteomics- und Metabolomics-Untersuchungen in COVID-19-Patientenseren ergaben, dass die SARS-CoV-2-Infektion eine metabolische Dysregulation des Makrophagen- und Lipidstoffwechsels, der Thrombozyten-Degranulation, der Komplementsystem-Wege und eine massive metabolische Suppression verursacht. Die Analyse der metabolomischen Signaturen des Plasmas zeigte ein ähnliches Profil, wie es für das Sepsis-Syndrom beschrieben wurde. Darüber hinaus zeigten die Ergebnisse der Transkriptomik eine Hochregulierung von Genen, die mit der oxidativen Phosphorylierung zusammenhängen, sowohl in peripheren mononukleären Leukozyten als auch in der bronchoalveolären Lavageflüssigkeit. All diese Informationen deuten auf eine kritische Rolle der mitochondrialen Aktivität während der SARS-CoV-2-Infektion hin. Das Verständnis der klinischen Präsentation von COVID-19 sowie der metabolomischen, proteomischen und genetischen Profile könnte bei der Entdeckung spezifischer diagnostischer, prognostischer und prädiktiver Biomarker helfen und die Entwicklung einer erfolgreicheren medizinischen Therapie gewährleisten. Darüber hinaus könnte die Unterscheidung von metabolischen Biomarkern für schwere vs. leichte Krankheitszustände in der Lunge während Atemwegsinfektionen zur Entdeckung neuartiger Therapeutika führen, die die Symptom- und Krankheitsschwere modulieren.

Nutri-omics Forschung

Mehr als ein Jahrzehnt ist vergangen, seit die Idee der Nutrigenomik erstmals vorgestellt wurde. Nutrigenomik, auch als Ernährungsgenomik, Ernährungsomik oder Nutri-omik bezeichnet, kann als ein Bereich der Lebensmittel- und Ernährungsforschung definiert werden, der tiefgreifende Analysen von Molekülen oder anderen physikalischen Phänomenen nutzt.

In Anbetracht der Komplexität des menschlichen Körpers und seiner vielfältigen Wechselwirkungen mit der Nahrung ist es denkbar, dass ganzheitliche Analysen der Nahrungsmittel-Körper-Interaktionen eine wichtige Voraussetzung für ein besseres Verständnis der Wirkung von Nahrungsbestandteilen sind. Die Hauptannahme ist, dass die Kombination verschiedener Omics-Plattformen einen tieferen Einblick in den Einfluss von Nahrungsbestandteilen und den Mechanismus ihrer Wirkung ermöglicht.

Genomik und Ernährung

Menschliche Gene haben unterschiedliche Varianten in der Bevölkerung. Wenn man bedenkt, dass die Reaktion auf die Ernährung ein multigener Prozess ist, ist es nicht überraschend, dass nicht miteinander verwandte Individuen unterschiedlich reagieren können. Die Schlüsselhypothese, die in den letzten Jahren vorgeschlagen wurde, besagt, dass genetische Variationen den Unterschieden bei ernährungsbedingten Störungen und dem Risiko für Krankheiten zugrunde liegen. In der Tat versucht die Nutrigenetik zu erklären, wie und in welchem Ausmaß ernährungsbezogene Merkmale und Störungen durch genetische Variation beeinflusst werden. Mit anderen Worten, die Schlüsselfragen der Nutrigenetik sind:

  • Welche Gene sind an der Bestimmung eines bestimmten Merkmals beteiligt?
  • Was ist die funktionale Identität der Variation, durch die sich Menschen für dieses Merkmal unterscheiden?
  • Wie kann dieses Wissen zum Wohle der Bevölkerung genutzt werden?

Normalerweise definieren die Forscher „Kandidatengene“ für ein Merkmal oder eine Störung und suchen in diesen Genen nach Variationen. Dies wird als „hypothesengetriebener“ Ansatz bezeichnet, weil die Auswahl der Gene auf ihrer vermuteten Funktion beruht. Zum Beispiel werden die Gene für Lipoproteine als Kandidaten für Fettleibigkeit und die Gene für die Insulinsignalisierung – als Kandidaten für Diabetes – verwendet. Andere attraktive Kandidaten beim Menschen sind die orthologen Gene, die Tiermodellen mit einer mendelschen Segregation eines Merkmals zugrunde liegen. Ein bekanntes Beispiel ist die db/db-Maus. Sie ist ein Modell für Diabetes, bei dem das Gen für den Leptinrezeptor identifiziert wurde. Das menschliche Homolog wurde dann an Personen mit einer gestörten Glukosetoleranz getestet. Eine Variante (Allel) des Gens wurde identifiziert und es wurde nachgewiesen, dass diese mit einer signifikant höheren Häufigkeit des Auftretens von Diabetes im Vergleich zur Allgemeinbevölkerung assoziiert ist.

Andere angewandte Methoden beziehen sich auf die Untersuchung der bevorzugten Segregation eines Allels von den Eltern auf ein betroffenes Kind (Transmissionsungleichgewichtstest) oder auf mehrere betroffene Geschwister (Geschwisterpaaranalyse). Wenn ein Gen mit dem Merkmal in Verbindung gebracht wird, muss noch bewiesen werden, ob das assoziierte oder verknüpfte Allel selbst der Risikofaktor ist, oder ob es nur als Marker für eine nahe gelegene ursächliche Variation verwendet werden kann. Wenn die genetische Variation mit einer Aminosäurevariation im Protein verknüpft ist, könnte ein Funktionstest entwickelt werden und die allelischen Proteine können auf ihre enzymatische Aktivität, DNA-Bindungsaffinität usw. verglichen werden.

Ein weiterer Ansatz zur Suche nach risikobehafteten Genen für ein bestimmtes Merkmal oder eine Störung ist der Total-Genom-Scan. Dabei werden Hunderte von Polymorphismen mit einer zufälligen Verteilung über das Genom, aber mit einer bekannten chromosomalen Lage nachgewiesen. Für jede polymorphe Stelle wird dann ermittelt, ob eine Assoziation zwischen dem Allel und dem Merkmal besteht. Mit diesem Ansatz können Risikoloci für viele ernährungsbedingte Erkrankungen des Menschen wie Adipositas und Diabetes identifiziert werden.

Nach dem Zweiten Weltkrieg wurde in vielen westlichen Ländern beobachtet, dass die Inzidenzen von Spina bifida allmählich zurückgingen. Es wurde vermutet, dass die Verbesserung der Ernährung diesen Effekt hervorgebracht hatte. Eine große epidemiologische Studie wurde gestartet. Die erzielten Ergebnisse zeigten, dass die Anreicherung der Ernährung mit Vitaminen das Auftreten und Wiederauftreten von Spina bifida bei Menschen zu mehr als 50 % verhindern konnte. Folsäure wurde als die aktive Substanz entdeckt und nun wird in vielen Ländern eine präkonzeptionelle Folsäure-Supplementierung als allgemeine Präventionsmaßnahme empfohlen. Gleichzeitig ist klar geworden, dass sich die Frauen in der Bevölkerung hinsichtlich des Risikos für ein Kind mit Spina bifida grob in drei Gruppen einteilen lassen: [i] kein Risiko auch bei geringer Folatzufuhr, [b] ein Risiko bei geringer Folatzufuhr, dem aber durch eine erhöhte Folatzufuhr geholfen werden kann, und [c] ein Risiko trotz zusätzlicher Folatzufuhr. Es wurde eine genetische Prädisposition vermutet, und Kandidatengene aus dem Folatstoffwechsel wurden auf genetische Variation untersucht. Dabei wurden die Allele 667C->T und 1298A->C im Gen für Methylentetrahydrofolatreduktase (MTHFR) als Risikofaktoren entdeckt. Diese Risiko-Allele wurden jedoch in allen drei Gruppen von Frauen in gewissem Umfang entdeckt, was zeigt, dass ein Gentest im Rahmen einer personalisierten Diät unzureichend wäre. Außerdem wurde deutlich, dass nicht das gesamte relative Risiko durch diese Allele erklärt werden kann. Daher wird die Suche nach genetischen Variationen in anderen Genen fortgesetzt und es könnten neue Kandidatengene gefunden werden.

Derzeit sind bereits mehrere Hundert Gene identifiziert worden, die mit bestimmten ernährungsbedingten Merkmalen und Störungen in Verbindung stehen, und zwar durch genetische Experimente in verschiedenen Populationen und die Untersuchung von Tier- und In-vitro-Modellsystemen. Schließlich soll die Nutrigenomik- und Nutrigenetik-Forschung zu einem umfassenden Verständnis der Ätiologie dieser Merkmale und Störungen im Hinblick auf die interagierenden Gene, die Ernährungskomponenten und das relative Risiko führen, das sowohl durch genetische Variation als auch durch die Ernährung vermittelt wird. Dieses kombinierte Wissen wird es ermöglichen, ein genetisches Profil jedes Individuums zu erstellen und damit sein Risiko für die Entwicklung von ernährungsbedingten Störungen abzuschätzen. Auf der Grundlage dieses persönlichen Risikoprofils genetischer Faktoren könnte dann eine „personalisierte Diät“ vorgeschlagen werden, mit der das Auftreten einer Störung verhindert oder zumindest verzögert werden könnte. Einige Unternehmen bieten bereits Gentests für Allele an, die mit bestimmten Merkmalen in Verbindung gebracht wurden. So wird z.B. das ApoE-Allel als Risikofaktor für Herz-Kreislauf-Erkrankungen getestet und ein Allel des Alkoholdehydrogenase-Gens wird zur Vorhersage einer möglichen Alkoholempfindlichkeit und eines (Ab-)Konsums verwendet. Es ist jedoch wichtig zu beachten, dass das Vorhandensein eines bestimmten Allels das Risiko für eine Störung um 100 % erhöhen kann, während in absoluten Zahlen das Risiko normalerweise immer noch sehr gering ist, wie z. B. eine Erhöhung von 0,001 auf 0,002. Außerdem kann das Testen nur eines genetischen Faktors ein unvollständiges oder sogar falsches Bild der Situation vermitteln. Heutzutage haben wir keine Ahnung von allen genetischen Faktoren und wie sie zusammenwirken. Bis mehr Informationen gesammelt werden, müssen die Ratschläge, die auf einfachen Tests beruhen, wahrscheinlich einfach bleiben und klingen wie „weniger Alkohol trinken“ oder „weniger gesättigte Fette essen“.

Traskriptomik und Ernährung

Die Transkriptomik wird in der Lebensmittelforschung aufgrund der vielen Vorteile der DNA-Microarray-Technologie am häufigsten eingesetzt, einschließlich der Vollständigkeit der Expressionsdaten, der etablierten Protokolle und der hohen Zuverlässigkeit und Reproduzierbarkeit der Daten. Es wurde auch über die Veränderungen der globalen Genexpression als Reaktion auf verschiedene Veränderungen in der Ernährung berichtet, wie z.B. Nährstoffmangel, Fasten, übermäßiges Essen und die Einnahme von spezifischen Nahrungsfaktoren. Als ein Beispiel für die durchgeführten Versuche, Referenzdaten zu gewinnen, wurde eine Transkriptomanalyse der Leber von Ratten durchgeführt, die mit einer milden kalorischen Restriktion behandelt wurden. Im Tierversuch konnte gezeigt werden, dass eine bescheidene Reduktion der Nahrungsaufnahme oder ein verändertes Aufnahmemuster für das Auftreten signifikanter metabolischer Veränderungen ausreichen kann. Daher ist es wichtig, zwischen den direkten Effekten der Nahrungskomponente und den sekundären Effekten zu unterscheiden, die durch die Änderung des Essverhaltens verursacht werden. Wenn Ratten eine Diät mit 5 bis 30 % weniger Nahrung als eine ad libitum gefütterte Gruppe für 1 Woche oder 1 Monat gefüttert wurde, wurden restriktionsabhängige Veränderungen im Expressionsniveau von cyp4a14 beobachtet. Tatsächlich wurde das cyp4a14-Gen sogar durch ein niedriges Niveau der kalorischen Restriktion induziert. Diese Daten deuten darauf hin, dass das Gen als Biomarker für die positiven Auswirkungen der Nahrung auf den Energiestoffwechsel verwendet werden kann.

Proteomik und Ernährung

Viele Studien zur Lebensmittel- und Ernährungsforschung wurden mit Hilfe von Proteomics-Ansätzen durchgeführt. Zum Beispiel wurde die oben beschriebene Wirkung einer milden kalorischen Restriktion auch mit Proteomics untersucht. Neun signifikant hoch-regulierte Proteine und neun herunter-regulierte Proteine wurden nach dem Proteom-Vergleich der Leber von Ratten, die mit 30-prozentiger Nahrungsrestriktion behandelt wurden, mit den Kontroll-Ratten festgestellt. Zehnprozentige Restriktion verursachte die Hochregulierung von 9 Proteinen und die Herunterregulierung von 2 Proteinen. Eine interessante Entdeckung war die Hochregulierung von Prohibitin, dessen Beteiligung an der Regulierung der Langlebigkeit kürzlich aufgedeckt wurde. Dieses Ergebnis deutet darauf hin, dass Prohibitin als effektiver Biomarker für die positiven Effekte von Nahrungsfaktoren eingesetzt werden kann. Obwohl das derzeitige Stadium der Proteomik-Forschung im Vergleich zur Transkriptomik viel weniger umfangreich ist, zeigt die hier beschriebene Studie zusammen mit anderen Forschungsergebnissen der Ernährungsproteomik, dass die Proteomik ein vielversprechendes Werkzeug für die Entdeckung von Biomarkern ist.

Matbolomics und Ernährung

Es gibt etwa zehntausend verschiedene Arten von Hauptmetaboliten in Tierkörpern, während die Anzahl der Proteine 100.000 übersteigen soll. Es wird erwartet, dass diese Eigenschaft der Metabolite zu umfassenderen Funktionen der Metabolomics-Analyse führt als die der Proteomics. Die Analyse von Metaboliten ist jedoch in der Tat mit Schwierigkeiten behaftet und erfordert in der Regel den Einsatz ausgefeilter Techniken und hochqualifiziertes Personal. Eine weitere Schwierigkeit ergibt sich aus der Breite der Metabolitenhäufigkeit. Unabhängig von diesen Hindernissen ist die Metabolomik ein leistungsfähiges Werkzeug in der Lebensmittel- und Ernährungswissenschaft.

Viele Untersuchungen zeigten, dass der Darm- und Serumstoffwechsel durch die Veränderung der Zusammensetzung des Darmmikrobioms beeinflusst wird. Das Darmmikrobiom und seine Veränderung in Abhängigkeit von der Ernährung sind essentiell für die Bewertung von diätetischen Interventionsstudien mit metabolomischen Endwirkungen. Der Vergleich zwischen keimfreien Mäusen, die mit menschlicher Babyflora kolonisiert wurden, und konventionellen Mäusen zeigte die Komplexität der durch die Ernährung modifizierbaren Mikrobiom/Metabolom-Kovariation. In dieser Studie wurde der Einfluss des intestinalen Mikrobioms auf Plasmametabolite untersucht. Die Daten zeigten, dass mehr als 10 % des Plasmametaboloms direkt vom Mikrobiom abhängig sind. Einige Beispiele für mikrobiomabhängige Verbindungen im Plasma sind Zimtsäure, konjugierte Glycinverbindungen, Hippursäure und andere Plasmametabolite. Das Darmmikrobiom beeinflusst auch direkt die Fähigkeit des Wirts, Lipide, Kohlenhydrate und Proteine zu verstoffwechseln, und kann mehrere Phase-II-Entgiftungsreaktionen durchführen. Es gibt auch Hinweise darauf, dass Darmmikroorganismen nicht-nutritive Phytochemikalien verwerten. So haben mehrere Untersuchungen gezeigt, dass die Konzentrationen von drei mikrobiomabhängigen, aus der Nahrung stammenden Metaboliten, Cholin, Trimethylamin-N-Oxid und Betain, das Risiko für Herz-Kreislauf-Erkrankungen bei Mäusen vorhersagen können.

Ernährung und andere OMICs

Viele andere Omics-Plattformen sind ebenfalls im Fokus der Nutriomics-Forschung. Es wurde gezeigt, dass epigenetische Veränderungen durch die Ernährung während der fetalen Entwicklung verursacht werden und die Prädisposition für lebensstilbedingte Krankheiten im späteren Leben beeinflussen könnten. Zum Beispiel haben Kinder von Müttern, die während der Schwangerschaft unter Über- oder Unterernährung litten, ein erhöhtes Risiko für die Entwicklung von Fettleibigkeit, Diabetes, Bluthochdruck, Herz-Kreislauf-Erkrankungen usw. Viele Studien haben die Beteiligung von epigenetischen Modifikationen an einer solchen erworbenen Anfälligkeit bewiesen. Ein weiteres vielversprechendes Ziel von Omics-Ansätzen in der Lebensmittelwissenschaft ist mit den RNA-Transkripten verbunden, die nicht für Proteine kodieren. MicroRNA (miRNA) ist ein Subtyp dieser nicht-kodierenden RNAs. Vorläufer von miRNAs (pri-miRNA) sind lange Produkte, die gespalten werden, um reife miRNAs mit einer Länge von 22 Nukleotiden zu erhalten. Reife miRNAs regulieren die mRNA-Degradation, die mRNA-Translation und sogar die Gentranskription. Im Falle menschlicher Zellen sind etwa 1.000 miRNAs identifiziert, von denen angenommen wird, dass sie die Expression von mehr als der Hälfte der proteinkodierenden Gene regulieren. In Anbetracht der sich häufenden Daten, die die Schlüsselrolle der miRNA bei der Entstehung von Krankheiten und der Aufrechterhaltung der Gesundheit belegen, ist die Information über den Status der miRNAs zweifelsohne entscheidend für das Verständnis der Interaktion zwischen Nahrungsbestandteilen und dem Körper. Globale miRNA-Analysen können jetzt einfach durch die Verwendung kommerzieller miRNA-Arrays durchgeführt werden.

Mit der Einführung neuer Technologien und erworbenem Wissen nimmt die Zahl der Omics-Felder und ihrer Anwendungen in verschiedenen Bereichen in der Postgenomik-Ära schnell zu. Diese aufstrebenden Bereiche – einschließlich Pharmakogenomik, Toxikogenomik, Regulomik, Spleißomik, Metagenomik und Umweltomik – bieten vielversprechende Lösungen zur Bekämpfung globaler Herausforderungen in der Biomedizin, Landwirtschaft und Umwelt.

Test: LO1-Fortgeschrittenes Niveau

Name

Referenzen

  • Amer B, Baidoo EEK. 2021. Omics-Driven Biotechnology for Industrial Applications. Frontiers Bioeng. Biotech., 9, Art. 613307: 1-19.
  • Azizipour N, Avazpour R, Rosenzweig DH, Sawan M, Ajji A. 2020. Evolution of Biochip Technology: A Review from Lab-on-a-Chip to Organ-on-a-Chip. Micromachines, 11: 599.
  • Canzler S, · Schor J, · Busch W, et al. · 2020. Prospects and challenges of multi omics data integration in toxicology. Archives of Toxicology, 94:371–388.
  • Horgan RP, Kenny LC. 2011. ‘Omic’ technologies: genomics, transcriptomics, proteomics and metabolomics. The Obstetrician & Gynaecologist, 13:189–195.
  • Joseph P. 2017. Transcriptomics in toxicology. Food Chem Toxicol., 109(1): 650–662.
  • Karahalil B. 2016. Overview of Systems Biology and Omics Technologies. Curr. Med. Chem., 23, 1-10.
  • Karczewski KJ, Snyder MP. 2018. Integrative omics for health and disease. Nat Rev Genet., 19(5): 299–310.
  • Kato H, Takahashi S, Saito K. 2011. Omics and Integrated Omics for the Promotion of Food and Nutrition Science. J. Trad. Complement. Medicine, 1 (1): 25-30.
  • Kim DH, Kim YS, Son NI, Kang CK, Kim AR. 2017. Recent omics technologies and their emerging applications for personalized medicine. IET Syst. Biol.,11 (3): 87-98.
  • Kodzius R, Gojobori T. 2016. Single-cell technologies in environmental omics. Gene 576: 701–707.
  • Mariman ECM. 2006. Nutrigenomics and nutrigenetics: the ‚omics‘ revolution in nutritional science. Biotechnol Appl Biochem., 44(3):119-28.
  • Mousumi D, Prasad GBKS, Bisen PS. 2010. Omics technology. In: Molecular Diagnostics: Promises and Possibilities, Dordrech Heidelberg London, Springer, pp 11-31.
  • Ryan EP, Heuberger AL, Broeckling CD, Borresen EC, Tillotson C, Prenni JE. 2013. Advances in Nutritional Metabolomics. Current Metabolomics, 1: 109-120.
  • Sauer UG, Deferme L, Gribaldo L, et al. 2017. The challenge of the application of ‚omics technologies in chemicals risk assessment: Background and outlook. Regulatory Toxicology and Pharmacology, 91: S14 – S26
  • Simões T, Novais SC, Natal-da-Luz T, et al. 2018. An integrative omics approach to unravel toxicity mechanisms of environmental chemicals: effects of a formulated herbicide. Scientific Reports 8:11376
  • Titz B, Elamin A, Martin F, et al. 2014. Proteomics for systems toxicology. Computational and Structural Biotechnology Journal, 11: 73–90.
  • Vlaanderen J, Moore LE, Smith MT, et al. 2010. Application of Omics Technologies in Occupational and Environmental Health Research; Current Status and Projections. Occup Environ Med., 67(2): 136–143.
  • Yılmaz B, Yılmaz F. 2018. Lab-on-a-Chip Technology and Its Applications. In: Omics Technologies and Bio-engineering: Towards Improving Quality of Life, pp. 145, Elsevier Inc.
  • Amer B, Baidoo EEK. 2021. Omics-Driven Biotechnology for Industrial Applications. Frontiers Bioeng. Biotech., 9, Art. 613307: 1-19.
  • Azizipour N, Avazpour R, Rosenzweig DH, Sawan M, Ajji A. 2020. Evolution of Biochip Technology: A Review from Lab-on-a-Chip to Organ-on-a-Chip. Micromachines, 11: 599.
  • Canzler S, · Schor J, · Busch W, et al. · 2020. Prospects and challenges of multi omics data integration in toxicology. Archives of Toxicology, 94:371–388.
  • Horgan RP, Kenny LC. 2011. ‘Omic’ technologies: genomics, transcriptomics, proteomics and metabolomics. The Obstetrician & Gynaecologist, 13:189–195.
  • Joseph P. 2017. Transcriptomics in toxicology. Food Chem Toxicol., 109(1): 650–662.
  • Karahalil B. 2016. Overview of Systems Biology and Omics Technologies. Curr. Med. Chem., 23, 1-10.
  • Karczewski KJ, Snyder MP. 2018. Integrative omics for health and disease. Nat Rev Genet., 19(5): 299–310.
  • Kato H, Takahashi S, Saito K. 2011. Omics and Integrated Omics for the Promotion of Food and Nutrition Science. J. Trad. Complement. Medicine, 1 (1): 25-30.
  • Kim DH, Kim YS, Son NI, Kang CK, Kim AR. 2017. Recent omics technologies and their emerging applications for personalized medicine. IET Syst. Biol.,11 (3): 87-98.
  • Kodzius R, Gojobori T. 2016. Single-cell technologies in environmental omics. Gene 576: 701–707.
  • Mariman ECM. 2006. Nutrigenomics and nutrigenetics: the ‚omics‘ revolution in nutritional science. Biotechnol Appl Biochem., 44(3):119-28.
  • Mousumi D, Prasad GBKS, Bisen PS. 2010. Omics technology. In: Molecular Diagnostics: Promises and Possibilities, Dordrech Heidelberg London, Springer, pp 11-31.
  • Ryan EP, Heuberger AL, Broeckling CD, Borresen EC, Tillotson C, Prenni JE. 2013. Advances in Nutritional Metabolomics. Current Metabolomics, 1: 109-120.
  • Sauer UG, Deferme L, Gribaldo L, et al. 2017. The challenge of the application of ‚omics technologies in chemicals risk assessment: Background and outlook. Regulatory Toxicology and Pharmacology, 91: S14 – S26
  • Simões T, Novais SC, Natal-da-Luz T, et al. 2018. An integrative omics approach to unravel toxicity mechanisms of environmental chemicals: effects of a formulated herbicide. Scientific Reports 8:11376
  • Titz B, Elamin A, Martin F, et al. 2014. Proteomics for systems toxicology. Computational and Structural Biotechnology Journal, 11: 73–90.
  • Vlaanderen J, Moore LE, Smith MT, et al. 2010. Application of Omics Technologies in Occupational and Environmental Health Research; Current Status and Projections. Occup Environ Med., 67(2): 136–143.
  • Yılmaz B, Yılmaz F. 2018. Lab-on-a-Chip Technology and Its Applications. In: Omics Technologies and Bio-engineering: Towards Improving Quality of Life, pp. 145, Elsevier Inc.

„DIE ANWENDUNG VON 3D-DRUCK UND IKT FÜR GRÜNE PRODUKTE UND PROZESSE“

Fortgeschrittenes Niveau

3D-Bioprinting ist eine sich entwickelnde Technologie mit Anwendungen im gesamten Bereich der biomedizinischen Forschung.

Inhalt

 

Anwendungsbereiche des 3D-Bioprinting

3D-Bioprinting ist eine sich entwickelnde Technologie mit Anwendungen im gesamten Bereich der biomedizinischen Forschung. Die Methode, bei der ein biologisches Substrat oder eine „Biotinte“ verwendet wird, die aus Strukturkomponenten, Wachstumsmedien und Zellen besteht, kann auf 3D-Druckgeräten biologische Strukturen erzeugen, die die Struktur von Zellen in lebenden Organismen genau imitieren. Unter Verwendung des gleichen Herstellungsmodells wie beim traditionellen 3D-Druck wird eine Anzahl von 2D-Scheiben von einem 3D-Modell durch einen Computer geteilt, um eine korrekte biologische Zusammensetzung Schicht für Schicht mit einer präzisen Anordnung von Geweben und Zellen zu drucken. Der 3D-Bioprinting-Ansatz bietet die Möglichkeit, Probleme in der Medikamentenentwicklung, regenerativen Medizin, Organspende und Krebsbehandlung zu lösen. Diese aufstrebende Technologie bietet große Genauigkeit bei der räumlichen Platzierung von Zellen, Proteinen, DNA, Medikamentenpartikeln, Wachstumsfaktoren und biologisch aktiven Substanzen, um eine bessere Gewebebildung zu ermöglichen. Diese leistungsstarke Technologie scheint vielversprechend für die Verbesserung der Gewebeherstellung in Richtung physiologisch relevanter Gewebekonstrukte, Gewebemodelle, Gewebe und Organe sowie Organ-on-a-Chip-Modelle für Medizin und Pharmazie zu sein.

Die Bioprinting-Technologie hat eine breite Anwendung in verschiedenen Bereichen wie Tissue Engineering und regenerative Medizin, Transplantation und Kliniken, Wirkstoffscreening und Hochdurchsatz-Assays sowie Krebsforschung (Abb. 1). Das Bioprinting für das Tissue Engineering und die regenerative Medizin wird seit mehr als einem Jahrzehnt erforscht, und es wurden anatomisch korrekte zellbesetzte Konstrukte und Gerüste für verschiedene Gewebetypen hergestellt: von Binde- und Epithelgewebe bis hin zu Muskel- und Nervengewebe. Mit seinem großen Vorteil bei der Modellierung und präzisen Platzierung mehrerer Zelltypen hat das Bioprinting einen der größten Mängel traditioneller Gerüstherstellungstechniken überwunden und die Konstruktion von nativ-ähnlichen Geweben mit einer heterozellulären Mikroumgebung erleichtert. Obwohl die meisten Anstrengungen auf die Grundlagenforschung hinter den wichtigsten Bioprinting-Techniken wie Laser-, Droplet- und Extrusions-basiertes Bioprinting gerichtet waren, wurde in letzter Zeit dem Bioprinting zur Herstellung von funktionellem Gewebe erhebliche Aufmerksamkeit geschenkt. Insbesondere wurde dem Bioprinting für die Transplantation viel Aufmerksamkeit gewidmet. Da weitere Fortschritte in den Bereichen Biomaterialien, Zell- und Transplantationstechnologien erzielt wurden, wird das Bioprinting in naher Zukunft, wenn es für den Einsatz am Menschen zugelassen wird, vom Labor zum Krankenbett übergehen und eine Vielzahl von Vorteilen im Operationssaal bieten. Vor dem Übergang in die klinische Praxis hat das Bioprinting bereits einen großen Sprung in der pharmazeutischen Anwendung gemacht, da es keine behördlichen Zulassungen benötigt und es derzeit einen aufstrebenden Bioprinting-Markt für die Herstellung von Gewebe für Medikamententests und Hochdurchsatz-Assays gibt. Biologisch gedruckte Gewebemodelle (z. B. Leber), die aus mehreren Zelltypen hergestellt werden und eine komplexe heterozelluläre physiologische Umgebung ermöglichen, wurden bereits für das Wirkstoffscreening eingesetzt. Darüber hinaus wird Bioprinting seit kurzem in der Krebsforschung eingesetzt, um die Pathologie, das Wachstum und die Metastasierung von Krebs in einer physiologisch relevanten Mikroumgebung zu untersuchen. Hier wird ein umfassender Überblick über die Anwendungsbereiche der Bioprinting-Technologie gegeben und eine ausführliche Diskussion über die erfolgreich bioprintierten Gewebetypen für Tissue Engineering und regenerative Medizin, Transplantation und Kliniken, Wirkstoffscreening und Hochdurchsatz-Assays sowie Krebsforschung präsentiert. Für jeden Anwendungsbereich werden die Vorteile und Grenzen der bestehenden Technologien diskutiert.

Abbildung 1. Anwendungsbereiche der Bioprinting-Technologie.

Tissue Engineering und regenerative Medizin

Das Bioprinting von funktionalen Organen auf klinischer Ebene ist nach wie vor schwer vorstellbar, da es mehrere Herausforderungen gibt, wie z. B. die Integration des vaskulären Netzwerks von Arterien und Venen bis hin zu Kapillaren, die Kombination verschiedener Zelltypen, um die komplexe Organbiologie zu rekapitulieren, sowie die begrenzte strukturelle und mechanische Integrität und langfristige Funktionalität. Trotz dieser Herausforderungen wurde eine Vielzahl von Geweben erfolgreich bioprinted, wie z. B. dünne oder hohle Gewebe, z. B. Blutgefäße, oder Gewebe, die keine Vaskularisierung benötigen, wie Knorpel.

Knochengewebe

Der Knochen ist ein essentielles Gewebe des Körpers und eine Schlüsselkomponente des Bewegungsapparates. In der Regel überwindet er Verletzungen und Degenerationen durch seine hohe Regenerationsfähigkeit. In manchen Fällen kann der Knochen jedoch nicht richtig heilen und eine Behandlung ist erforderlich. Die bestehenden Standardtherapien haben erhebliche Schwächen. Innovationen in den Bereichen Bioprinting und Tissue Engineering versprechen eine Verbesserung der Qualität und Wirksamkeit von Therapien zur Knochenrekonstruktion. Bioprinting ist theoretisch noch nicht möglich, da derzeit keine maßgeschneiderten resorbierbaren Gerüste mit Wachstumsfaktoren oder autologen Zellen hergestellt werden. Jüngste Untersuchungen haben jedoch die 3D-Drucktechniken sowie 3D-druckbare Materialien mit fein abgestimmten Eigenschaften zur Rekonstruktion patientenspezifischer Defekte rasch verbessert. Diese Forschung scheint in Richtung einer Zukunft mit resorbierbaren Scaffolds zu führen, die geeignete Wachstumsfaktoren und Osteoprogenitorzellen enthalten. Die Zeit wird zeigen, ob diese Therapien weithin verfügbar und zum Standard der Behandlung werden.

In einer aktuellen Studie verwendeten einige Autoren einen thermischen Inkjet-Biodrucker zum Aufbau von Poly(ethylenglykol)dimethacrylat (PEGDMA)-Gerüsten. Nanopartikel aus bioaktivem Glas und Hydroxylapatit (HA) wurden für das Co-Printing von aus dem Knochenmark stammenden humanen mesenchymalen Stammzellen (hMSCs) unter gleichzeitiger Polymerisation verwendet. Dieser Ansatz ermöglichte eine gleichmäßige Verteilung der hMSCs im Vergleich zu manuell pipettierten hMSCs, die sich aufgrund der Schwerkraft am Boden des Gerüsts ansammelten. Die bioprinted Strukturen, die hMSCs und HA einkapselten, zeigten die höchste Zellviabilität, Kollagenproduktion und alkalische Phosphataktivität mit erhöhtem Druckmodul nach 21-tägiger Kultur in vitro. Das Bioprinting von HA-Partikeln wurde auch für in-situ-Bioprinting-Zwecke durchgeführt, wobei ein laserbasiertes Bioprinting-System verwendet wurde, um HA-Nanopartikel in Defekte der Mauscalvaria abzuscheiden.

In einer weiteren Studie wurden heterozelluläre Gewebekonstrukte aus Matrigel™ und Alginathydrogelen bioprinted. Endotheliale Progenitor- und multipotente Stromazellen wurden räumlich kontrolliert bioprinted. Die erhaltenen Konstrukte wurden subkutan in immundefiziente Mäuse implantiert. Durch die Integration von osteoinduktiven biphasischen Calciumphosphat-Mikropartikeln wurden multipotente Stromazellen in eine osteogene Linie differenziert und die Knochenbildung in 6 Wochen beschleunigt. Neben osteoinduktiven Materialien ist auch die Zugabe von Wachstumsfaktoren entscheidend für die Stammzelldifferenzierung beim Tissue Engineering von Knochen. Es wurde gezeigt, dass die Zugabe von Knochenmorphogenetischem Protein (BMP)-2 eine wichtige Rolle für das Schicksal der Stammzellen spielt. Mittels Inkjet-Bioprinting von gemustertem BMP-2 auf Fibrin-beschichtete Deckgläser wurden primär-muskelabgeleitete Stammzellen bioprintet. Es wurde jedoch gezeigt, dass sie auf dem Muster in Richtung der osteogenen Linie differenziert wurden, selbst wenn sie mit myogenen Differenzierungsbedingungen behandelt wurden.

Knorpelgewebe

In den letzten zwei Jahrzehnten wurden nicht nur auf dem Gebiet des Knochen-Tissue-Engineering, sondern auch auf dem des Knorpel-Engineerings erhebliche Fortschritte erzielt. Folglich besteht ein echtes Potenzial, dass Techniken zur Regeneration statt zum Ersatz beschädigter oder erkrankter Knochen und Gelenke eines Tages das Krankenhaus erreichen werden. Bevor dies Realität wird, müssen jedoch noch einige zentrale Herausforderungen bewältigt werden. Dazu gehört vor allem die Vaskularisierung, wenn große Knochendefekte repariert werden müssen. Weitere wichtige Punkte sind die Notwendigkeit der Verwendung komplexer Gradienten für die Regeneration von Knochen-Weichgewebe-Grenzflächen und die Rekapitulation der geschichteten zonalen Architektur, die in vielen adulten Geweben wie dem Gelenkknorpel vorhanden ist. Bestehende Knorpel-Engineering-Ansätze haben jedoch ein großes Potenzial für die präzise Konstruktion von Zellen und Biomaterialien mit anspruchsvollen Mustern. Sie können natives Gewebe mit zonal differenzierten Zellen und der Struktur der extrazellulären Matrix (ECM) imitieren.

Auch das laserbasierte Bioprinting von stammzelldifferenzierten Chondrozyten wurde versucht. Diese Strategie basiert auf einer computergestützten Biofabrikationstechnik mit Hilfe von LIFT. Aus Knochenmark gewonnene mesenchymale Stammzellen (MSCs) mit hoher Lebensfähigkeit wurden erfolgreich bioprinted. Sie behielten ihre Funktionalität und Differenzierungsfähigkeit in osteogene und chondrogene Linien bei. Inkjet-basiertes Bioprinting wurde auch beim Knorpel-Tissue-Engineering sowie bei der Regeneration von Knorpeldefekten eingesetzt. HP-Desktop-Drucker wurde modifiziert und menschliche Chondrozyten, die in PEGDMA-Hydrogel geladen waren, wurden bioprinted. Das so hergestellte Knorpelkonstrukt hatte mechanische Eigenschaften und eine biochemische Zusammensetzung, die dem nativen Knorpel sehr ähnlich ist. Erst kürzlich wurde eine hybride Bioprinting-Methode zur Herstellung mechanisch verbesserter Knorpelgewebekonstrukte durch die Kombination von 3D-Bioprinting und Elektrospinning-Techniken entwickelt. In dieser Studie wurde das Elektrospinnen von Polycaprolacton (PCL)-Fasern zusammen mit dem Inkjet-Bioprinting von elastischen Chondrozyten von Kaninchen in Fibrin-Kollagen-Hydrogel gezeigt.

Trotz der großen Erfolge beim Bioprinting von Knorpelgewebe ist die Herstellung von zonal geschichteten Gelenkknorpelgeweben mit unterschiedlichen strukturellen, biomechanischen und biologischen Eigenschaften immer noch eine Herausforderung und es sind weitere Fortschritte erforderlich, um Gelenkknorpelgewebekonstrukte mit zonaler Differenzierung herzustellen, die mehr horizontale und dünnere Kollagenfasern mit hoher Zelldichte in der oberflächlichen Zone und relativ vertikale und dickere Kollagenfasern mit geringerer Zelldichte in den tieferen Zonen umfassen.

Herzgewebe

Herz-Kreislauf-Erkrankungen sind die Haupttodesursache in der Welt. In dieser Hinsicht ist das Tissue Engineering von Herz und Herzklappen von größter Bedeutung. In den letzten zehn Jahren wurden erhebliche Fortschritte bei der Erforschung der nativen Eigenschaften des Herzens für die kardiale Regeneration und Reparatur gemacht, wobei verschiedene Strategien eingesetzt wurden, darunter Konzepte von Biomaterialien, Mikro- und Nanotechnologien und Dezellularisierung. Die Hauptschwierigkeit beim kardialen Tissue Engineering besteht jedoch darin, die komplexen, heterogenen mikro- und makrokardialen Gewebestrukturen so zu gestalten, dass sich verschiedene Zelltypen anlagern, vermehren und schließlich beschädigte Teile reparieren und umgestalten können. Das 3D-Bioprinting hat sich als eine Strategie zur Bewältigung dieser Herausforderung erwiesen, da es die Technologie zur Konstruktion hochauflösender Scaffolds mit heterogenen biochemischen und mechanischen Eigenschaften bietet. Allerdings wurden bisher nur begrenzte Versuche mit dem Bioprinting von kardialen Gewebemodellen unternommen. Es wurde das extrusionsbasierte Bioprinting von Gewebesphäroiden demonstriert, die aus humanen vaskulären Endothelzellen (HUVECs) und kardialen Zellen bestehen, die aus Myokardröhren von Hühnerembryonen gewonnen wurden. Ein anderer Ansatz basiert auf dem Bioprinting eines kardialen Gewebekonstrukts in Form eines halben Herzens mit verbundenen Ventrikeln mittels Inkjet-basiertem Bioprinting. Laser-induzierter Vorwärtstransfer (LIFT) wurde ebenfalls eingesetzt, um HUVECs und hMSCs in einem geometrisch definierten Muster auf Polyester-Urethan-Harnstoff zu strukturieren, und die hergestellten Proben wurden in die Infarktzone von Rattenherzen nach LAD-Ligatur transplantiert. Acht Wochen nach der Transplantation wurde eine verstärkte Gefäßbildung im Vergleich zu zufällig bioprintierten Zellen als Kontrollgruppe beobachtet und der resultierende Myokardpatch bot eine erhebliche funktionelle Verbesserung.

Eine andere wichtige Richtung ist das Engineering von Herzklappen, da diese keine Regenerationsfähigkeit besitzen und dysfunktionale Herzklappen, wenn die Schädigung oder Erkrankung nachteilig ist, durch mechanische oder biologische prothetische Äquivalente ersetzt werden müssen. Die Herstellung solcher Ersatzklappen ist jedoch durch Thrombogenität und Verkalkung eingeschränkt. Trotz ihrer wichtigen Rolle im kardiovaskulären System sind bisher nur wenige Arbeiten zum Bioprinting von Herzklappen durchgeführt worden. Das erstmalige Bioprinting einer Herzklappe wurde durch die Verwendung eines modifizierten Dual-Head-Bioprinters aus einem Fab@Home-Drucker erreicht. In einer anderen Studie wurde das Doppeldüsen-Bioprinting von Alginat-Gelatine-Hydrogel-Komposit für die Konstruktion von dünnen Hydrogelscheiben und das räumliche Bioprinting von glatten Muskelzellen (SMCs) des Aortenwurzelsinus und interstitiellen Zellen (VICs) der Aortenklappe verwendet. In einer neueren Studie führte dieselbe Gruppe das Bioprinting von Komposit-Hydrogelen unter Verwendung von methacrylierter Hyaluronsäure (Me-HA) und methacrylierter Gelatine (Me-Gel) durch, die mit humanen Aortenklappen-Interstitialzellen (HAVICs) beladen waren. Die erhaltenen Proben hatten die Form einer dreiflügeligen Klappe und die Zellen, die mit einer erhöhten Me-Gel-Konzentration bioprinted wurden, zeigten eine bessere Ausbreitung.

Lebergewebe

Die Leber ist die größte Drüse im menschlichen Körper. Sie spielt eine Schlüsselrolle im Stoffwechsel, der Gallenproduktion, der Entgiftung und der Wasser- und Elektrolytregulierung. Die Giftstoffe oder Medikamente, die der Magen-Darm-Trakt aufnimmt, erreichen zuerst die Leber, bevor sie in den Blutkreislauf gelangen. Lebererkrankungen sind weltweit eine der führenden Todesursachen. Daher kann ein in vitro Lebergewebemodell, das die Hauptfunktionen der Leber simuliert, eine wichtige Plattform für die Erforschung von Lebererkrankungen und die Entwicklung neuer Medikamente sein. Gegenwärtig sind die neu entwickelten 3D-Bioprinting-Technologien in der Lage, In-vitro-Lebergewebemodelle sowohl in statischen Scaffolds als auch in dynamischer Leber-auf-Chip-Manier zusammenzusetzen.

Das erstmalige Bioprinting von humanen induzierten pluripotenten Stammzellen (hiPSCs) wurde durch Stimulation von hiPSCs und deren Differenzierung zu Hepatozyten für das Leber-Mikroorganismen-Engineering durchgeführt. Zusätzlich zum Bioprinting von Lebergewebestrukturen wurden Leberkarzinom HepG2 immortale Zellen in größeren Gewebemodellen bioprinted.

In der Tat kann das 3D-Bioprinting von Lebergewebe-Scaffolds und die Konstruktion von Leber-auf-Chips erheblich zur Entwicklung von In-vitro-Lebergewebemodellen beitragen. Durch den Einsatz der 3D-Bioprinting-Technologie bei der Leber-auf-Chip-Herstellung wird die Konstruktion von In-vitro-Lebergewebemodellen effizienter und kostengünstiger. So wird eine leistungsfähige Plattform für das Screening von Medikamenten und die Bestimmung des molekularen Mechanismus, der Lebererkrankungen zugrunde liegt, bereitgestellt.

Lungengewebe

3D-Bioprinting erhöht die Möglichkeit, komplexe makro- und mikroskalige Biostrukturen unter Verwendung mehrerer verschiedener Zelltypen reproduzierbar zu erzeugen. Dies ist eine vielversprechende Strategie für die Herstellung von mehrschichtigen Hohlorganen, was eine große Herausforderung für die traditionelleren Tissue-Engineering-Techniken darstellt. Derzeit sind die wichtigsten Fortschritte für das Lungensystem auf die Luftröhre beschränkt. Die verfügbaren Techniken zur Konstruktion von Trachealtransplantaten sind wertvolle Grundlagen für das Bioprinting der gesamten Lunge. Im Allgemeinen kombinieren die meisten 3D-Bioprinting-Ansätze zur Herstellung von Tracheen biologische Hydrogele, die mit Zellen besiedelt sind und eine robuste Polymerstruktur umgeben.

Im Allgemeinen wird die Lunge chirurgisch als ein festes Organ klassifiziert. Für die Zwecke des Tissue Engineering ist es jedoch sinnvoller, den gesamten Atmungsbaum als eine verzweigte Reihe von Röhren zu betrachten. Daher können die Fortschritte und Schwierigkeiten, die beim Bioprinting anderer röhrenförmiger Organe festgestellt wurden, beim Bioprinting der Lunge helfen. Die Versuche zum Bioprinting der Lunge sind neu und es gibt nur wenige Versuche, die sich mit der Synthese eines Lungengewebemodells beschäftigen. Vor kurzem wurde das Bioprinting eines in vitro Luft-Blut-Barriere-Modells durch die Entwicklung eines zonal geschichteten Gewebekonstrukts in mehreren Schichten erreicht. Zunächst wurde eine dünne Schicht bioprinted. Sie dient als Basalmembran. Dann wurde eine einzelne Schicht von Endothelzellen bioprinted, die die Anheftung von Zellen auf der nächsten Schicht erleichtert. Später wurde eine neue Schicht auf dem zuvor aufgebauten Konstrukt hinzugefügt, gefolgt vom Bioprinting einer einzelnen Schicht Epithelzellen.

Auf dem Weg zu einer komplexeren Geometrie haben einige Autoren ein distales Lungenmodell mit Gefäß- und Atemwegsräumen entwickelt. Sie verwendeten Poly(ethylenglykol)diacrylat und einen stereolithografischen Drucker und schafften es, ein „Atemmodell“ mit Tidalluftventilation und Blutfluss zu erstellen. Anhand dieses Modells untersuchten sie den Lungentransport, indem sie den Sauerstoffgehalt des Blutes maßen, das in das Konstrukt ein- und austrat. Obwohl die gedruckte Vaskulatur auf 300 µm begrenzt war, ist es dennoch ein großer Schritt in Richtung der Schaffung von klinisch relevantem Lungengewebe.

Neurales Gewebe

Das menschliche Nervensystem ist ein äußerst komplexes physiologisches Netzwerk, dessen Analyse aufgrund der Schwierigkeiten bei der Gewinnung von Primärproben eine echte Herausforderung darstellt. Eine der leistungsfähigen Alternativen, um die Entwicklung des Nervensystems, Krankheiten und regenerative Prozesse zu untersuchen, sind Tiermodelle. Sie sind jedoch nicht in der Lage, einige artspezifische Eigenschaften des menschlichen Nervensystems zu berücksichtigen. Es wurden immer ausgefeiltere In-vitro-Modelle des menschlichen Nervensystems entwickelt, die jedoch noch weitere Fortschritte erfordern, um die Mikroumgebung und die zellulären Eigenschaften besser zu simulieren. Auf dem Gebiet des neuronalen Tissue Engineering werden schnell neue Werkzeuge implementiert, die es den Forschern ermöglichen, die In-vitro-Kulturbedingungen genau zu überwachen und die Bildung, Funktion und Reparatur des Nervensystems besser zu modellieren.

Allerdings sind die Arbeiten, die im Rahmen des Bioprinting für den Aufbau von neuralem Gewebe durchgeführt wurden, recht spärlich. Einige von ihnen basieren auf dem Bioprinting von C17.2-Zellen auf einer Kollagenschicht neben einer mit VEGF beladenen Fibrinscheibe. Unter Verwendung dieses Modells wurde die Wirkung des vaskulären endothelialen Wachstumsfaktors (VEGF) auf die Proliferation und Migration von murinen neuralen Stammzellen (C17.2) analysiert. Die Studie zeigte, dass neurale Zellen in Richtung des VEGF-freisetzenden Fibringels migrierten und erfolgreich proliferierten. Kürzlich wurde in anderen Untersuchungen das Bioprinting eines thermoresponsiven Polyurethan-Hydrogels mit einstellbarer Steifigkeit und Gelierfähigkeit bei 37°C ohne die Notwendigkeit eines Vernetzers vorgestellt. Die Wirksamkeit der Biotinte wurde durch Beladung mit neuralen Stammzellen und Injektion in ein Zebrafisch-Embryo-Neuralverletzungsmodell erreicht. Die erzielten Ergebnisse zeigten, dass das injizierte Gel die Funktion des geschädigten Nervensystems innerhalb von 6 Tagen wiederherstellte.

Es wurde auch ein gerüstfreier Ansatz verwendet, bei dem ein Pellet aus Schwann-Zellen (SCs) und Knochenmark-Stammzellen (BMSCs) innerhalb einer 3D-gedruckten Agarose extrudiert wurde. Nach der Aggregation der Zellen in der Agarose wurde ein Nervengewebetransplantat mit jeweils drei Lumina gebildet. Die konstruierten Transplantate wurden dann in Mäuse implantiert, und ihre Histologie und Funktionalität wurden bewertet. Die Anzahl der Proben war begrenzt, um eine definitive Aussage über die Leistung der 3D-bioprinted Transplantate im Vergleich zu kommerziell erhältlichen Kollagen-Transplantaten zu treffen. Der vorgestellte Fall demonstrierte jedoch einen Proof-of-Concept für das Bioprinting von Nerventransplantaten.

Pankreas-Gewebe

Die Erforschung und Behandlung von Erkrankungen der Bauchspeicheldrüse, wie z. B. Diabetes und Bauchspeicheldrüsenkrebs, wird durch den eingeschränkten Zugang zu Pankreasgewebe in vivo behindert. Dreidimensionale (3D) Gewebemodelle, die das native Organ genau imitieren, haben jedoch ein großes Potenzial für biomedizinische Anwendungen, indem sie sowohl effektive Plattformen für die Untersuchung der Gewebeentwicklung und Homöostase als auch für die Simulation von Krankheiten in pharmazeutischen Tests bieten. Leider überleben primäre β-Zellen der Bauchspeicheldrüse nicht ohne weiteres in vitro und es gibt nur wenige Versuche, β-Zellen aus menschlichen Stammzellen zu differenzieren. In dieser Hinsicht ist die Regeneration von Pankreasgewebe vor allem insofern beispielhaft, als β-Zellen aus Mauslinien oder Insulinomzellen zur Herstellung von Pankreasinseln verwendet wurden. Im Zusammenhang mit dem Bioprinting zur Herstellung von Pankreasgewebe sind nur wenige Arbeiten durchgeführt worden. Kürzlich wurden menschliche und Maus-Inseln sowie Ratten-Insulinom INS1E β-Zellen in Alginat- oder Alginat-Gelatine-Hydrogelen eingekapselt und in zweischichtigen Gerüsten bioprintet. Darüber hinaus wurde in einer neueren Arbeit die Mikrofabrikation von gerüstfreien Gewebesträngen (mit starker Expression von Insulin) für das extrusionsbasierte Bioprinting demonstriert, wobei Gewebestränge aus Rattenfibroblasten und Maus-Insulinom TC-3 β-Zellen im Kern bzw. in der Hülle hergestellt wurden. Es wurde ein innovativer Ansatz vorgeschlagen, der die Verwendung von Gewebesträngen für das Scale-up des Gewebe-Bioprinting-Prozesses umfasst.

Diese experimentellen Versuche auf dem fortschrittlichen technologischen Gebiet des Bioprinting werden den Weg zu neuen technologischen Möglichkeiten der Züchtung von funktionellen Geweben und Organen im Labor ebnen. Es wurde erwartet, dass das Wissen und die Modelle, die durch die Forschung auf dem Gebiet des Bioprinting generiert werden, nicht nur wichtige technologische Entwicklungen im Tissue-Engineering stimulieren, sondern auch radikal neue Möglichkeiten in der Medizin eröffnen werden, wie z. B. die Untersuchung von Bauchspeicheldrüsenerkrankungen ex vivo in fabriziertem Gewebe, die Entwicklung neuer Medikamente und möglicherweise die Erleichterung des Ersatzes von verletztem oder krankem Gewebe.

Hautgewebe

Die Haut ist die äußerste Schutzhülle des menschlichen Körpers und steht in direktem Kontakt mit der äußeren Umgebung. Das macht sie sehr anfällig für Verletzungen. Hautdefekte oder Wunden können durch Traumata, Hautkrankheiten, Verbrennungen oder die Entfernung der Haut bei Operationen entstehen. Solche Zustände erfordern dringende therapeutische Eingriffe, um die Struktur und Funktion der Haut zu reparieren und die normale Mobilität des Patienten zu ermöglichen. Außerdem können vorhandene Wunden zu einer bakteriellen Kontamination und damit verbundenen Komplikationen führen, wenn sie nicht sofort behandelt werden. Darüber hinaus können selbst geringfügige Deformierungen bei den betroffenen Personen, insbesondere bei Kindern, psychischen Stress verursachen. Die derzeit beste Alternative des Skin Tissue Engineering ist die Verwendung von Autotransplantaten. Es gibt jedoch Einschränkungen, wie die Menge und Größe der verfügbaren Transplantate, die Entstehung einer sekundären Wunde und andere Risiken. Die Verwendung anderer Arten von Hauttransplantaten wie Allotransplantate und möglicherweise Xenotransplantate sind mit dem Risiko von Immunreaktionen und der Übertragung von Krankheiten sowie einigen ethischen und kulturellen Problemen verbunden. Es besteht auch die Möglichkeit, Wundauflagenmaterialien wie solche auf Polymerbasis oder deren Kombinationen mit anderen Substanzen zu verwenden. Sie sind jedoch nicht lebendig und können kaum zellularisiert und durch natives Gewebe ersetzt werden. In dieser Hinsicht birgt das Tissue Engineering große Versprechen für die Verbesserung der Behandlung von Hautdefekten, aber es müssen Lösungen für die Herausforderungen wie die Entwicklung einer mehrschichtigen nativen Hautarchitektur und vaskulärer Netzwerke gefunden werden. Es wurden bereits einige Lösungen vorgeschlagen, bei denen neben Biomaterialien auch lebende Zellen, biologische oder chemische Signale verwendet werden, um eine funktionelle Haut zu bilden. Solche konventionellen Tissue-Engineering-Methoden leiden jedoch unter verschiedenen Problemen, wie z. B. der inhomogenen Verteilung der Zellen, der fehlenden Integration und Vaskularisierung des Konstrukts nach der Implantation und der späteren Abstoßung des implantierten Biomaterials zusammen mit der gebildeten Haut. Obwohl einige Tissue-Engineering-Hautprodukte auf dem Markt sind, gibt es viele einschränkende Faktoren, wobei ein wichtiger und kritischer Faktor für den klinischen Erfolg die Vaskularisierung durch den Hautersatz ist.

Eine Vielzahl von Tissue-Engineering-Ansätzen wurde für die Konstruktion von Hautgewebe verwendet, und es wurden verschiedene Gewebeersatzmaterialien geschaffen, darunter autologes Spalthauttransplantat (Goldstandard), Allotransplantate, azelluläre dermale Ersatzmaterialien und zellularisierte transplantatähnliche kommerzielle Produkte. Das Bioprinting von Hautgewebe wurde unter Verwendung eines achtkanaligen, ventilbasierten Bioprinters vorgestellt, bei dem ein 13-lagiges Gewebekonstrukt unter Verwendung von Kollagenhydrogel bioprintet wurde. Keratinozyten wurden auf abwechselnden Schichten von menschlichen Vorhautfibroblasten und azellulären Kollagenschichten bioprinted. Die resultierenden Konstrukte zeigten dicht gepackte Zellen in den Epidermis-Schichten im Gegensatz zur Dermis mit geringerer Zelldichte und weniger ECM-Ablagerung. Neben dem tröpfchenbasierten Bioprinting wurde auch das laserbasierte Bioprinting für die Bioproduktion von Hautgewebeersatz eingesetzt. In einer kürzlich durchgeführten Studie wurde der Effekt des Bioprinting von Endothelzellen innerhalb von Hautersatzmaterialien auf die Bildung von Makrovaskulatur während des Remodellings von neuem Gewebe untersucht. Der Ansatz beinhaltete die Verkapselung von neonatalen humanen dermalen Fibroblasten und epidermalen Keratinozyten (NHEKs) in Kollagen. Als nächstes wird die Dermisschicht aufgetragen, gefolgt von der Musterung humaner dermaler mikrovaskulärer Endothelzellen (HMVECs) auf der Dermisschicht des Konstrukts. Der Prozess wurde abgeschlossen, indem die Fibrinschicht mit kollagenbeladenen NHEKs umwickelt wurde. Anschließend wurden die hergestellten Hautersatzmaterialien auf die Dorsa von Mäusen implantiert und mit kommerziell erhältlichen Hautersatzmaterialien als Kontrolle verglichen. Die erhaltenen Ergebnisse zeigten, dass die bioprinted HMVECs Mikrogefäße bildeten und die implantierten Konstrukte im Vergleich zu den Kontrollgruppen eine Kontraktion erzeugten. Darüber hinaus wurde in anderen Studien das in situ Bioprinting von geschichtetem Hautersatz durch abwechselnde Schichten von Fibrinogen-Kollagen und Thrombin, beladen mit Amnionflüssigkeits-Stammzellen (AFS), gezeigt. Mit diesem Ansatz wurden Hautersatzmaterialien direkt auf Wunden voller Dicke bei Schweinen 3D-bioprinted und reparierten die native Haut besser als Kontrollgruppen. Trotz der Bemühungen beim Bioprinting von Hautgewebe ist die Biokonstruktion von Hautersatz, der die native Haut praktisch simuliert, immer noch eine Herausforderung, da die Integration von Schweißdrüsen und Haarfollikeln schwer zu erreichen ist.

Vaskuläres Gewebe

Die dreidimensionale (3D) Drucktechnologie hat sich schnell von einer futuristischen Technologie zu einer vielversprechenden Wissenschaft entwickelt, von der angenommen wird, dass sie die klinische Praxis revolutionieren wird, indem sie maßgeschneiderte Geräte, Organmodelle für chirurgische Praktiken, Organersatzteile und moderne Medikamente verfügbar macht. Obwohl diese Technologie ursprünglich dazu gedacht war, chirurgische Modelle und Prototypen bereitzustellen, haben Wissenschaftler die Technologie schnell weiterentwickelt, um Gewebekonstrukte für die regenerative Medizin herzustellen. Die Umsetzung im großen Maßstab ist jedoch aufgrund der anatomischen Komplexität, der Vielfalt der Zusammensetzung (zellulär und extrazellulär) und der Vaskularisierung von nativem Gewebe noch immer eingeschränkt.

Die Synthese von vaskulärem Gewebe wurde mit verschiedenen Bioprinting-Ansätzen durchgeführt, darunter Extrusion, Droplet und Laser-basiertes Bioprinting. Beim extrusionsbasierten Bioprinting wurde ein breites Spektrum an Extrusionstechniken eingesetzt. Einige Wissenschaftler verwenden die koaxiale Düsenextrusion, bei der Hydrogele wie Natriumalginat und Chitosan direkt in Röhrenform mit eingekapselten Zellen bioprintet wurden. Während der koaxialen (Kern-Schale) Strömung kommt der ausgestoßene Vernetzer (der durch den Kern strömt) in Kontakt mit der Vorläufer-Hydrogel-Lösung (die durch die Schale strömt) und beschleunigt die Gelierung und die Bildung der röhrenförmigen Konstrukte. Dieser Ansatz ermöglicht das direkte Bioprinting von Gefäßstrukturen auf praktische Weise. Es gibt auch andere Strategien für das direkte Bioprinting von vaskulärem Gewebe, wie z. B. das schichtweise Bioprinting von Tröpfchen aus zellbeladenen Hydrogelen mit Hilfe von Inkjet-basiertem Bioprinting. Unter Verwendung der Bottom-up-Konstruktion ermöglichte das tintenstrahlbasierte Bioprinting den Aufbau von verzweigten Röhren in horizontaler und vertikaler Richtung. Ein ähnlicher Ansatz wurde auch mit dem laserbasierten Bioprinting durchgeführt. In allen oben erwähnten Studien werden gerüstbasierte Techniken verwendet. Einige Untersuchungen basieren jedoch auf einem gerüstfreien Ansatz beim Bioprinting vaskulärer Gewebe, bei dem Gewebesphäroide einzeln hergestellt wurden und sich selbst zu größeren Gewebeeinheiten zusammensetzten.

Obwohl der Bereich des 3D-Bioprinting enorme Fortschritte bei der Herstellung von Gefäßstrukturen mit solider struktureller und funktioneller Integrität gebracht hat, ist zu beobachten, dass die Konstruktion klinisch relevanter vaskulärer und vaskularisierter Gewebekonstrukte noch weit in der Zukunft liegt. Innovative Erfindungen, die die Auflösung verbessern und anatomisch genauere Konstrukte erhalten, während sie gleichzeitig eine Vergrößerung der bioprinted Gewebe ermöglichen, sind erforderlich, um mögliche Lösungen zu bieten. Es ist zu erwarten, dass die unabhängige Forschung an Materialien und zellulären Biotinten für die Vaskularisierung allmählich den Platz für integriertere und ganzheitlichere Ansätze zur Entwicklung von Bioprintern für die vaskularisierte Gewebesynthese einnehmen wird.

Andere Gewebetypen

Zusätzlich zu den beschriebenen Gewebetypen arbeiten einige Wissenschaftler auch am Bioprinting von Netzhaut- und Hirngewebe, obwohl sich diese Studien noch auf einem frühen, grundlegenden Niveau befinden. Es wurde ein piezoelektrisches Inkjet-Bioprinting mit retinalen Ganglienzellen (RGCs) und Glia angewandt und die Auswirkung der Bioprinting-Parameter auf die Lebensfähigkeit der Zellen und ihre wachstumsfördernden Eigenschaften untersucht. Kürzlich wurde auch die manuelle Ablagerung von mit primären kortikalen Neuronen beladenem Gellan-Gummi-RGD zur Herstellung von hirnähnlichem Gewebe vorgestellt. Obwohl kein computergesteuertes Bewegungssystem verwendet wurde, demonstrierte die vorgestellte Arbeit zum ersten Mal die Verwendung des Schicht-für-Schicht-Ansatzes für die Herstellung von Hirngewebe.

Transplantation und Kliniken

Die regenerative Medizin ist wahrscheinlich eine der spannendsten zukünftigen Anwendungen des 3D-Bioprinting. Wissenschaftler hoffen, dass mit dem Bioprinting Gewebe wie Haut direkt gedruckt und Organe, Gewebe und Strukturen für die Transplantation hergestellt werden können. Es wird angenommen, dass das 3D-Bioprinting erfolgreich für die Transplantation und Herstellung von mehrschichtigen Gewebetypen wie Nerven, Herz, Blutgefäße, Knochen und Haut eingesetzt werden kann (Abb. 2). Forscher gehen davon aus, dass in Zukunft Gewebe und schließlich ganze Organe, die aus eigenen Zellen hergestellt wurden, an Patienten transplantiert werden könnten. Mit Hilfe des 3D-Bioprinting könnten Transplantatabstoßungen und lange Spenderlisten der Vergangenheit angehören. Darüber hinaus wurden zahlreiche Gewebekonstrukte bioprinted und subkutan implantiert, um die in vivo-Differenzierung von Zellen und die Funktionalität von Implantaten zu evaluieren. Trotz dieser Experimente wurde bisher keines der bioprinted Gewebe klinisch am Menschen eingesetzt, da noch keine Zulassung erteilt wurde. Es gibt keine Vorschriften für Bioprinter oder bioprinted Produkte. Angesichts des weltweit wachsenden Interesses und der aufstrebenden Unternehmen auf dem Bioprinting-Markt wird der Erfolg der ersten Technologie, die eine Regulierung durchläuft, jedoch beispielhaft für vorangehende Technologien und Produkte sein.

Obwohl die Bioprinting-Technologie in Kliniken noch in den Kinderschuhen steckt, wurden 3D-gedruckte Kunststoff-, Keramik- oder Metallimplantate für den Ersatz von Knochengewebe bereits erfolgreich in Menschen transplantiert. Zusätzlich zu den permanenten Implantaten wurde in einer kürzlich im New England Journal of Medicine veröffentlichten Arbeit ein einzigartiger Fall der Transplantation einer 3D-gedruckten bioresorbierbaren Atemwegsschiene in einen Säugling vorgestellt. Es wurden keine unerwarteten Probleme mit der Schiene beobachtet und es wird erwartet, dass die vollständige Resorption des Geräts etwa 3 Jahre dauert. Dies war ein beispielhafter Fall für den klinischen Einsatz von 3D-gedruckten Scaffolds und wird optimistischerweise zu ähnlichen Erfolgen mit bioprinted Geweben und Organen führen. Trotz der Erfolge in der Bioprinting-Forschung erfordert das Bioprinting für die Transplantation im Krankenhaus weitere Verbesserungen und translationale Anstrengungen. Es wird erwartet, dass Organe und Gewebe, die keine signifikante Vaskularisierung benötigen (z. B. Haut und Knorpel), sehr bald klinisch umgesetzt werden können. Gewebe und Organe, die metabolisch sehr aktiv sind (z. B. Herz, Bauchspeicheldrüse und Leber), stellen jedoch eine große Herausforderung dar.

Abbildung 2. 3D-Druck-Strategie

Eines der Argumente für das klinische Translationspotenzial von bioprinted Geweben und Organen hat seinen Ursprung in der Bioprinting-Technologie selbst. Beim Bioprinting werden lebende Zellen in einer Biotinte eingesetzt, und die Verwendung von patientenspezifischen Zellen ist beim Bioprinting relativ neu. Stammzellen, wie z. B. embryonale Stammzellen und induzierte pluripotente Stammzellen, waren bisher eine perspektivisch unbegrenzte Quelle für patientenspezifische Zellen zur Herstellung von Geweben und Organen. Patientenspezifische Zellen können differenziert und dann bioprintet werden oder bioprintet und dann in mehrere Linien differenziert werden, um Gewebe und Organe zu konstruieren, die ein minimales Immunogenitätsrisiko verursachen.

Pharmazie und Hochdurchsatz-Screening

Ein weiterer wichtiger Bereich, in dem das 3D-Bioprinting erfolgreich sein soll, ist die Medikamentenentwicklung. Die meisten Medikamententests werden derzeit mit Hilfe von 2D-Zellkulturen durchgeführt. Wie in der Krebsforschung simulieren diese Kulturen nicht das natürliche Zellverhalten. Xenografting (Transplantation von menschlichen Zellen) auf Tiere wird nun eingesetzt, um dieses Problem zu lösen. Dieser Ansatz ist jedoch aufgrund der biochemischen, metabolischen und genetischen Unterschiede zwischen den Spezies eine Herausforderung. Es wird vermutet, dass diese Probleme der Hauptgrund für die hohe Misserfolgsrate bei der Bewertung der neuen Medikamentenkandidaten sind. Trotz ständiger Bemühungen, den Prozess der Medikamentenentwicklung zu verbessern, erreicht nur einer von 10.000 neuen chemischen Substanzen und einer von zehn Medikamentenkandidaten die klinischen Studien, die endgültige Zulassungsphase und kommt auf den Markt. Andererseits ist für die Verwendung von 3D-Bioprinting für pharmazeutische Tests anstelle von In-vivo-Studien keine behördliche Genehmigung erforderlich. Dadurch wird der Durchsatz der Medikamentenentwicklung möglicherweise um ein Vielfaches gesteigert. Unter den verschiedenen Methoden für das Engineering von 3D-In-vitro-Systemen hat das Bioprinting gravierende Vorteile, wie z.B. die Kontrollierbarkeit von Größe und Mikroarchitektur, die hohe Durchsatzkapazität, die Möglichkeit der Co-Kultur und das geringe Risiko einer Kreuzkontamination. Aus diesem Grund werden bioprinted Gewebe und Organe zunehmend als potenzielle Modelle für die Toxikologie und das Hochdurchsatz-Screening von Medikamenten in Betracht gezogen.

Leber- und Tumorgewebe sind ein Schwerpunkt bei der Konstruktion von Gewebemodellen für die Pharmazie gewesen. In diesem Zusammenhang wurde die Herstellung eines bioprinted Leber-Mikroorganmodells für den Arzneimittelstoffwechsel untersucht (Abb. 3). Das bioprinted 3D-Leber-Mikroorgan wurde für die Simulation der physiologischen Leberreaktion auf Medikamentenverabreichung und toxische Chemikalienexposition verwendet. Der Arzneimittelmetabolismus wurde durch die Umwandlung des nicht fluoreszierenden Pro-Drugs 7-Ethoxy-4-Trifluormethylcumarin (EFC) in den fluoreszierenden Metaboliten 7-Hydroxy-4-Trifluormethylcumarin (HFC) demonstriert. Epithelzellen und Hepatozyten, die in Matrigel™ eingekapselt sind, wurden verwendet, um den Weg des Wirkstoffs zu zeigen, der aus dem Blutkreislauf in das Gewebe diffundiert. Epithelzellen sind die Zellen, die das Lumen abdecken, durch das die Medikamente vom Blutstrom zum Ziel gelangen, wobei Hepatozyten als Zielzelltyp verwendet wurden. Basierend auf dem vorgestellten Gewebemodell wurde ein computergestütztes Makromodell unter Verwendung eines numerischen Rahmens für Konvektions-Diffusions-Zellkinetik entwickelt. Das neueste Modell erweist sich als sehr hilfreich für die zukünftige Forschung im Bereich der 3D-Mikroorganismen-Pharmakokinetik und Toxizität.

Abbildung 3. Bioprinted Gewebemodelle für Medikamententests und Hochdurchsatz-Screening. (a) Bioprinted Lebergewebe. (b) Bioprinted-Nierengewebe (c) Bioprinted-Hautgewebe (d) 3D-Bioprinted-Knochenreparaturmaterial (e) gedrucktes zellhaltiges Hydrogel (f) multizelluläre 3D-Bioprinted-Herzgewebekonstrukte.

Sich entwickelnde mikrotechnische Technologien ermöglichen eine anpassungsfähige Produktion von zellbasierten 3D-Mikroarrays, einschließlich weicher Lithographie, Oberflächenstrukturierung, mikrofluidischer Manipulation und Bioprinting. Unter ihnen hat die Bioprinting-Technologie den Vorteil, Co-Kulturen und Einzelzell-Arrays mit präziser Kontrolle der Zelldichte herzustellen. In einer kürzlich durchgeführten Studie wurde eine neuartige tintenstrahlbasierte Bioprinting-Methode für die Herstellung einer Miniaturplattform für das Screening von Medikamenten mit hohem Durchsatz verwendet. Die Autoren haben mit Escherichia coli beladenes Alginat bioprinted, um einen Chip auf Deckgläsern anzuordnen. Mittels Layer-by-Layer-Ansatz wurden Tröpfchen von drei Antibiotika auf die Zellflecken gedruckt. Die Ergebnisse zeigten eine ähnliche Zellviabilität, Funktionalität und antibakterielle Wirkung der Antibiotika in inkjet-bioprinted und mikropipettierten Proben.  Damit erweisen sich die Inkjet-bioprinted High-Throughput Arrays als effektive Methode, um die Dauer typischer Wirkstoff-Screening-Tests zu minimieren. Weiterhin wurden zellbasierte Biosensoren (CBBs) vorgestellt, bei denen mittels akustischem Bioprinting ein Microarray aus glatten Muskelzelltröpfchen in Kollagen erzeugt wurde. Das bioprinted Microarray wurde dann verschiedenen Umgebungsbedingungen (z.B. Temperatur) ausgesetzt und der Effekt der applizierten Stimuli sowie der Bioprinting-Prozessparameter auf die Zellviabilität wurde bewertet. Neben dem 3D-Bioprinting von Zell-Microarrays mit hohem Durchsatz ist auch die kontrollierte Abgabe von Wirkstoffkandidaten in Zell-Microarrays ein wichtiger Faktor für ein effektives Wirkstoffscreening. Es wurden verschiedene Methoden für die kontrollierte Wirkstoffabgabe auf Zell-Mikroarrays vorgeschlagen, einschließlich Wirkstoffmusterung, Wirkstoffstempeln, Aerosolsprays und mikrofluidische Wirkstoffbeladung.

Krebsforschung

Die immensen zukünftigen Möglichkeiten der 3D-Bioprinting-Technologie im biomedizinischen Bereich sind bereits gut dokumentiert. Einer der Bereiche, in dem sich Wissenschaftler vom 3D-Bioprinting einen Nutzen erhoffen, ist die Krebsforschung. Die Mikroumgebung des Tumors sowie die biologischen Strukturen und Substanzen, die den Tumor umgeben, sind ein wesentlicher Bestandteil des Krebsverhaltens und noch nicht vollständig verstanden. Bisher wurden für diese Untersuchungen Tiermodelle und 2D-Zellkulturen eingesetzt. Sie bilden jedoch das Verhalten menschlicher Krebszellen in vivo, das eine komplizierte Interaktion der Tumorzellen mit der zellulären Umgebung und anderen Zellen beinhaltet, nicht präzise ab. Neueste Forschungen legen nahe, dass 3D-Modelle das Verhalten von Tumorzellen genauer widerspiegeln, und das Bioprinting ist eine vielversprechende Technik, die bei solchen Studien zum Einsatz kommen könnte. Ein Vorteil, den das 3D-Bioprinting besitzt, ist, dass Zellen explizit in ein 3D-Modell mit seinen extrazellulären und strukturellen Elementen gestaltet werden können. Alternative Ansätze unterscheiden sich dadurch, dass sie eine Selbstmontage erfordern, die wesentlich zeitaufwändiger ist, oder ein Scaffolding, bei dem die Stützmatrix unabhängig von der Zellkultur entwickelt wird. Darüber hinaus bietet das 3D-Bioprinting sowohl die Möglichkeit, bestimmte Gewebe- und Zellstrukturen zu drucken als auch patientenspezifisch zu sein. Die Zellen eines Patienten können biopsiert, gezüchtet und bioprintet werden, entsprechende Strukturen hergestellt und das Ansprechen auf ein Medikament oder die effektive Dosis untersucht werden.

Der Einsatz des Bioprinting-Ansatzes in der Krebsforschung ist jedoch neu und es wurden nur wenige Studien in diesem aufstrebenden Anwendungsbereich durchgeführt. Zum ersten Mal wurde das Bioprinting von Tumorgewebe mit menschlichen Ovarialkarzinomzellen (OVCAR-5) und MRC-5-Fibroblasten demonstriert. In dieser Studie wurde eine Inkjet-basierte Bioprinting-Plattform mit Dual-Ejektoren verwendet. Der vorgeschlagene Ansatz stellte nicht nur ein Werkzeug für die Krebsforschung dar, sondern bot auch eine großartige Plattform für das Hochdurchsatz-Screening. Dieselben Forscher führten Bioprinting von HeLa-Zellen durch, um Gebärmutterhalstumormodelle zu bilden. Obwohl diese beiden Studien die Bioproduktion von Tumor-Sphäroiden mit Hilfe der Bioprinting-Technologie vorstellten, ist die Konstruktion größerer Gewebemodelle zur Untersuchung der Migration und Metastasierung von Krebszellen ebenfalls entscheidend. Ein anderer Ansatz konzentrierte sich auf die Verwendung eines laserbasierten 3D-Projektionsdrucksystems zum Bioprint von HeLa-Zellen und nicht krebsartigen 10 T1/2-Fibroblasten in PEGDA zusammen mit einem mikrovaskulären Netzwerk mit Kanalbreiten von 25, 45 und 120 μm, um Blutgefäßdurchmesser zu simulieren. Zusätzlich zu den gerüstbasierten Ansätzen wurde auch ein gerüstfreies Bioprinting eines Brustkrebsmodells mit der NovoGen Bioprinting™-Plattform durchgeführt. Bei diesem Versuch wurden Krebszellen von einem physiologisch relevanten Stromamedium umgeben, das aus MSC-differenzierten Fettzellen, Brustfibroblasten und Endothelzellen besteht.

Schlussbemerkungen und Ausblick

Jüngste Untersuchungen haben gezeigt, dass das 3D-Bioprinting ein aufstrebender Ansatz ist, der eine breite Anwendung in verschiedenen Bereichen findet, einschließlich der Grundlagenforschung im Tissue Engineering, der regenerativen Medizin und der Krebspathogenese, dem Gewebe-Bioprinting für Transplantationen und Kliniken, und erfolgreich in der Pharmazie für Medikamententests und Hochdurchsatz-Screening eingesetzt werden könnte. Derzeit gibt es etwa 15 verschiedene Gewebetypen, die in unterschiedlichen experimentellen Studien verwendet werden. Es gibt jedoch noch einige andere menschliche Gewebe, die noch nicht angefasst wurden. In dieser Hinsicht müssen zukünftige Versuche im Bioprinting anderer Gewebe- und Organmodelle unternommen werden, die eine Herausforderung darstellen, aber die Medizin revolutionieren können. Dies hängt auch von den Innovationen auf dem Gebiet des Tissue Engineering ab, da die Bioprinting-Forschung entscheidend von unserem Verständnis unerforschter Gewebetypen abhängt. Darüber hinaus sollte sich eine der neuen Richtungen im Bioprinting auf die Biofabrikation neuer Arten von Organen konzentrieren, wie z. B. bionische Organe oder Organe, die in der Natur nicht existieren.

Der Großteil der 3D-Bioprinting-Forschung hat sich um homozelluläre Gewebemodelle mit einem einzigen Zelltyp entwickelt. Natives Gewebe hat jedoch eine heterozelluläre Natur mit mehreren Zelltypen, die in einer hochkomplexen Anatomie organisiert sind. Obwohl einfache Bioprinting-Gewebsmodelle in der Grundlagenforschung relativ akzeptabel sind, erfordert die Herstellung von funktionellem Gewebe für klinische oder pharmazeutische Studien die Einbeziehung mehrerer Zelltypen. So kann ein Teil der Funktionalität von Zellen durch Zell-Zell-Interaktionen ermöglicht oder weiter verstärkt werden. Daher erfordert das Bioprinting mehrerer Zelltypen weitere Untersuchungen zu den optimalen Kulturbedingungen einschließlich des richtigen Mediums und der Reagenzien, um ihr Wachstum und Verhalten zu unterstützen.

Heutige Versuche der Translation von Bioprinting in die Transplantation beschränken sich hauptsächlich auf Mausmodelle. Allerdings sind die Mausmodelle klein und die physiologischen Bedingungen unterscheiden sich deutlich von denen des Menschen. Zum Beispiel kann ein kleines Pankreasgewebe mit 3D-bioprinted Inseln in ein diabetisches Mausmodell implantiert werden und die Insulinsekretion regulieren. Andererseits ist das durchschnittliche Volumen der Inselchen in einer Mauspankreas etwa 100.000 Mal kleiner als in einer menschlichen Bauchspeicheldrüse. Daher ist das Bioprinting von Geweben und Organen im Maßstab 1:1 extrem wichtig, um sie in klinisch relevanten Dimensionen zu konstruieren. Größere Tiere wie ein Schweinemodell können ein Übergangsschritt zu Versuchen am Menschen sein, da diese Tiere der menschlichen Physiologie näher entsprechen als kleine Tiere. Um bioprinted Organe für den klinischen Einsatz zu skalieren, ist neben der mechanischen Festigkeit, Elastizität und strukturellen Langzeitstabilität auch die Herstellung von hierarchischen Gefäßnetzwerken entscheidend. Zusätzlich ist die Integration von Nervengewebe und die Bildung von Innervation ein kritischer Schritt zur Herstellung von funktionellem Gewebe und Organen, da Gewebe wie Herz, Muskel und Haut Innervation benötigen, was derzeit eine Herausforderung beim Bioprinting darstellt. Der Großteil der Bioprinting-Forschung verwendet Hydrogel-basierte Biotinten, da sie eine günstige Umgebung für das 3D-Wachstum von Zellen darstellen. Allerdings haben Hydrogele schwache mechanische Eigenschaften, wenn sie in niedrigen Konzentrationen verwendet werden, um die Zellproliferation zu unterstützen. Darüber hinaus können biologisch abbaubare Materialien wie Thermoplaste als Hintergrundgerüst für das Scale-up von Geweben und Organen verwendet werden. Verfügbare Biomaterialien, wie z. B. synthetische Polymere, sind zwar stabil, aber ihr Abbau ist schwierig, zeitaufwendig und passt nicht genau zum Prozess der Geweberegeneration. Daher ist die Entwicklung neuer Biomaterialien entscheidend für den Fortschritt beim Bioprinting von Geweben und Organen für den klinischen Einsatz. Neben den Biomaterialien ist auch die Auswahl der richtigen Zellquelle ein kritischer Faktor für den erfolgreichen klinischen und pharmazeutischen Einsatz. Für die personalisierte Medizin ist es eine Herausforderung, verschiedene primäre Zelltypen zu erhalten. Stammzellen stellen eine vielversprechende Zellquelle dar. Weitere Untersuchungen sind erforderlich, um Standardprotokolle für die Differenzierung von Stammzellen in verschiedene stabile und funktionale Zelllinien zu etablieren.

Eine weitere prominente Art der Gewebeherstellung für das Hochdurchsatz-Screening sind die Miniatur-3D-Array-Plattformen wie Tissue-on-a-Chip- oder Organ-on-a-Chip-Modelle. Die Kombination der Bioprinting-Technologie mit anderen Technologien, wie z. B. der Mikrofluidik, ist für die Herstellung von physiologisch simulierten, komplexen und langfristig lebensfähigen Ziel-Mikroorganismen-Arrays unerlässlich. Die Anwendung von Technologien, die Pikoliter-Tropfen mit geringem Grad an Zellschädigung erzeugen und über Einzelzellsortierfähigkeiten verfügen, sollte beim Bioprinting von Zell-Mikroarrays gefördert werden. Die kontrollierte Abgabe von Medikamenten auf Zell-Mikroarrays sollte ebenfalls in Betracht gezogen und umgesetzt werden.

Obwohl bereits mehrere Versuche unternommen wurden, die Mikroumgebung von Krebszellen mit Hilfe der Bioprinting-Technologie nachzubilden, sind weitere Fortschritte erforderlich, um eine physiologisch relevante, vollständige Mikroumgebung zu konstruieren, die den Tumorbereich, den gesunden Bereich und das dazwischen liegende mikrovaskuläre Netzwerk umfasst, um Krebsmetastasenforschung zu betreiben. Tumorgewebe-Modelle sollten präzise in bioprinted vaskularisierten parenchymalen Geweben platziert werden, um ihr Wachstum, die Intravasation und Extravasation von Tumorzellen zu untersuchen.

Test: LO2 Fortgeschrittenes Niveau

Referenzen

  • AZoMaterials. 3D bioprinting and its applications (2018). https://www.azom.com/article.aspx?ArticleID=17370
  • Bhise NS et al. 2014. Organ-on-a-chip platforms for studying drug delivery systems. Journal of Controlled Release. doi:10.1016/j.jconrel.2014.05.004
  • Harris M. 2018. Print me an organ. https://physicsworld.com/a/print-me-an-organ/
  • Liang M, Yutong W, Li Y, et al. 2020. Current Advances on 3D-Bioprinted Liver Tissue Models. Adv. Healthcare Mat., doi: 10.1002/adhm.202001517
  • Murphy SV, Atala A. 2014. 3D bioprinting of tissues and organs. Nat. Biotechnol., 32: 773–785.Varotto A. 2015. Global Market for 3D Printing., BCC Research, ISBN: 1-62296 -006-8
  • Ozbolat IT, Peng W, Ozbolat V. 2016. Application areas of 3D bioprinting. Drug Discovery Today. doi:10.1016/j.drudis.2016.04.006
  • Park JY, Jang J, Kang HW. 2018. 3D Bioprinting and its application to organ-on-a-chip. Microelectron. Eng.. doi:10.1016/j.mee.2018.08.004
  • Wang C, et al. 2014. Three-dimensional in vitro cancer models: a short review. Biofabrication, doi: 10.1088/1758-5082/6/2/022001.
  • Yao R, et al. 2016. Three-dimensional printing: review of application in medicine and hepatic surgery. Cancer Biol Med
  • Grigoryan B, Paulsen S, Corbett D, et al. 2019. Functional intravascular topologies and multivascular networks within biocompatible hydrogels. Science, 464: 458-464.
  • Augustine R. 2018. Skin bioprinting: a novel approach for creating artificial skin from synthetic and natural building blocks. Prog Biomater., 7: 77–92.
  • Datta P, Ayanb B, Ozbolat IT. 2017. Bioprinting for vascular and vascularized tissue biofabrication. Acta Biomaterialia, 51: 1-20.
  • AZoMaterials. 3D bioprinting and its applications (2018). https://www.azom.com/article.aspx?ArticleID=17370
  • Bhise NS et al. 2014. Organ-on-a-chip platforms for studying drug delivery systems. Journal of Controlled Release. doi:10.1016/j.jconrel.2014.05.004
  • Harris M. 2018. Print me an organ. https://physicsworld.com/a/print-me-an-organ/
  • Liang M, Yutong W, Li Y, et al. 2020. Current Advances on 3D-Bioprinted Liver Tissue Models. Adv. Healthcare Mat., doi: 10.1002/adhm.202001517
  • Murphy SV, Atala A. 2014. 3D bioprinting of tissues and organs. Nat. Biotechnol., 32: 773–785.Varotto A. 2015. Global Market for 3D Printing., BCC Research, ISBN: 1-62296 -006-8
  • Ozbolat IT, Peng W, Ozbolat V. 2016. Application areas of 3D bioprinting. Drug Discovery Today. doi:10.1016/j.drudis.2016.04.006
  • Park JY, Jang J, Kang HW. 2018. 3D Bioprinting and its application to organ-on-a-chip. Microelectron. Eng.. doi:10.1016/j.mee.2018.08.004
  • Wang C, et al. 2014. Three-dimensional in vitro cancer models: a short review. Biofabrication, doi: 10.1088/1758-5082/6/2/022001.
  • Yao R, et al. 2016. Three-dimensional printing: review of application in medicine and hepatic surgery. Cancer Biol Med
  • Grigoryan B, Paulsen S, Corbett D, et al. 2019. Functional intravascular topologies and multivascular networks within biocompatible hydrogels. Science, 464: 458-464.
  • Augustine R. 2018. Skin bioprinting: a novel approach for creating artificial skin from synthetic and natural building blocks. Prog Biomater., 7: 77–92.
  • Datta P, Ayanb B, Ozbolat IT. 2017. Bioprinting for vascular and vascularized tissue biofabrication. Acta Biomaterialia, 51: 1-20.

Biosensoren & Biochips for Sustainable Future

Fortgeschrittenes Niveau

Das Gebiet der synthetischen Biologie ist in den letzten zehn Jahren explodiert und hat einen großen Einfluss auf Bereiche wie Metabolic Engineering, Protein Engineering, Digital Biology und Whole Genome Engineering.

Inhalt

 

Biosensoren & Biochips-Technologien: Beitrag zum nachhaltigen Leben der Zukunft

Das Gebiet der synthetischen Biologie ist in den letzten zehn Jahren explodiert und hat einen großen Einfluss auf Bereiche wie Metabolic Engineering, Protein Engineering, Digital Biology und Whole Genome Engineering. Im Rahmen von iterativen „Design-Build-Test“-Entwicklungszyklen hat ein bedeutender Teil der Innovationen der synthetischen Biologie stattgefunden. Im Bereich der Synthetischen Biologie kann Fortschritt mit Innovationen in jedem der Prozesse „Design“, „Build“ und „Test“ verbunden werden. So gab es beispielsweise einen großen Vorstoß zur Standardisierung von Elementen innerhalb der synthetischen Biologie, wobei der Modularität und „Plug-and-Play“-Komponenten große Aufmerksamkeit gewidmet wurde. Diese Modularisierung hat zusammen mit dem beschleunigten Fortschritt in der Systembiologie ermöglicht, dass die „Design“-Phase weniger zeitaufwändig und weniger abhängig von fortgeschrittenem Wissen ist. In den vergangenen Jahren sind die Kosten für die DNA-Sequenzierung und -Synthese ebenfalls dramatisch gesunken, was die kostengünstige Synthese großer Konstrukte ermöglicht. In der Bauphase hat dies eine schnelle Verbesserung ermöglicht und den Forschern geholfen, einen größeren Anteil des Raums der biologischen Lösung zu untersuchen. Schließlich ist innerhalb der „Test“-Phase der synthetischen Biologie auch das Hochdurchsatz-Screening in den Fokus gerückt. Das gestiegene „Design“- und „Build“-Potenzial hat zu einem erhöhten Erfolgsanspruch bei der Bewertung der Fülle neuer Designs beigetragen. Dies wiederum geschah durch die Einbindung von Robotern und Hochdurchsatzanalytik in das Laborumfeld, in dem neue Modelle auf einem Niveau evaluiert werden können, das für menschliche Forscher nicht erreichbar ist. Dadurch können große Konstrukte kostengünstig synthetisiert werden. In der Bauphase hat dies eine schnelle Verbesserung ermöglicht und den Forschern geholfen, einen größeren Anteil des Raums der biologischen Lösung zu untersuchen. Schließlich ist innerhalb der „Test“-Phase der synthetischen Biologie auch das Hochdurchsatz-Screening in den Fokus gerückt.

Biosensoren stellen eine bahnbrechende neue Technologie für das Hochdurchsatz-Screening dar, die implementiert werden kann. Genauer gesagt werden sie als analytisches Werkzeug klassifiziert, das aus biologischen Komponenten besteht, die zum Nachweis und zur Erzeugung eines Signals für die Anwesenheit eines Zielliganden verwendet werden. Die Synthetische Biologie steht an der Spitze der Biosensorik, sowohl als Werkzeug für das Hochdurchsatz-Screening, als auch als direktes Ergebnis von Entwicklungen auf dem Gebiet der Synthetischen Biologie selbst. Darüber hinaus haben Biosensoren aufgrund der beispiellosen Spezifität und Sensitivität, die biologische Teile im Vergleich zu herkömmlichen analytischen Methoden bieten, zunehmendes Interesse als Alternativen zur traditionellen Analytik gewonnen.

Das Design und der Bau von Biosensoren ist ein multidisziplinäres Unterfangen und kann Expertise in Bereichen wie Proteinengineering, Molekularbiologie, Affinitätschemie, Molekulardynamik von Nukleinsäuren, Materialwissenschaften und Nanotechnologie umfassen. Biosensoren verbinden sich in ihrem einfachsten Stadium mit einem Zielliganden, erfahren irgendeine Art von Modifikation und geben ein Signal aus. In allen Teilen dieses Prozesses gibt es eine große Vielfalt an möglichen Konfigurationen. Zielliganden reichen von einzelnen Atomen wie Calcium bis hin zu ganzen Proteinen wie Thrombin. So unterschiedliche Prozesse wie enzymatische Aktivität, Fluoreszenz, Erzeugung von elektrischem Strom und transkriptionelle Aktivität umfassen Ausgangssignale. Ebenso vielfältig sind die Mechanismen, die die Ligandenerkennung in funktionelle Signale umwandeln.

Im Bereich der Analytik stellen Biosensoren einen bedeutenden Fortschritt dar. Um die Analytik weg von rein physik- oder chemiebasierten Frameworks zu bewegen, hat die Integration biologischer Komponenten in die sensorische Diagnostik begonnen. Dies hat analytische Funktionen ermöglicht, die nicht gut an konventionelle Verfahren angepasst sind, um eine große Vielfalt und Spezifität biologischer Komponenten durchzuführen. Die theoretischen und demonstrierten Biosensoranwendungen decken einen bedeutenden Bereich der menschlichen Gesellschaft und Aktivität ab. Biosensoranwendungen werden je nach Messbereich in drei große Kategorien eingeteilt.

  • Gruppendiagnostik: Umwelt-, Landwirtschafts- und Industrieanwendungen
  • Point-of-Use-Diagnostik: Medizin- und Sicherheitsanwendungen
  • Einzelzelldiagnostik: Metabolic Engineering und Anwendungen der synthetischen Biologie

Biosensoren & Biochips: Fortschritte in der medizinischen Diagnostik

Biosensoren bestehen aus einem Biokatalysator, der ein biologisches Element erkennen kann, und einem Transducer, der das Auftreten der Biokatalysator- und der biologischen Elementkombination in einen messbaren Parameter umwandeln kann.

Der Biokatalysator kann über Biomoleküle wie Enzyme, DNA, RNA, Metabolite, Zellen, Oligonukleotide usw. und elektrochemische, kalorimetrische, optische, akustische, piezoelektrische usw. der Wandler sein. Biosensoren, die immobilisierte Zellen, Enzyme und Nukleinsäuren verwenden, sind in den letzten Jahren in der Krankheitsdiagnostik auf den Markt gekommen. Für die Entwicklung krankheitsdiagnostischer Biosensoren wurden auch Nanobiosensoren verwendet, die die ultrakleine Größe und die einzigartigen Eigenschaften nutzen. Der Einsatz von Biosensoren kann schnell den Gesundheitszustand, den Ausbruch und das Fortschreiten der Erkrankung bestimmen und mit Hilfe einer multidisziplinären Kombination aus Chemie, Medizin und Nanotechnologie helfen, die Behandlung vieler Krankheiten vorzubereiten. Die Geräte sind kostengünstig, reaktionsschnell, schnell, benutzerfreundlich und können in großen Mengen für den menschlichen Gebrauch hergestellt werden.

Solche von Cammann geprägten Biosensoren sind analytische Instrumente, die ein elektrisches Signal in eine biologische Reaktion umwandeln. Biosensoren können in der Regel hochpräzise sein und sollten recycelbar und unabhängig von physikalischen Grenzen wie pH, Temperatur sein. Ein praktischer Ansatz zum Design eines Biosensors erfordert Herstellungs-, Immobilisierungs- und Transduktionsgeräte, die multidisziplinäre Forschungstechniken sowohl in der Chemie als auch in der Biologie bieten.

Aufgrund ihres Wirkmechanismus werden die diagnostischen Biosensoren in vier große Gruppen eingeteilt:

  1. Enzymbasierte biokatalytische Biosensoren
  2. Bioaffinitätsgruppe, dh Anwesenheit von Antikörper, Antigen und Nukleinsäure
  3. Mikroben, dh Mikroorganismen enthaltende Biosensoren
  4. Nanosensoren, dh aktive Nanopartikelsensoren, die typischerweise die Sensitivität und Spezifität für die Früherkennung von Krankheiten erhöhen

Diese verschiedenen Arten von Biosensoren helfen dabei, Hormonspiegel, Medikamente, Toxine, Schadstoffe, Schwermetalle, Pestizide usw. mit signifikanter Spezifität zu identifizieren.

Biosensoren sind Werkzeuge, die üblicherweise biologische Markerniveaus oder jede chemische Reaktion schätzen, indem sie Signale erzeugen, die hauptsächlich mit der Konzentration eines Analyten in der chemischen Reaktion in Verbindung stehen. Typischerweise helfen solche Biosensoren bei der Überwachung von Krankheiten, der Entdeckung von Medikamenten, der Erkennung von Schadstoffen, der Erkennung von Bakterien, die Krankheiten verursachen, und Markern, die normalerweise auf Krankheitszustände wie Körperflüssigkeiten (Speichel, Blut, Urin, Schweiß usw.) hinweisen. Ein typischer Biosensor ist in Abbildung 1. Gezeigt.

Abbildung 1. Schematische Darstellung des Biosensors

Ein typischer Biosensor besteht aus:

  1. Analyt: Eine Substanz von Interesse, wie Glukose für Diabetes, die bestimmt werden muss.
  2. Biorezeptor: Ein Biorezeptor für Enzyme kann ein Molekül sein, das den Analyten erkennt.
  3. Transducer: Normalerweise wird ein Bioerkennungsereignis in ein nachweisbares Signal umgewandelt, das als Signalisierung bezeichnet wird.
  4. Elektronik: In Anzeigeform verarbeitet sie typischerweise das umgewandelte Signal.
  5. Anzeige: Typischerweise ergibt sich die Flüssigkristallanzeige in Kombination mit Hard- und Software zur Biosensorgenerierung benutzerfreundlich.

Es gibt mehrere Biosensoranwendungen, die in verschiedenen Bereichen eingeführt wurden, z. B. in der Medizin, im Meeressektor, in der Lebensmittelindustrie usw., und diese Biosensoren sind oft auf eine verbesserte Empfindlichkeit und Linearität im Vergleich zu herkömmlichen Methoden programmiert. Die Anwendung von Biosensoren nimmt jedoch im Bereich der Medizin immer mehr zu.

Glukose-Biosensoren im Diabetesmanagement

Die Blutzuckerüberwachung ist zu einem wertvollen Instrument bei der Behandlung von Diabetes geworden, und die täglichen Blutzuckerspiegel werden typischerweise von konsultierten Klinikern aufrechterhalten, die eine Reihe von Blutzuckersensoren entwickelt haben. Diabetes mellitus ist die größte vorherrschende endokrine Störung des Kohlenhydratstoffwechsels mit einer höheren Morbidität und Mortalität in Entwicklungsländern. Bei Diabetikern sind Mehrfachtests zur Untersuchung und Überwachung von Diabetesmarkern üblich. Die wichtigsten Diagnosekriterien für Diabetes sind der Blutzuckerspiegel, zu dem auch die Selbstkontrolle des Blutzuckerspiegels durch Diabetiker gehört. Studien haben gezeigt, dass mikrovaskuläre (Nephropathie, Neuropathie und Retinopathie) und makrovaskuläre (koronare Herzkrankheit und Schlaganfall) Komplikationen durch Kontrolle des Blutzuckerspiegels im normalen Bereich verbessert werden können. Die Blutglukose wird bei gesunden Personen typischerweise im Bereich von 4,9-6,9 mM beobachtet und kann bei Diabetikern nach der Glukoseaufnahme auf bis zu 40 mM ansteigen. Obwohl verschiedene Arten von Glukosesensoren im Handel erhältlich sind, wird die dritte Generation von Glukose-Biosensoren gezeigt inFigur 2als Beispiel.

Abbildung 2. Glukose-Biosensor der dritten Generation

Erkennung von Herz-Kreislauf-Erkrankungen mit Biosensoren

Die Zahl der weltweit durch Herz-Kreislauf-Erkrankungen (CVD) verursachten Todesfälle ist beträchtlich und mehr Menschen sterben an CVD als an jeder anderen Krankheit. Bis 2015 starben etwa 17,7 Millionen Menschen an Herz-Kreislauf-Erkrankungen, was insgesamt 31 % aller weltweiten Todesfälle entspricht. 7,4 Millionen davon waren auf eine koronare Herzkrankheit und 6,7 Millionen auf einen Schlaganfall zurückzuführen. Durch Medikamente und Therapie muss eine Person mit CVD früher erkannt und behandelt werden. Die aktuelle Strategie zur Erkennung von CVD basiert auf der traditionellen Methode, die normalerweise auf Tests basiert, die viele Stunden oder sogar Tage dauern können. Die WHO legt diese diagnostischen Kriterien fest, unter denen Patienten mindestens eine der Bedingungen wie Veränderungen im diagnostischen Elektrokardiogramm (EKG), Erhöhung biochemischer Marker in ihren Blutproben und charakteristische Brustschmerzen verfolgen sollten. Das EKG ist ein wichtiger Parameter für das Therapiemanagement, jedoch ist das EKG bei CVD ein schlechter diagnostischer Test, da die Hälfte der CVD-Patienten ein normales Kardiogramm aufweist, was die Diagnose dieser Erkrankung erschwert. Biosensoren helfen bei der schnellen Diagnose, bieten eine hervorragende Gesundheitsversorgung und reduzieren die Verzögerungszeit für die Verteilung der Ergebnisse, die für die Patienten eine immense Belastung darstellen kann.

Biosensor zur Erkennung von Krebs

Krebs ist eine der tödlichsten Krankheiten, und mehrere Forscher haben kürzlich Biosensoren zur Krebsfrüherkennung entwickelt. Die meisten Krebsarten werden typischerweise durch MRT-, Ultraschall- oder Biopsiemethoden diagnostiziert, die auf den physikalischen Eigenschaften und dem Vorhandensein des Tumors beruhen und entweder fortschrittliche oder invasive Instrumente identifizieren. Die Variationen der Gensequenzen, also Mutationen, verursachen in erster Linie Krebs und erfordern daher eine frühzeitige Diagnose, bevor die Krankheit fortschreitet. Die Krebsfrüherkennung macht die Behandlung schneller und erfolgreicher und eröffnet eine Biosensor-Plattform zur Erkennung von Krebsfrühstadien. Viele Experten gehen davon aus, dass bei Krebs eine Früherkennung möglich sein könnte, da Auffälligkeiten in der chemischen und genetischen Zusammensetzung lange vor Ausbruch der Krankheit erkannt werden können. Unkontrolliertes und unregelmäßiges Zellwachstum, das allgemein für Krebs gehalten wird, tritt aufgrund der Anhäufung einzigartiger genetischer Mutationen und epigenetischer Defekte auf. Die Tumorzellen sind resistent gegen Apoptose und die körpereigenen Abwehrmechanismen gegen Wachstum. Wenn es fortschreitet und beginnt, sich auf andere Körperorgane und -systeme auszudehnen, dh im Stadium der Metastasierung, wird der Krebs unheilbar. Die onkogene Stimulation und die Einschränkung der Funktion von Tumorsuppressorgenen (TSGs) sind die beiden wichtigsten Tumorentstehungsmechanismen. Aufgrund der Mutation oder Replikation eines normalen Gens (Proto-Onkogen) findet eine Aktivierung des Onkogens statt, das Schlüsselrollen einschließlich der Kontrolle des Zellwachstums, der Proliferation und/oder der Differenzierung spielt. Eine solche genetische Mutation führt das Gen dazu, eine überschüssige Menge seines Genprodukts zu produzieren, was zu einer Fehlregulation der Zellteilung, des Zellwachstums und der Tumorbildung führt. Viele Onkogene gelten als vielversprechende Krebsbiomarker für Wachstumsfaktorrezeptoren. Bei ~ 33 % aller Brustkrebserkrankungen ist der humane epidermale Wachstumsfaktor-Rezeptor Her-2 verstärkt, und Krebserkrankungen mit verstärktem Her-2 scheinen sich schneller zu entwickeln und zuzunehmen. Die Kenntnis des Her-2-Status ist daher für den Abschluss eines möglichen Medikationsverlaufs unerlässlich. Trastuzumab ist heute eine typische adjuvante Therapie für Patienten mit dieser Art von verstärkter Genexpression, ein rekombinanter humanisierter monoklonaler Antikörper, der auf Her-2 als unkomplizierte Behandlung von Brustkrebs abzielt. TSGs stehen im Zusammenhang mit der Kontrolle von unzureichendem Zellwachstum und -proliferation durch Minimieren oder Verhindern der Zellteilung. Retinoblastomprotein (Rb), BRCA1/2 und p53 sind drei der gut untersuchten TSGs bei Krebs. Rb ist ein Hauptregulator der Zellteilung, und Rb-Mutation spielt bei verschiedenen Krebsarten eine bedeutende Rolle. Die häufigsten Ursachen für die Inaktivierung des Rb1-Gens sind Punktmutationen und Deletionen. BRCA1 ist ein DNA-Reparaturenzym, das mit dem „Korrekturlesen“ von neu replizierter DNA auf Genauigkeit und Mutationensuche in Verbindung gebracht wird. Bis sich die Zelle teilt, arbeiten DNA-Reparaturenzyme normalerweise daran, Replikationsfehler auszuschneiden. BRCA1-Genmutationen sind für 50 % der erblichen Brustkrebserkrankungen und 80-90 % der erblichen Brust- und Eierstockkrebsarten verantwortlich. Schließlich ist das p53-Protein ein Hauptregulator der Apoptose oder des programmierten Zelltods. In Gehirn, Brust, Dickdarm, Lunge, hepatozellulären Karzinomen und Leukämie werden p53-Mutationen gefunden. Eine weitere signifikante Beteiligung am p53-Verlust besteht darin, dass er zum Resistenzmechanismus von Chemotherapeutika führt.

Biochip in der Diagnostik

Der DNA-Biochip eröffnet ein neues genetisch basiertes Feld der Diagnostik. Die Art und Weise, wie die Mediziner Bluttests durchführen, könnte durch einen neu entwickelten DNA-Biochip revolutioniert werden. Mit dem streichholzschachtelgroßen Biochip sind sie praktisch sofort da, ohne dass ein Patient mehrere Tage auf Ergebnisse aus einem Labor warten muss. Und ohne Einbußen bei der Genauigkeit erfordert es weniger Blut. Der DNA-Biochip reduziert den Bedarf an radioaktiven Markierungen für den Nachweis und spart zusätzlich Zeit. Für Techniker und Labormitarbeiter, die Proben handhaben und Tests durchführen, reduziert dies die Kosten und zukünftige Auswirkungen auf die Gesundheit erheblich. Es senkt auch die Entsorgungskosten, das nach strengen Vorschriften mit chemisch gekennzeichnetem Blut gehandhabt werden muss.

Ein Biosensor muss hochempfindlich und in der Lage sein, beispielsweise zwischen Bakterien, Viren oder anderen chemischen oder biologischen Spezies zu unterscheiden, um zum Nachweis von Verbindungen in einer Probe aus dem wirklichen Leben nützlich zu sein. Laut Vo-Dinh, der klarstellte, dass der Biochip die ausgeklügelten Erkennungsfähigkeiten eines lebenden Systems nachahmt, tun dies DNA-Biochips. Der DNA-Biochip ist ein auf Gensonden basierender Biosensor, im Gegensatz zu anderen Biosensoren, die auf Enzym- und Antikörpersonden basieren. Biosensoren auf Gensondenbasis bieten eine außergewöhnliche Selektivität und Sensitivität, was sie zu wertvollen Werkzeugen für die Diagnose genetischer Krankheiten und infektiöser Arten macht.

Biochip bei Tuberkulose-Epidemie

Die Entwicklung neuer Biochip-Technologien durch russische und amerikanische Wissenschaftler könnte Hoffnung machen, das weltweite Wiederaufleben der Tuberkulose zu stoppen. Die Technologie wurde vom Argonne National Laboratory des US-Energieministeriums und dem WA Englehardt Institute of Molecular Biology (Moskau) der Russischen Akademie der Wissenschaften entwickelt und soll helfen, die derzeitige Vielfalt arzneimittelresistenter Stämme der Krankheit zu bekämpfen.

Die Weltgesundheitsorganisation berichtet, dass an Tuberkulose mehr junge Menschen und Erwachsene sterben, einschließlich AIDS und Malaria zusammen, als an jeder anderen Infektionskrankheit. Die größte Herausforderung der anhaltenden Tuberkulose-Epidemie besteht darin, dass die Krankheit durch mehrere verschiedene Bakterienarten verursacht werden kann und jede einzelne gegen verschiedene Medikamente resistent ist. Das entscheidende Element bei der Kontrolle der Krankheit besteht darin, den Stamm zu bestimmen, der einen bestimmten Patienten betrifft, und das beste Antibiotikum zur Bekämpfung dieses Stamms zu bestimmen. Um zwischen zahlreichen Tuberkulose-Stämmen zu unterscheiden, will Argonne die Biochip-Technologie in der Forschung einsetzen. Zunächst würden Tests an Segmenten von genetischem Material durchgeführt, die Tuberkulosebakterien entnommen wurden. Biochips sind so konzipiert, dass sie gleichzeitig eine Reihe biochemischer Reaktionen durchführen und haben sich in Labortests als zufriedenstellend erwiesen. Da der Nachweis bestimmter Tuberkulosestämme Wochen oder Monate dauert, werden Patienten häufig mehrere Antibiotika gleichzeitig verschrieben.

Biochip bei Krebs

Die Biosensor-Chip-Technologie bietet auch schnellen und einfachen Zugang zu wichtigen Informationen über krebserregende DNA-Schäden, die die Forscher im Kampf gegen Krebs einen Schritt näher bringen. Im Gegensatz zu herkömmlichen Methoden der Biosensorik bietet eine laserbasierte, hochauflösende und Niedertemperatur-Fluoreszenzmethode einen präzisen Fingerabdruck des Moleküls. Möglicherweise fördert die einfache Handhabung den Ersatz invasiver endoskopischer Verfahren und hilft, Dickdarmkrebs frühzeitig zu erkennen.

Biosensoren & Biochips für Lebensmittel und Landwirtschaft

Die heutige Nahrungsmittelproduktion steht vor immensen Herausforderungen durch die wachsende Bevölkerung, die Erhaltung sauberer Ressourcen und Nahrungsmittelqualität sowie den Schutz von Umwelt und Klima. Lebensmittelnachhaltigkeit ist hauptsächlich eine gemeinsame Anstrengung, die zur Entwicklung von Technologien führt, die sowohl von Regierungen als auch von Unternehmen finanziert werden. Mehrere Versuche wurden unterstützt, um Herausforderungen zu überwinden und die Triebkräfte in der Lebensmittelproduktion zu verbessern. Biosensoren und Biosensor-Technologien werden über ihre Anwendungen weit verbreitet eingesetzt, um die großen Herausforderungen der Lebensmittelproduktion und deren Nachhaltigkeit zu lösen. Dadurch steigt der Bedarf an Biosensorik im Bereich der Lebensmittelnachhaltigkeit. Die Mikrofluidik definiert ein technologisches System, das mehrere Technologien kombiniert. Nanomaterialien mit ihrer Biosensor-Technologie, ist bekannt als das innovativste Instrument, das mit der Weltbevölkerung im Umgang mit Gesundheits-, Energie- und Umweltfragen eng verbunden ist. Der Bedarf an Point-of-Care-Technologie (POC) in diesem Bereich konzentriert sich auf Analysewerkzeuge, die schnell, einfach, präzise, ​​kompakt und kostengünstig sind.

Für unsere Existenz und unser Leben ist Nahrung mit ihrer Produktionsindustrie unerlässlich; und ihre Nachhaltigkeit ist für das kontinuierliche menschliche Wachstum auf dem Planeten von wesentlicher Bedeutung. Die gegenwärtige Nahrungsmittelproduktion steht vor immensen Schwierigkeiten durch die Zunahme der menschlichen Bevölkerung, die Erhaltung sauberer Ressourcen und Nahrungsmittelqualität sowie den Schutz von Umwelt und Klima. Einige dieser Probleme stammen aus der Lebensmittelproduktion selbst; andere stammen aus anderen mit der Lebensmittelproduktion verbundenen Industrien. Lebensmittelrückrufe zum Beispiel verursachen mit schätzungsweise 15 Millionen US-Dollar pro Vorfall in den letzten Jahren großen Schäden für die Glaubwürdigkeit und das Prestige von Lebensmittelmarken. 48 Millionen Krankheitsfälle sind jährlich für 3000 Todesfälle durch lebensmittelbedingte Krankheiten verantwortlich.

Lebensmittelsicherheit ist weitgehend eine gemeinsame Anstrengung von Regierungen und Unternehmen in der Technologieentwicklung. Um neue Herausforderungen in Fragen der Lebensmittelsicherheit zu stellen, können Informationstechnologien wie die Blockchain-Technologie die Kommunikation zwischen Lebensmittelqualität, Medien und Verbrauchern beschleunigen. Fünf Herausforderungen können als die Hauptherausforderungen bei der Nachhaltigkeit der Lebensmittelproduktion zusammengefasst werden: die Herausforderung der Lebensmittelsicherheit bei der Produktion; die Qualitätsherausforderung der Lebensmittelvielfalt und -qualität; die wirtschaftliche Herausforderung im führenden Lebensmittelsystem, einschließlich seiner Verpackung und Lieferkette; die Umweltherausforderung, einschließlich der Verarbeitung von Lebensmittelabfällen; und die technische Herausforderung bei der Schaffung und Erzeugung neuartiger Lebensmittel.

Grundsätzlich ist ein Biosensor ein analytisches Instrument, das verwendet wird, um das interessierende Molekül (Ziel) einer Probe zu messen. Im Allgemeinen wird ein für das Ziel einzigartiger Bioerkennungsfaktor (Aptamer, Antikörper, Enzym usw.) verwendet. Durch molekulare Erkennungsereignisse zwischen dem Erkennungselement und der Zielverbindung wird ein physikalisch-chemisches oder biologisches Signal ausgelöst, das durch den Transducer in eine messbare Größe umgewandelt wird. Die Signale werden entweder optisch (kolorimetrisch, Fluoreszenz, Chemilumineszenz und Plasmonenoberflächenresonanz) oder elektrisch (Voltammetrie, Impedanz und Kapazität) oder in jedem anderen gewählten Format angezeigt (Abbildung 3).

Abbildung 3. Klassifizierung von Biosensoren basierend auf Transducer- und Bioerkennungselementen, die in der Lebensmittelanalyse verwendet werden

Als eines der Hauptziele der Lebensmittelanalyse ist die Lebensmittelsicherheit ein wichtiges Gesundheitsproblem sowohl für das Leben von Tieren als auch für den Menschen. Der Fortschritt der Analysetechnologie für die Lebensmittelsicherheit bedeutet, dass sie im Einklang mit dem steigenden Interesse an und dem Schwerpunkt auf Fragen der Lebensmittelversorgungssicherheit gedeiht. In der Lebensmittelsicherheitsanalyse sind traditionelle Ansätze arbeitsintensiv, zeitaufwändig und erfordern geschulte Techniker. Die Anwendung der Mikrofluidik in der Lebensmittelsicherheitsanalyse bietet neue Erkenntnisse darüber, wie durch Lebensmittel übertragene Toxine, Allergene, Krankheitserreger, Gefahrstoffe, Schwermetalle und andere Kontaminanten effektiv und schnell nachgewiesen werden können. Die Eigenschaften der Mikrofluidik, wie Miniaturisierungsfähigkeit, kompakte und reduzierbare Proben- und Reagenzienmengen, machen sie zu einer perfekten Technologie für die Entwicklung der Nachhaltigkeit von Lebensmitteln. Die komplexe Zubereitung der Lebensmittelmatrix und schwierige Herstellungsschritte sind die aktuellen Herausforderungen bei der Anwendung der Mikrofluidik auf die Nachhaltigkeit von Lebensmitteln. Diesen Herausforderungen kann begegnet werden, indem physikalische Eigenschaften in Abhängigkeit von spezifischen Testzielen genutzt, komplexe mikrofluidische Plattformen für die reale Lebensmittelanalyse entwickelt und Biomoleküle wie Lebensmittelproteine ​​und DNA in mikrofluidische Systeme integriert werden.

Nanomaterialien in der Biosensorik

Mit ihrer Biosensor-Technologie sind Nanomaterialien das meistversprechendste Werkzeug im Umgang mit Gesundheits-, Energie- und Umweltproblemen der Bevölkerung in der Welt. Als Nanomaterialien werden Partikel bezeichnet, die in mindestens einer Größendimension kleiner als 100 nm sind. Bei diesen Nanomaterialien handelt es sich um Biokompositpolymere auf Basis von Metall, Metalloxid und Kohlenstoff, und es wurden verschiedene Arten von Nanopartikeln etabliert, wie magnetische Eisen-, Aluminium-, Gold-, Silber-, Kupfer-, Siliziumdioxid-, Zink-, Zinkoxid-, Ceroxid- und Titandioxid-Nanopartikel. und ein-/mehrwandige Kohlenstoffnanoröhren (CNTs). Die Nanotechnologie und ihre landwirtschaftliche Entwicklung wurden in verschiedenen Bereichen stark ausgeweitet. Zu diesen Bereichen gehören die Lebensmittelproduktion, der Pflanzenschutz, der Nachweis von Krankheitserregern und Toxinen, die Wasserreinigung, die Lebensmittelverpackung, die Abwasserentsorgung, und Umweltsanierung. Die Verbesserung der Produktivität und Leistung der Anwendungen ist die Priorität dieser landwirtschaftlichen Bereiche.

Im Bereich Lebensmittelsicherheit und -schutz wurden Biosensor-Technologien für den Nährstoff- und Qualitätsnachweis, den Nachweis von Krankheitserregern und den Nachweis von Toxinen entwickelt, wie unten aufgeführt.

Nährstoff- und Qualitätsnachweis

Lebensmittelschutzmaßnahmen können in zwei Kategorien unterteilt werden: Verlust nach der Ernte und Biosicherheit der Lebensmittel. Biosicherheit von Nahrungsmitteln bedeutet Kontamination und Degradation von Nahrungsmitteln, die in den späteren Abschnitten angesprochen werden, durch ökologische, politische, unfaire wirtschaftliche Gewinne, Krieg oder Rache. Andererseits deutet der Verlust nach der Ernte auf die Nährstoffe und essbaren Bedingungen in Lebensmitteln hin, die zwischen der Erntezeit und dem Moment des Verzehrs durch Technologien aufrechterhalten werden müssen. Da die Zeit von Minuten bis Jahren unterschiedlich ist, sind bei der Aufrechterhaltung und Reduzierung von Verlusten Technologien wichtig, die sich auf die Reduzierung von Nachernteverlusten konzentrieren.

Um die Lebensmittelqualität zu erhalten und Nachernteverluste zu vermeiden, können neue Technologien wie Biosensorik eingesetzt werden. Biosensoren wurden beispielsweise entwickelt, um Süßstoffmengen in Lebensmitteln zu erkennen und zu analysieren, mit denen sowohl natürliche als auch künstliche Süßstoffe nachgewiesen werden können. Süßstoffe werden häufig in der Lebensmittelproduktion und -verarbeitung verwendet, aber vor kurzem wurde festgestellt, dass sie beim Menschen gesundheitliche Probleme verursachen. Ein Mehrkanal-Biosensor wurde entwickelt, um die elektrophysiologische Erfassung von Geschmacksepithelien zu nutzen, um sowohl natürliche als auch künstliche Süßstoffe zu erkennen und zu analysieren. Um Langzeitsignale von Saccharose, Glucose, Cyclamat bzw. Saccharin zu erkennen, werden die Signale durch raumzeitliche Techniken untersucht. Der Biosensor kann zwischen verschiedenen Konzentrationen mit dosisabhängig erhöhten Reaktionen des Geschmacksepithels von verschiedenen Süßungsmitteln unterscheiden. Es kann auch zwischen zwei natürlichen Süßstoffen unterscheiden: Saccharose und Glukose, mit zwei Signalmustern. Für Glukose beträgt der Nachweisbereich 50–150 mM und für Saccharin 5–15 mM.

Nachweis von Krankheitserregern

Aufgrund ihres reduzierten Formats können Biosensoren zum Nachweis von Krankheitserregern wie Bakterien (Tabelle 1) und Pilzen (Tabelle 2) eingesetzt werden. Das begann vor mehr als zwei Jahrzehnten: ein Gerät, um mehrere Probleme zu beheben, und eine Multi-Panel-Signalerkennung. Das Ligandenmotiv ist ein entscheidendes Element im Biosensordesign für den Pathogennachweis, da es die Empfindlichkeit und Effizienz des Geräts bestimmt. Ziel ist es, eine schnelle, spezifische und sensitive Plattform zu etablieren, um in Lebensmittelproben das Vorhandensein oder Fehlen von Krankheitserregern nachzuweisen. Es wurde entdeckt, dass es keinen idealen Liganden gibt und verschiedene Liganden unterschiedliche Vorteile haben. Die Kombination von Biorezeptoren zum Nachweis einer großen Vielfalt von Mikroben in verschiedenen Proben stellt aktuelle Herausforderungen beim Nachweis von Pathogen-Biosensoren dar; neue synthetische Ligandendesigns wie Aptamere, kleine Moleküle und Peptide; und der Einbau verschiedener Liganden in ein tragbares Gerät, um einen schnellen, effektiven und kostengünstigen Nachweis zu erreichen.

Tabelle 1. Bedingungen für die Anzahl der in Milch gewachsenen Bakterien

Temperatur °C 24 Stunden 48 Stunden 96 Stunden 168 Stunden
0 2100 2100 1850 1400
4 2500 3600 218,000 4,200,000
8 3100 12,000 1,480,000
10 11,600 540,000
15 180,000 28,000,000
30 1,400,000,000

Tabelle 2. Temperatur- und Wasseraktivitätsanforderungen für das Pilzwachstum

Spezies Minimum Optimum Maximal Minimum Optimum
Aspergillus ruber 5 24 38 0.72 0.93
A. amstelodami 10 30 42 0.70 0.94
A. flavus 12 35 45 0.80 0.99
A. fuminatus 12 40 52 0.83 0.99
A. niger 10 35 45 0.77 0.99
Penicillium martensii 5 24 32 0.90 0.99

Nachweis von Toxinen

Der Hauptstrom der Entwicklung in der Lebensmittelsicherheit sind elektrochemische Biosensoren zum schnellen Nachweis und zur Bewertung von Lebensmittelgiften. Es wurden zahlreiche Plattformen entwickelt, um kundenspezifische und individualisierte Geräte zu ermöglichen, um besondere Umwelt- und Organisationsanforderungen zu erfüllen und die Nachweisgrenzen von nM bis fM zu erreichen. Um beispielsweise einzigartige Bindungsprofile zu fördern, adressieren Biorezeptor-Arrays einzelne Elektroden, die mit verschiedenen Biorezeptoren mit Bindungszielen funktionalisiert sind. Neben der elektrochemischen Biosensorik wurden Toxin- und chemische Detektion in der Lebensmittelproduktion auch auf andere Biosensoren wie optische und piezoelektrische Sensoren angewendet (Figur 4). Um Giftstoffe zu erkennen, wurden fluoreszierende Nanopartikel in Lebensmitteln und Körpern hergestellt, einschließlich oberflächlicher, inter- und intrazellulärer Lebensmittel.

Abbildung 4. Vorherrschende Lebensmittelkontaminanten und die Zielanalyten in der Lebensmittelindustrie

Die Toxinextraktion aus komplizierten Lebensmittelproben ist eines der Haupthindernisse bei der Entwicklung eines vollautomatischen Toxindetektors. Um ihre schädlichen Konzentrationen aus Lebensmittel- und Wasserproben automatisch zu bestimmen, wird erwartet, dass potenzielle Systeme Toxine extrahieren, verarbeiten und messen. Bei der Identifizierung, Unterscheidung und Quantifizierung chemischer Toxine in Lebensmittelmatrices wurden ausgeklügelte Trennstrategien mit SERS gekoppelt. Darüber hinaus können chemische Verunreinigungen aus der Lebensmittelverarbeitung eine Herausforderung darstellen, auch wenn sie normalerweise in geringeren Mengen vorliegen. Geringere Stabilität, Selektivität und Sensitivität sind eine weitere Herausforderung beim Nachweis von Lebensmitteltoxinen, bei denen MIPs eine Lösung sein können, um stabile und kostengünstige Alternativen bereitzustellen.

Schwermetalle wie Ag+, As3+, Cd2+, Hg2+, Pb2+ und Zn2+ sind als chemische Schadstoffe bekannt, die stabile Oxidationszustände bilden und Stoffwechselwege stören, was zu Gesundheitsproblemen führt. Aptamer- und DNA-basierte Biosensoren können Schwermetalle sowohl im Nanobereich als auch im sehr großen Maßstab nachweisen, was für das Screening und die Überwachung der Lebensmittelsicherheit geeignet ist. Um Arsenat in Lebensmitteln nachzuweisen, basiert ein schwermetalldetektierender Biosensor auf gentechnisch veränderten Bakterienzellen und einem grün fluoreszierenden Signalverstärker. Mit einem Detektionsbereich von 5-140 μg/L Arsen dauert die Arsen-Detektion nur eine Stunde und kann in die optische Ausgangsleistung für seine zukünftige Biosensor-Lichtleitfaser integriert werden. Andere Biosensortechnologien sind zum Beipiel Aptamere,

Die Nanotechnologie wurde auf zwei getrennte Bereiche von Pestiziden für die Landwirtschaft und Ernährung angepasst: als Träger von Pestiziden für das Pestizidmanagement und als Spurenmengendetektor für Pestizide. Im ersten Bereich sind Nanopartikel in der Lage, Pestizide langsam zu modifizieren, um Insektenschädlinge zu bekämpfen, was dazu beiträgt, die Verschmutzung des Grundwassers und des Oberbodens zu verhindern, den Pestizidgehalt zu senken und die Effizienz zu verbessern. Im zweiten Feld verbessert bio- oder biomimetisch basierte Nanotechnologie wie Antikörper, Enzyme, Aptamere und MIP-ähnliche Makromoleküle die Stabilität, Selektivität, Sensitivität und Nachweisgeschwindigkeit. Darüber hinaus sind Bakterien-, Pilz-, Algen- und Säugerzellen zellbasierte Biosensoren, die beim Nachweis von Pestiziden und Herbiziden verwendet werden und helfen, schnelle, zuverlässige, Echtzeit- und kostengünstige Werkzeuge für Dekontaminationsverfahren und präventive Unfallschäden zu entwickeln.

Karzinogene, Geruchsstoffe und Meeresschadstoffe sind weitere Giftstoffe, die bei der Lebensmittelproduktion von Bedeutung sind. Karzinogene sind eine komplexe Gruppe von Spuren von Toxinen, wie Pestizide, Schwermetalle, Mykotoxine und Acrylamid, bei denen die Schwierigkeit der Identifizierung von Spurenmengen eine Herausforderung darstellt; und geprägte Aptamere, Nanotechnologie und Biosensorik sind optimistisch für eine vielversprechende zukünftige Verwendung. Empfindliche und lösliche Moleküle, die bei der Geruchserkennung für olfaktorische Tiersysteme wirksam sind, sind geruchsbindende Proteine. Es wurde ein Nanosensor entwickelt, der lokalisierte SPR und kleine geruchsstoffbindende Proteine ​​von Honigbienen kombiniert, wobei der Nachweisbereich 10 nM – 1 mM unter Verwendung einer quantitativen Anordnung von Nanobechern beträgt. Um eine stabile Umgebung für marine Nahrungssysteme zu überwachen und zu erhalten, wird die Erkennung von Meereskontaminanten verwendet.

Ein weiteres Entwicklungskit für Biosensoren für die Lebensmittelsicherheit konzentriert sich auf den Nachweis von genetisch veränderten Organismen (GVO) in Lebensmitteln. Seit den 1990er Jahren gelten GVO in allen Bereichen landwirtschaftlicher Produkte als biotechnologische Revolution. Derzeit sind mehr als 45 Prozent der weltweit angebauten Sojabohnen, 40 Prozent des Maises und 50 Prozent der Baumwolle gentechnisch veränderte Produkte; und GM wird auch in der Viehzucht verwendet. Neuere Forschungen zeigen jedoch, dass GVO-Produkte den menschlichen und tierischen Körper durch Magen-Darm-Probleme, Antibiotikaresistenz, Allergenität, Diversität des Abbaus von landwirtschaftlichen Produkten und unerwünschten Genfluss auf andere Arten beeinträchtigen können. Biosensoren wurden entwickelt, um GVO in Lebens- und Futtermitteln mit isothermer DNA-Amplifikation und schneller Erkennung von Signalen zu messen, um gv-Gene zu identifizieren.

Biosensoren & Biochips für die Umweltüberwachung

Aufgrund des starken Zusammenhangs zwischen Umweltverschmutzung und menschlicher Gesundheit/sozioökonomischem Fortschritt ist die Umweltüberwachung zu einer Priorität auf europäischer und globaler Ebene geworden. Biosensoren werden auf diesem Gebiet häufig als kostengünstige, schnelle In-situ- und Echtzeit-Analysetechniken verwendet. Die jüngste Entwicklung von Biosensoren mit neuen Transduktionsmaterialien aus der Nanotechnologie und für den Multiplex-Schadstoffnachweis unter Einbeziehung multidisziplinärer Experten erklärt den Bedarf an kompakten, schnellen und intelligenten Biosensorgeräten. Bei der Überwachung von Luft-, Wasser- und Bodenverunreinigungen durch Biosensoren unter realen Bedingungen gibt es mehrere neuere Entwicklungen, wie Pestizide, hochgiftige Komponenten und kleine organische Moleküle, einschließlich Toxinen und endokrin wirksamen Chemikalien.

Biosensoren, die in der Umweltüberwachung verwendet werden, können aufgrund ihrer Transduktion in optische (einschließlich Glasfaser- und Oberflächenplasmonenresonanz-Biosensoren), elektrochemische (einschließlich amperometrische und Impedanz-Biosensoren) und piezoelektrische (einschließlich Quarzkristall-Mikrowaagen-Biosensoren) oder als Immunsensoren, Aptasensoren, Genosensoren kategorisiert werden. Hinzukommen enzymatische Biosensoren, die sich auf ihren Erkennungselementen bzw. bei Verwendung von Antikörpern, Aptameren, Nukleinsäuren und Enzymen basieren lassen. Die meisten Biosensoren in der Umweltüberwachung werden als Immunsensoren und enzymatische Biosensoren anerkannt, aber die Entwicklung von Aptasensoren hat in letzter Zeit aufgrund der vorteilhaften Eigenschaften von Aptameren, wie einfache Modifizierung, thermische Stabilität, In-vitro-Synthese und die Fähigkeit, ihre Struktur zu entwerfen, zugenommen.

Die Studie zum Design von Biosensoren zur Überwachung von organischen Schadstoffen, potenziell toxischen Elementen und Krankheitserregern in der Umwelt hat aufgrund der Umweltverschmutzungsprobleme, mit denen die menschliche Gesundheit konfrontiert ist, zu einer nachhaltigen Entwicklung der Zivilisation geführt. Verschiedene chromatographische Techniken (wie Gaschromatographie und Hochleistungsflüssigkeitschromatographie in Kombination mit Kapillarelektrophorese oder Massenspektrometrie) sind konventionelle Analysemethoden zur Umweltüberwachung von Schadstoffen, die jedoch teure Reagenzien, zeitaufwändige Probenvorbehandlung und teure Geräte erfordern. Also, zur Überwachung von Schadstoffen, die für schädliche Auswirkungen auf Lebensräume und die menschliche Gesundheit verantwortlich sind, für sensible, kostengünstige, schnellere, einfacher und kompaktere Biosensor-Geräte werden dringend benötigt, um die Vergrößerung von Umweltproblemen zu überwinden. Im Falle einer versehentlichen Freisetzung von Pestiziden oder einer akuten Vergiftung sind beispielsweise übliche Methoden nicht für In-situ-Messungen geeignet, bei denen schnelle, miniaturisierte und tragbare Geräte wie Biosensoren zur Umweltüberwachung erforderlich sind. In dieser Hinsicht ist die Rolle der Nanotechnologie bei der Entwicklung schneller und intelligenter Biosensorik-Geräte entscheidend für den Erfolg des Nachweises von Umweltschadstoffen. Die neuesten Biosensoren umfassen Nanomaterialien und neuartige Nanokomposite in ihren Systemen, die für die Verbesserung der analytischen Leistung, wie Empfindlichkeit und Nachweisgrenzen, von Vorteil sind. Gängige Methoden sind nicht für In-situ-Messungen geeignet, bei denen schnelle, miniaturisierte und tragbare Geräte wie Biosensoren zur Umweltüberwachung erforderlich sind. In dieser Hinsicht ist die Rolle der Nanotechnologie bei der Entwicklung schneller und intelligenter Biosensorik-Geräte entscheidend für den Erfolg des Nachweises von Umweltschadstoffen.

Für den Nachweis und die Überwachung verschiedener Umweltschadstoffe wurden Biosensoren, einschließlich Immunsensoren, Aptasensoren, Genosensoren und enzymatische Biosensoren, unter Verwendung von Antikörpern, Aptameren, Nukleinsäuren und Enzymen als Erkennungselemente dokumentiert.

Pestizide

Pestizide gehören aufgrund ihrer großen Präsenz in der Umwelt zu den bedeutendsten Umweltschadstoffen. In der Landwirtschaft werden beispielsweise phosphororganische Insektizide häufig verwendet und stellen eine Gruppe von Pestiziden dar, die aufgrund ihrer hohen Toxizität von immenser Umweltbelastung sind. Daher haben sich einfache, reaktionsschnelle und miniaturisierte In-situ-Methoden wie Biosensoren als analytische Strategien für deren Nachweis und Überwachung etabliert, ohne dass eine umfassende Probenvorbehandlung erforderlich ist.

Amperometrische enzymatische Einweg-Biosensoren (Acetylcholinesterase) wurden für den Nachweis von Organophosphor-Insektiziden unter Verwendung von Paraoxon als Modellanalyt vorgeschlagen, der eine selbstorganisierte Cysteamin-Monoschicht auf Gold-Siebdruckelektroden aufbringt. Die Einweg-Biosensoren zeigten ein lineares Spektrum von bis zu 40 ppb mit einer Nachweisgrenze von 2 ppb und einer Empfindlichkeit von 113 µA mM cm-2. Bei Verwendung der selbstorganisierten Monoschicht könnte ein gutes analytisches Ergebnis auf die stark orientierte Enzymimmobilisierung zurückzuführen sein. Nach Tests in Flusswasserproben, die mit 10 ppb Paraoxon versetzt waren, wurden Wiederfindungen von 97 ± 5 Prozent (n = 3) berichtet, was auf die Wirksamkeit solcher enzymatischer Biosensoren hinweist. Darüber hinaus entfallen durch den Einsatz von Einweg-Siebdruckelektroden zeitaufwändige Verfahren wie die Reaktivierung immobilisierter Enzyme unter Verwendung von z.B.

Nanopartikel auf Basis von Iridiumoxid wurden in dem enzymatischen Einweg-Biosensor mit Tyrosinase basierend auf kostengünstigen siebgedruckten Kohlenstoffelektroden zum Nachweis von Chlorpyrifos in Flusswasserproben verwendet. Es wurde über eine lineare Biosensorantwort (0,01–0,1 μM) und eine niedrige Nachweisgrenze (3 nM) berichtet, was auf die hohe Leitfähigkeit der Nanopartikel von Iridiumoxid und die Tyrosinase-Effizienz zurückzuführen sein könnte. Wiederfindungstests wurden in Flusswasserproben unter Zugabe von 0,1 μM Chlorpyrifos durchgeführt und es wurden Wiederfindungen von 90 ± 9,6 Prozent mit einer Reststandardabweichung (RSD) von weniger als 10 Prozent (n = 3) erzielt, um die Anwendbarkeit des Biosensors zu demonstrieren .

Acetamiprid wurde durch kolorimetrische Aptasensoren und Wasserproben durch impedimetrische Aptasensoren in realen Umweltproben, wie frischen Oberflächenbodenproben, nachgewiesen. Beim kolorimetrischen Aptasensor wurde ein linearer Bereich von 75 nM bis 7,5 μM und eine Nachweisgrenze von 5 nM beobachtet, während beim impedimetrischen Aptasensor ein breiterer linearer Bereich (50 fM bis 10 μM) und eine untere Nachweisgrenze (17 fM) beobachtet wurden. Goldnanopartikel, mehrwandige Kohlenstoffnanoröhren (MWCNT) und reduzierte Graphenoxid-Nanobänder wurden in diesem Biosensor als Verbundwerkstoff verwendet, um das Acetamiprid-Aptamer der Elektrodenoberfläche zu erhalten, das für einen höheren Elektronentransfer und eine verbesserte analytische Leistung des Biosensors verantwortlich sein könnte.

Krankheitserreger

Das Vorhandensein von Krankheitserregern in Umweltmatrizen und insbesondere in Wasserkompartimenten könnte ein ernsthaftes Risiko für die menschliche Gesundheit darstellen, und kürzlich wurden einige Biosensoren für die Überwachung der Umwelt vorgeschlagen. Beispielsweise wurden für den Nachweis von metabolisch aktiver Legionella pneumophila in komplexen Umweltwasserproben schnelle und präzise optische Biosensoren basierend auf Oberflächenplasmonenresonanz vorgeschlagen. In einer Studie beruhte das Nachweisprinzip auf der Identifizierung bakterieller RNA durch die immobilisierte RNA-Detektorsonde auf der Goldoberfläche des Biochips. Zur Signalverstärkung wurden Streptavidin-konjugierte Quantenpunkte verwendet, und die Nachweiszeit betrug ungefähr drei Stunden, was die Lebensfähigkeit der Biosensorvorrichtung für einen erfolgreichen Bakteriennachweis im Bereich von 104-108 KBE ml-1 anzeigt.

Potenziell giftige Elemente

Die Belastung der natürlichen Gewässer mit Schwermetallen und entsprechenden Ionen kann erhebliche Risiken für die menschliche Gesundheit darstellen und kompakte, kostengünstige und schnelle Schwermetallanalysen haben weltweit Priorität. Als Modelltarget zum Testen eines optischen DNA-Biosensors zum Nachweis extrem giftiger und in der Umwelt häufig vorkommender Schwermetallionen wurden Quecksilberionen (Hg2+) verwendet. Der Biosensor war kompakt, kostengünstig und schnell mit einem In-situ-Screening von Hg2+ in natürlichen Gewässern in weniger als 10 Minuten. Das Detektionsprinzip konzentriert sich auf die Fähigkeit bestimmter Metallionen, selektiv an bestimmte Basen zu binden, um stabile metallvermittelte DNA-Duplexe zu bilden; im Fall von Hg2+ können Thyminbasen selektiv koordiniert werden, um stabile Thymin-Hg2+-Thymin-Komplexe zu bilden. Im Nachweisbereich zwischen 0 und 1000 nM gilt eine Nachweisgrenze von 1.

Für den Nachweis von Pb2+ in Wasserproben (Teich- und Seewasserproben) unter Verwendung von DNAzymen/carboxylierten magnetischen Beads und DNA-Aptameren wurden kürzlich zwei fluoreszenzbasierte optische Biosensoren vorgeschlagen. Die Nachweisgrenzen von 5 nM bzw. 61 nM wurden von Biosensoren auf Basis von DNAzymen und DNA-Aptameren mit einem jeweiligen linearen Nachweisbereich von 0 bis 50 nM bzw. 100 bis 1000 nM eingehalten. Die Verwendung eines markierungsfreien einzigartigen Farbstoffs (SYBER Green I), der mit doppelsträngiger DNA interkaliert wurde und starke Fluoreszenzintensitäten zeigt, wie in Abbildung 5. Darüber hinaus wird das Fehlen der Biosensor-Fluoreszenzintensität nur mit dem Farbstoff beobachtet (Kurve a). Beim DNAzym + Pb2+ (Kurve b) nimmt die Fluoreszenzintensität mit der Zugabe von Farbstoff + DNAzym + Pb2+ zu, was die Sensitivität des Biosensors gegenüber Pb2+ verdeutlicht.

Abbildung 5. Fluoreszenzemissionsspektren zum Nachweis von Pb2+

Giftstoffe

Schädliche Toxine wie Brevetoxine und Microcystine werden durch die Eutrophierung aquatischer Systeme durch die Algenblüte von Cyanobakterien erzeugt, und daher werden genaue und kostengünstige Systeme zur Früherkennung solcher Toxine benötigt. Für den empfindlichen Nachweis von Brevetoxin-2, einem marinen Neurotoxin, wurde ein elektrochemischer Aptasensor verwendet, der aus Goldelektroden besteht, die mit selbstorganisierten Cysteamin-Monoschichten funktionalisiert sind. Es wurde eine Nachweisgrenze von 106 pg mL-1 erreicht und für Brevetoxin-2 wurde eine starke Selektivität gegenüber anderen Toxinen verschiedener Gruppen, wie Okadainsäure und Microcystin, beobachtet. Die Machbarkeit des Aptasensors zum Nachweis von Brevetoxin-2 in echten Proben wurde durch die Analyse von Schalentieren erreicht, und es wurden starke Wiederfindungen (102-110 Prozent) berichtet, was darauf hindeutet, dass keine Interaktion mit der Aptasensor-Antwort von der Schalentiermatrix vorliegt.

Endokrin wirksame Chemikalien

In Wasserproben wurde Bisphenol A als endokrin wirksame Chemikalie durch Aptasensoren nachgewiesen, die auf dem Fluoreszenzprinzip mit funktionalisierten Aptameren (Fluoresceinamidit) und Goldnanopartikeln basieren und auf evaneszenten Lichtwellenleitern basieren. Der optische Faseraptasensor für evaneszente Wellen war kompakt und erwies sich als schnell, kostengünstig, empfindlich und selektiv für den Nachweis von Bisphenol A in Wasserproben, wobei keine Vorkonzentrations- oder Behandlungsschritte erforderlich waren. Darüber hinaus kann der Aptasensor durch Regenerieren mit einer 0,5%igen Natriumdodecylsulfat (SDS)-Lösung und weiteres Waschen mit einer phosphatgepufferten Kochsalzlösung (PBS) (pH 7,2) für über hundert Testzyklen ohne merklichen Verlust an 90 s wiederverwendet werden (Effizienz). Ähnliche Nachweisgrenzen (0,1 und 0. 45 ng mL-1) wurden in beiden optischen Biosensoren beobachtet, bei denen die DNA-Molekülsonde, die die komplementäre Sequenz einer kleinen Fraktion des Bisphenol-A-Aptamers ist, durch elektrostatische Wechselwirkung an der Oberfläche von Goldnanopartikeln adsorbiert und auf der Oberfläche kovalent immobilisiert wurde der Faser. Für den Nachweis von Bisphenol A in Flusswasserproben mit Molybdäncarbid-Nanoröhren wurde kürzlich ein weiterer fluoreszenzbasierter Aptasensor vorgeschlagen. Mit einem solchen markierungsfreien, kostengünstigen und einfach zu verwendenden Aptasensor wurde eine niedrige Nachweisgrenze von 0.23 ng mL−1 erreicht. Die Spezifität des Aptasensors wurde durch die Analyse anderer Moleküle mit ähnlichen Strukturen wie Bisphenol A (z. B. 4,4J-Biphenol, Bisphenol AF und 4,

Ein wegwerfbarer und markierungsfreier elektrochemischer Immunsensor auf der Basis eines Feldeffekttransistors mit SWCNT wurde kürzlich in Meerwasserproben verwendet, um eine andere endokrinschädigende Chemikalie zu untersuchen – 4-Nonylphenol. Der Immunsensor hat eine hohe Reproduzierbarkeit (0,56 ± 0,08%), eine durchschnittliche Wiederfindung von 97,8% bis 104,6% und eine niedrige Nachweisgrenze (5 µg L-1), die unter der empfohlenen maximalen Konzentration von 7 µg L-1 liegt durch die entsprechenden Vorschriften. In Meerwasserproben wie 4-Nonylphenol könnte der Biosensor verwendet werden, um gefährliche prioritäre Stoffe selbst in niedrigen Konzentrationen und mit einer einfachen und kostengünstigen Methodik zu erkennen.

Andere Umweltverbindungen

Für die Früherkennung und Überwachung verschiedener anderer gefährlicher Verbindungen, die während der Algenblüte freigesetzt werden, wurden neue, schnelle und genaue Analysemethoden benötigt. Aufgrund der hervorragenden Sensitivität und Spezifität von Nukleinsäuresonden gegenüber ihren komplementären Bindungspartnern wurden Biosensoren zum Nachweis von Algen-RNA entwickelt. Für den verbesserten selektiven und sensitiven Nachweis von RNA aus 13 schädlichen Algenorganismen wurde kürzlich ein elektrochemischer Genosensor auf der Grundlage einer siebgedruckten Goldelektrode beschrieben; der Genosensor konnte RNA-Ziele von Umweltproben (Meerwasserproben mit Spikes) unterscheiden, die 105 Zellen enthielten, was als Nachweisgrenze gilt.

Test: LO3 Fortgeschrittenes Niveau

Verweise

  • Adami A; Mortari A; Morganti E; Lorenzelli L. 2018. Microfluidic Sample Preparation Methods for the Analysis of Milk Contaminants. Available online: https://www.hindawi.com/journals/js/2016/2385267/
  • Al-Mawali A. 2015. Non-communicable diseases: shining a light on cardiovascular dis- ease, Oman’s biggest killer. Oman Med. J., 30 (4): 227.
  • Arduini F, Guidone S, Amine A, Palleschi G, Moscone D. 2013. Acetylcholinesterase biosensor based on self-assembled monolayer-modified gold-screen printed electrodes for organophosphorus insecticide detection. Sens. Actuators B Chem., 179: 201–208.
  • Arduini F, Cinti S, Scognamiglio V, Moscone D. 2016. Nanomaterials in electrochemical biosensors for pesticide detection: advances and challenges in food analysis. Microchim. Acta, 183: 2063–2083.
  • Arugula MA, Simonian AL. 2016. Biosensors for Detection of Genetically Modified Organisms in Food and Feed. In Genetically Modified Organisms in Food, Elsevier: Amsterdam, The Netherlands, pp. 97–110, ISBN 978-0-12-802259-7.
  • Ayari-Jeridi H. et al. 2015. Mutation spectrum of RB1 gene in unilateral retinoblastoma cases from Tunisia and correlations with clinical features. PLoS One, 10 (1): e0116615.
  • Bahadır EB, Sezgintürk MK. 2017. Biosensor technologies for analyses of food contaminants. In Nanobiosensors, Elsevier: Amsterdam, The Netherlands, pp. 289–337, ISBN 978-0-12-804301-1.
  • Baldwin CJ. 2015. Introduction to the Principles. In The 10 Principles of Food Industry Sustainability, John Wiley & Sons, Ltd.: Hoboken, NJ, USA, pp. 1–14, ISBN 978-1-118-44769-7.
  • Beck MB, Walker VR. 2013. On water security, sustainability, and the water-food-energy-climate nexus. Front. Environ. Sci. Eng., 7: 626–639.
    Belkhamssa N, da Costa JP, Justino CIL, Santos PSM, Cardoso S, Duarte AC, Rocha-Santos T, Ksibi M. 2016. Development of an electrochemical biosensor for alkylphenol detection. Talanta, 158: 30–34.
  • Bhalla N. et al. 2016. Introduction to biosensors. Essays Biochem., 60 (1): 1–8.
  • Bohunicky B, Mousa SA. 2011. Biosensors: the new wave in cancer diagnosis. Nanotechnol. Sci. Appl., 4: 1.
  • Bourne MC. 2014. Food Security: Postharvest Losses. In Encyclopedia of Agriculture and Food Systems, Elsevier: Amsterdam, The Netherlands, pp. 338–351, ISBN 978-0-08-093139-5.
  • Bruen D et al. 2017. Glucose sensing for diabetes monitoring: recent developments. Sensors, 1866.
  • Burris KP, Stewart CN. 2012. Fluorescent nanoparticles: Sensing pathogens and toxins in foods and crops. Trends Food Sci. Technol., 28: 143–152.
    Byrne B et al. 2009. Antibody-based sensors: principles, problems and potential for detection of pathogens and associated toxins. Sensors, 9 (6): 4407–4445.
  • Cash KJ, Clark HA. 2010. Nanosensors and nanomaterials for monitoring glucose in diabetes. Trends Mol. Med., 16 (12): 584–593.
  • Chao R, Mishra S, Si T, Zhao H. 2017. Engineering biological systems using automated biofoundries. Metab. Eng., 42: 98–108.
  • Chen Y, Li H, Gao T, Zhang T, Xu L, Wang B, Wang J, Pei R. 2018. Selection of DNA aptamers for the development of light-up biosensor to detect Pb(II). Sens. Actuators B Chem., 254: 214–221.
  • Eissa S, Siaj M, Zourob M. 2015. Aptamer-based competitive electrochemical biosensor for brevetoxin-2. Biosens. Bioelectron., 69: 148–154.
  • Elmore S. 2007. Apoptosis: a review of programmed cell death. Toxicol. Pathol., 35 (4): 495–516.
  • Enrico DL, Manera MG, Montagna G, Cimaglia F, Chesa M, Poltronieri P, Santino A, Rella R. 2013. PR based immunosensor for detection of Legionella pneumophila in water samples. Opt. Commun., 294: 420–426.
  • EPA. National Recommended Water Quality Criteria—Aquatic Life Criteria Table. Available online: http://www.epa.gov/wqc/national-recommended-water-quality-criteria-aquatic-life-criteria-table
  • Fei A, Liu Q, Huan J, Qian J, Dong X, Qiu B, Mao H, Wang K. 2015. Label-free impedimetric aptasensor for detection of femtomole level acetamiprid using gold nanoparticles decorated multiwalled carbon nanotube-reduced graphene oxide nanoribbon composites. Biosens. Bioelectron., 70: 122–129.
  • Foudeh AM, Trigui H, Mendis N, Faucher SP, Veres T, Tabrizian M. 2015. Rapid and specific SPRi detection of L. pneumophila in complex environmental water samples. Anal. Bioanal. Chem., 407: 5541–5545.
  • Garnet TF. 2013. Food sustainability: Problems, perspectives and solutions. Proc. Nutr. Soc., 72: 29–39.
  • Gheorghe I, Czobor I, Lazar V, Chifiriuc MC 2017. Present and perspectives in pesticides biosensors development and contribution of nanotechnology. In New Pesticides and Soil Sensors, Elsevier: Amsterdam, The Netherlands, pp. 337–372, ISBN 978-0-12-804299-1.
  • Ghorashi M. 2018. Technology’s Role in Eradicating Foodborne Illness. Available online: https://www.foodsafetymagazine.com/signature-series/technologye28099s-role-in-eradicating-foodborne-illness/
  • Giacinti C, Giordano A. 2006. RB and cell cycle progression. Oncogene, 25 (38): 5220–5227.
  • Guo L, Li Z, Chen H, et al. 2017. Colorimetric biosensor for the assay of paraoxon in environmental water samples based on the iodine-starch color reaction. Anal. Chim. Acta, 967: 59–63.
  • Hameed I, et al. 2015. Type 2 diabetes mellitus: from a metabolic disorder to an inflammatory condition. World J. Diabetes, 6 (4): 598.
    Hassani S, Momtaz S, Vakhshiteh F, et al. 2017. Biosensors and their applications in detection of organophosphorus pesticides in the environment. Arch. Toxicol., 91: 109–130.
  • He MQ, Wang K, Wang J, Yu YL, He RH. 2017. A sensitive aptasensor based on molybdenum carbide nanotubes and label-free aptamer for detection of bisphenol A. Anal. Bioanal. Chem., 409: 1797–1803.
  • Holford TR et al. 2012. Recent trends in antibody based sensors. Biosens. Bioelectron., 34 (1): 12–24.
  • Hughes RA, Ellington AD. 2017. Synthetic DNA synthesis and assembly: Putting the synthetic in synthetic biology. Cold Spring Harb. Perspect. Biol., 9.
  • Husu I, Rodio G, Touloupakis E, et al. 2013. Insights into photo-electrochemical sensing of herbicides driven by Chlamydomonas reinhardtii cells. Sens. Actuators B Chem., 185: 321–330.
  • Jain KK. 2004. “Applications of biochips: from diagnostics to personalized medicine.” Curr Opin Drug Discov Devel, 7(3): 285-289.
  • Jiang D, Du X, Liu Q, Zhou L, Dai L, Qian J, Wang K. 2015. Silver nanoparticles anchored on nitrogen-doped graphene as a novel electrochemical biosensing platform with enhanced sensitivity for aptamer-based pesticide assay. Analyst, 140: 6404–6411.
  • Justino CIL, Freitas AC, Duarte AC, Santos TAPR. 2015. Sensors and biosensors for monitoring marine contaminants. Trends Environ. Anal. Chem., 6–7: 21–30.
  • Justino CIL, Freitas AC, Pereira R, Duarte AC, Rocha-Santos TAP. 2015. Recent developments in recognition elements for chemical sensors and biosensors. Trends Anal. Chem., 68: 2–17.
  • Kazemi-Darsanaki R et al. 2012. Biosensors: functions and applications. J. Biol. Today’s World, 2 (1): 20–23.
  • Khot LR, Sankaran S, Maja JM, Ehsani R, Schuster EW. 2012. Applications of nanomaterials in agricultural production and crop protection: A review. Crop Prot., 35: 64–70.
  • Kost GJ, Tran NK., 2005. Point-of-care testing and cardiac biomarkers: the standard of care and vision for chest pain centers. Cardiol. Clin., 23 (4): 467–490.
  • Lang Q, Han L, Hou C, Wang F, Liu A. 2016. A sensitive acetylcholinesterase biosensor based on gold nanorods modified electrode for detection of organophosphate pesticide. Talanta, 156: 34–41.
  • Lee EY, Muller WJ. 2010. Oncogenes and tumor suppressor genes. Cold Spring Harb. Perspect. Biol., 2 (10): a003236.
  • Li Z, Yu Y, Li Z, Wu T. 2015. A review of biosensing techniques for detection of trace carcinogen contamination in food products. Anal. Bioanal. Chem., 407: 2711–2726.
  • Liao W, Lu X. 2016. Determination of chemical hazards in foods using surface-enhanced Raman spectroscopy coupled with advanced separation techniques. Trends Food Sci. Technol., 54: 103–113.
  • Long F, Zhu A, Shi H, Wang H, Liu J. 2013. Rapid on-site/in-situ detection of heavy metal ions in environmental water using a structure-switching DNA optical biosensor. Sci. Rep., 3: 2308.
  • Loo C, et al. 2005. Immunotargetednanoshells for integrated cancer imaging and therapy. Nano Lett., 5 (4): 709–711.
  • Maduraiveeran G, Jin W. 2017. Nanomaterilas based electrochemical sensor and biosensor platforms for environmental applications. Trends Environ. Anal. Chem., 13: 10–23.
  • Marcellin E, Nielsen LK 2018. Advances in analytical tools for high throughput strain engineering. Curr. Opin. Biotechnol., 54: 33–40.
  • Martín-Timón I et al. 2014. Type 2 diabetes and cardiovascular disease: have all risk factors the same strength? World J. Diabetes, 5 (4): 444.
  • Mayorga-Martinez C, Pino F, Kurbanoglua S, et al. 2014. Iridium oxide nanoparticles induced dual catalytic/inhibition based detection of phenol and pesticide compounds. J. Mater. Chem. B, 2: 2233–2239.
  • McPartlin DA, Loftus JH, Crawley AS, et al. 2017. Biosensors for the monitoring of harmful algal blooms. Curr. Opin. Biotechnol., 45: 164–169.
  • Mehrotra P. 2016. Biosensors and their applications – a review. J. Oral. Biol. Craniofac Res., 6 (2): 153–159.
  • Meriç S, Çakır Ö, Turgut-Kara N, Arı S. 2014. Detection of genetically modified maize and soybean in feed samples. Genet. Mol. Res., 13: 1160–1168.
  • Moran KLM, Fitzgerald J, McPartlin DA, Loftus JH, O’Kennedy R. 2016. Biosensor-Based Technologies for the Detection of Pathogens and Toxins. In Comprehensive Analytical Chemistry, Elsevier: Amsterdam, The Netherlands, Volume 74, pp. 93–120, ISBN 978-0-444-63579-2.
  • Mungroo NA, Neethirajan S. 2014. Biosensors for the Detection of Antibiotics in Poultry Industry—A Review. Biosensors, 4: 472–493.
  • Ngoepe M et al. 2013. Integration of biosensors and drug delivery technologies for early detection and chronic management of illness. Sensors, 13 (6): 7680–7713.
  • Omidfar K. et al. 2013. New analytical applications of gold nanoparticles as label in antibody based sensors. Biosens. Bioelectron., 43: 336–347.
    Orozco J, Villa E, Manes C, Medlin LK, Guillebault D. 2016. Electrochemical RNA genosensors for toxic algal species: Enhancing selectivity and sensitivity. Talanta, 161: 560–566.
  • Patra S, Roy E, Madhuri R, Sharma PK. 2017. A technique comes to life for security of life: The food contaminant sensors. In Nanobiosensors, Elsevier: Amsterdam, The Netherlands, pp. 713–772, ISBN 978-0-12-804301-1.
  • Pola-López LA, Camas-Anzueto JL, Martínez-Antonio A, et al. 2018. Novel arsenic biosensor “POLA” obtained by a genetically modified E. coli bioreporter cell. Sens. Actuators B Chem., 254: 1061–1068.
  • Ragavan KV, Selvakumar LS, Thakur MS. 2013. Functionalized aptamers as nano-bioprobes for ultrasensitive detection of bisphenol-A. Chem. Commun., 49: 5960–5962.
  • Rapini R, Marrazza G. 2016. Biosensor Potential in Pesticide Monitoring. In Comprehensive Analytical Chemistry, Elsevier: Amsterdam, The Netherlands, Volume 74, pp. 3–31, ISBN 978-0-444-63579-2.
  • Ravikumar A, Panneerselvam P, Radhakrishnan K, et al. 2017. DNAzyme based amplified biosensor on ultrasensitive fluorescence detection of Pb(II) ions from aqueous system. J. Fluoresc., 27: 2101–2109.
  • Rocchitta G, et al. 2016. Enzyme biosensors for biomedical applications: strategies for safeguarding analytical performances in biological fluids. Sensors, 16 (6).
  • Rotariu L, Lagarde F, Jaffrezic-Renault N, Bala C. 2016. Electrochemical biosensors for fast detection of food contaminants—Trends and perspective. TrAC Trends Anal. Chem., 79: 80–87.
  • Saucedo NM, Mulchandan A. 2016. Sensing of Biological Contaminants. In Comprehensive Analytical Chemistry, Elsevier: Amsterdam, The Netherlands, Volume 74, pp. 73–91, ISBN 978-0-444-63579-2.
  • Shi H, Zhao G, Liu M, Fan L, Cao T. 2013. Aptamer-based colorimetric sensing of acetamiprid in soil samples: Sensitivity, selectivity and mechanism. J. Hazard. Mater., 260: 754–761.
  • Singh M, del Valle M. 2015. Arsenic Biosensors. In Handbook of Arsenic Toxicology, Elsevier: Amsterdam, The Netherlands, pp. 575–588, ISBN 978-0-12-418688-0.
  • Sinha K, Ghosh J, Sil PC. 2017. New pesticides: A cutting-edge view of contributions from nanotechnology for the development of sustainable agricultural pest control. In New Pesticides and Soil Sensors, Elsevier: Amsterdam, The Netherlands, pp. 47–79, ISBN 978-0-12-804299-1.
  • Sodano V, Gorgitano MT, Quaglietta M, Verneau F. 2016. Regulating food nanotechnologies in the European Union: Open issues and political challenges. Trends Food Sci. Technol., 54: 216–226.
  • Specht K, Siebert R, Hartmann I, et al. 2014. Urban agriculture of the future: An overview of sustainability aspects of food production in and on buildings. Agric. Hum. Values, 31: 33–51.
  • Stadler RH. 2016. Foreword for Food Processing—Derived Contaminants in Food Analysis. In Reference Module in Food Science, Elsevier: Amsterdam, The Netherlands, ISBN 978-0-08-100596-5.
  • Tabish SA. 2007. Is diabetes becoming the biggest epidemic of the twenty-first century? Int J. Health Sci. 1 (2), V–VIII.
  • Templier V, Roux A, Roupioz Y, Livache T. 2016. Ligands for label-free detection of whole bacteria on biosensors: A review. TrAC Trends Anal. Chem., 79: 71–79.
  • Thomas S, et al. 2015. The expression of retinoblastoma tumor suppressor protein in oral cancers and precancers: a clinicopathological study. Dent. Res. J., 12 (4): 307.
  • Tian L, Hires SA, Mao T, et al. 2009. Imaging neural activity in worms, flies and mice with improved GAaMP calcium indicators. Nat. Methods, 6: 875–881.
  • Turner AP. 2013. Biosensors: Sense and sensibility. Chem. Soc. Rev., 42: 3184–3196.
  • USEPA. Mercury Update: Impact of Fish Advisories, EPA Fact Sheet EPA-823-F-01-011, EPA, Office of Water: Washington, DC, USA, 2001.
  • Valastyan S, Weinberg RA. 2011. Tumor metastasis: molecular insights and evolving paradigms. Cell, 147 (2): 275–292.
  • Verma N, Kaur G. 2016. Trends on Biosensing Systems for Heavy Metal Detection. In Comprehensive Analytical Chemistry, Elsevier: Amsterdam, The Netherlands, Volume 74, pp. 33–71, ISBN 978-0-444-63579-2.
  • Vu T, Claret FX. 2012. Trastuzumab: updated mechanisms of action and resistance in breast cancer. Front. Oncol., 2: 62.
  • Way JC, Collins JJ, Keasling JD, Silver PA. 2014. Integrating biological redesign: Where synthetic biology came from and where it needs to go. Cell, 157: 151–161.
  • Weng X, Neethirajan S. 2017. Ensuring food safety: Quality monitoring using microfluidics. Trends Food Sci. Technol., 65: 10–22.
  • Xiao Y, Lubin AA, Heeger AJ, Plaxco KW. 2005. Label-free electronic detection of thrombin in blood serum by using an aptamer-based sensor. Angew. Chem. Int. Ed. Engl., 44: 5456–5459.
  • Yildirim N, Long F, He M, Shi HC, Gu AZ. 2014. A portable optic fiber aptasensor for sensitive, specific and rapid detection of bisphenol-A in water samples. Environ. Sci. Process Impacts, 16: 1379–1386.
  • Yoshida K, Miki Y. 2004. Role of BRCA1 and BRCA2 as regulators of DNA repair, transcription, and cell cycle in response to DNA damage. Cancer Sci., 95 (11): 866–871.
  • Zhang D, Lu Y, Zhang Q, et al. 2015. Nanoplasmonic monitoring of odorants binding to olfactory proteins from honeybee as biosensor for chemical detection. Sens. Actuators B Chem., 221: 341–349.
  • Zhang F, Zhang Q, Zhang D, Lu Y, Liu Q, Wang P. 2014. Biosensor analysis of natural and artificial sweeteners in intact taste epithelium. Biosens. Bioelectron., 54: 385–392.
  • Zhang W, Asiri AM, Liu D, Du D, Lin Y. 2015. Nanomaterial-based biosensors for environmental and biological monitoring of organophosphorus pesticides and nerve agents. Trends Anal. Chem., 54: 1–10.
  • Adami A; Mortari A; Morganti E; Lorenzelli L. 2018. Microfluidic Sample Preparation Methods for the Analysis of Milk Contaminants. Available online: https://www.hindawi.com/journals/js/2016/2385267/
  • Al-Mawali A. 2015. Non-communicable diseases: shining a light on cardiovascular dis- ease, Oman’s biggest killer. Oman Med. J., 30 (4): 227.
  • Arduini F, Guidone S, Amine A, Palleschi G, Moscone D. 2013. Acetylcholinesterase biosensor based on self-assembled monolayer-modified gold-screen printed electrodes for organophosphorus insecticide detection. Sens. Actuators B Chem., 179: 201–208.
  • Arduini F, Cinti S, Scognamiglio V, Moscone D. 2016. Nanomaterials in electrochemical biosensors for pesticide detection: advances and challenges in food analysis. Microchim. Acta, 183: 2063–2083.
  • Arugula MA, Simonian AL. 2016. Biosensors for Detection of Genetically Modified Organisms in Food and Feed. In Genetically Modified Organisms in Food, Elsevier: Amsterdam, The Netherlands, pp. 97–110, ISBN 978-0-12-802259-7.
  • Ayari-Jeridi H. et al. 2015. Mutation spectrum of RB1 gene in unilateral retinoblastoma cases from Tunisia and correlations with clinical features. PLoS One, 10 (1): e0116615.
  • Bahadır EB, Sezgintürk MK. 2017. Biosensor technologies for analyses of food contaminants. In Nanobiosensors, Elsevier: Amsterdam, The Netherlands, pp. 289–337, ISBN 978-0-12-804301-1.
  • Baldwin CJ. 2015. Introduction to the Principles. In The 10 Principles of Food Industry Sustainability, John Wiley & Sons, Ltd.: Hoboken, NJ, USA, pp. 1–14, ISBN 978-1-118-44769-7.
  • Beck MB, Walker VR. 2013. On water security, sustainability, and the water-food-energy-climate nexus. Front. Environ. Sci. Eng., 7: 626–639.
    Belkhamssa N, da Costa JP, Justino CIL, Santos PSM, Cardoso S, Duarte AC, Rocha-Santos T, Ksibi M. 2016. Development of an electrochemical biosensor for alkylphenol detection. Talanta, 158: 30–34.
  • Bhalla N. et al. 2016. Introduction to biosensors. Essays Biochem., 60 (1): 1–8.
  • Bohunicky B, Mousa SA. 2011. Biosensors: the new wave in cancer diagnosis. Nanotechnol. Sci. Appl., 4: 1.
  • Bourne MC. 2014. Food Security: Postharvest Losses. In Encyclopedia of Agriculture and Food Systems, Elsevier: Amsterdam, The Netherlands, pp. 338–351, ISBN 978-0-08-093139-5.
  • Bruen D et al. 2017. Glucose sensing for diabetes monitoring: recent developments. Sensors, 1866.
  • Burris KP, Stewart CN. 2012. Fluorescent nanoparticles: Sensing pathogens and toxins in foods and crops. Trends Food Sci. Technol., 28: 143–152.
    Byrne B et al. 2009. Antibody-based sensors: principles, problems and potential for detection of pathogens and associated toxins. Sensors, 9 (6): 4407–4445.
  • Cash KJ, Clark HA. 2010. Nanosensors and nanomaterials for monitoring glucose in diabetes. Trends Mol. Med., 16 (12): 584–593.
  • Chao R, Mishra S, Si T, Zhao H. 2017. Engineering biological systems using automated biofoundries. Metab. Eng., 42: 98–108.
  • Chen Y, Li H, Gao T, Zhang T, Xu L, Wang B, Wang J, Pei R. 2018. Selection of DNA aptamers for the development of light-up biosensor to detect Pb(II). Sens. Actuators B Chem., 254: 214–221.
  • Eissa S, Siaj M, Zourob M. 2015. Aptamer-based competitive electrochemical biosensor for brevetoxin-2. Biosens. Bioelectron., 69: 148–154.
  • Elmore S. 2007. Apoptosis: a review of programmed cell death. Toxicol. Pathol., 35 (4): 495–516.
  • Enrico DL, Manera MG, Montagna G, Cimaglia F, Chesa M, Poltronieri P, Santino A, Rella R. 2013. PR based immunosensor for detection of Legionella pneumophila in water samples. Opt. Commun., 294: 420–426.
  • EPA. National Recommended Water Quality Criteria—Aquatic Life Criteria Table. Available online: http://www.epa.gov/wqc/national-recommended-water-quality-criteria-aquatic-life-criteria-table
  • Fei A, Liu Q, Huan J, Qian J, Dong X, Qiu B, Mao H, Wang K. 2015. Label-free impedimetric aptasensor for detection of femtomole level acetamiprid using gold nanoparticles decorated multiwalled carbon nanotube-reduced graphene oxide nanoribbon composites. Biosens. Bioelectron., 70: 122–129.
  • Foudeh AM, Trigui H, Mendis N, Faucher SP, Veres T, Tabrizian M. 2015. Rapid and specific SPRi detection of L. pneumophila in complex environmental water samples. Anal. Bioanal. Chem., 407: 5541–5545.
  • Garnet TF. 2013. Food sustainability: Problems, perspectives and solutions. Proc. Nutr. Soc., 72: 29–39.
  • Gheorghe I, Czobor I, Lazar V, Chifiriuc MC 2017. Present and perspectives in pesticides biosensors development and contribution of nanotechnology. In New Pesticides and Soil Sensors, Elsevier: Amsterdam, The Netherlands, pp. 337–372, ISBN 978-0-12-804299-1.
  • Ghorashi M. 2018. Technology’s Role in Eradicating Foodborne Illness. Available online: https://www.foodsafetymagazine.com/signature-series/technologye28099s-role-in-eradicating-foodborne-illness/
  • Giacinti C, Giordano A. 2006. RB and cell cycle progression. Oncogene, 25 (38): 5220–5227.
  • Guo L, Li Z, Chen H, et al. 2017. Colorimetric biosensor for the assay of paraoxon in environmental water samples based on the iodine-starch color reaction. Anal. Chim. Acta, 967: 59–63.
  • Hameed I, et al. 2015. Type 2 diabetes mellitus: from a metabolic disorder to an inflammatory condition. World J. Diabetes, 6 (4): 598.
    Hassani S, Momtaz S, Vakhshiteh F, et al. 2017. Biosensors and their applications in detection of organophosphorus pesticides in the environment. Arch. Toxicol., 91: 109–130.
  • He MQ, Wang K, Wang J, Yu YL, He RH. 2017. A sensitive aptasensor based on molybdenum carbide nanotubes and label-free aptamer for detection of bisphenol A. Anal. Bioanal. Chem., 409: 1797–1803.
  • Holford TR et al. 2012. Recent trends in antibody based sensors. Biosens. Bioelectron., 34 (1): 12–24.
  • Hughes RA, Ellington AD. 2017. Synthetic DNA synthesis and assembly: Putting the synthetic in synthetic biology. Cold Spring Harb. Perspect. Biol., 9.
  • Husu I, Rodio G, Touloupakis E, et al. 2013. Insights into photo-electrochemical sensing of herbicides driven by Chlamydomonas reinhardtii cells. Sens. Actuators B Chem., 185: 321–330.
  • Jain KK. 2004. “Applications of biochips: from diagnostics to personalized medicine.” Curr Opin Drug Discov Devel, 7(3): 285-289.
  • Jiang D, Du X, Liu Q, Zhou L, Dai L, Qian J, Wang K. 2015. Silver nanoparticles anchored on nitrogen-doped graphene as a novel electrochemical biosensing platform with enhanced sensitivity for aptamer-based pesticide assay. Analyst, 140: 6404–6411.
  • Justino CIL, Freitas AC, Duarte AC, Santos TAPR. 2015. Sensors and biosensors for monitoring marine contaminants. Trends Environ. Anal. Chem., 6–7: 21–30.
  • Justino CIL, Freitas AC, Pereira R, Duarte AC, Rocha-Santos TAP. 2015. Recent developments in recognition elements for chemical sensors and biosensors. Trends Anal. Chem., 68: 2–17.
  • Kazemi-Darsanaki R et al. 2012. Biosensors: functions and applications. J. Biol. Today’s World, 2 (1): 20–23.
  • Khot LR, Sankaran S, Maja JM, Ehsani R, Schuster EW. 2012. Applications of nanomaterials in agricultural production and crop protection: A review. Crop Prot., 35: 64–70.
  • Kost GJ, Tran NK., 2005. Point-of-care testing and cardiac biomarkers: the standard of care and vision for chest pain centers. Cardiol. Clin., 23 (4): 467–490.
  • Lang Q, Han L, Hou C, Wang F, Liu A. 2016. A sensitive acetylcholinesterase biosensor based on gold nanorods modified electrode for detection of organophosphate pesticide. Talanta, 156: 34–41.
  • Lee EY, Muller WJ. 2010. Oncogenes and tumor suppressor genes. Cold Spring Harb. Perspect. Biol., 2 (10): a003236.
  • Li Z, Yu Y, Li Z, Wu T. 2015. A review of biosensing techniques for detection of trace carcinogen contamination in food products. Anal. Bioanal. Chem., 407: 2711–2726.
  • Liao W, Lu X. 2016. Determination of chemical hazards in foods using surface-enhanced Raman spectroscopy coupled with advanced separation techniques. Trends Food Sci. Technol., 54: 103–113.
  • Long F, Zhu A, Shi H, Wang H, Liu J. 2013. Rapid on-site/in-situ detection of heavy metal ions in environmental water using a structure-switching DNA optical biosensor. Sci. Rep., 3: 2308.
  • Loo C, et al. 2005. Immunotargetednanoshells for integrated cancer imaging and therapy. Nano Lett., 5 (4): 709–711.
  • Maduraiveeran G, Jin W. 2017. Nanomaterilas based electrochemical sensor and biosensor platforms for environmental applications. Trends Environ. Anal. Chem., 13: 10–23.
  • Marcellin E, Nielsen LK 2018. Advances in analytical tools for high throughput strain engineering. Curr. Opin. Biotechnol., 54: 33–40.
  • Martín-Timón I et al. 2014. Type 2 diabetes and cardiovascular disease: have all risk factors the same strength? World J. Diabetes, 5 (4): 444.
  • Mayorga-Martinez C, Pino F, Kurbanoglua S, et al. 2014. Iridium oxide nanoparticles induced dual catalytic/inhibition based detection of phenol and pesticide compounds. J. Mater. Chem. B, 2: 2233–2239.
  • McPartlin DA, Loftus JH, Crawley AS, et al. 2017. Biosensors for the monitoring of harmful algal blooms. Curr. Opin. Biotechnol., 45: 164–169.
  • Mehrotra P. 2016. Biosensors and their applications – a review. J. Oral. Biol. Craniofac Res., 6 (2): 153–159.
  • Meriç S, Çakır Ö, Turgut-Kara N, Arı S. 2014. Detection of genetically modified maize and soybean in feed samples. Genet. Mol. Res., 13: 1160–1168.
  • Moran KLM, Fitzgerald J, McPartlin DA, Loftus JH, O’Kennedy R. 2016. Biosensor-Based Technologies for the Detection of Pathogens and Toxins. In Comprehensive Analytical Chemistry, Elsevier: Amsterdam, The Netherlands, Volume 74, pp. 93–120, ISBN 978-0-444-63579-2.
  • Mungroo NA, Neethirajan S. 2014. Biosensors for the Detection of Antibiotics in Poultry Industry—A Review. Biosensors, 4: 472–493.
  • Ngoepe M et al. 2013. Integration of biosensors and drug delivery technologies for early detection and chronic management of illness. Sensors, 13 (6): 7680–7713.
  • Omidfar K. et al. 2013. New analytical applications of gold nanoparticles as label in antibody based sensors. Biosens. Bioelectron., 43: 336–347.
    Orozco J, Villa E, Manes C, Medlin LK, Guillebault D. 2016. Electrochemical RNA genosensors for toxic algal species: Enhancing selectivity and sensitivity. Talanta, 161: 560–566.
  • Patra S, Roy E, Madhuri R, Sharma PK. 2017. A technique comes to life for security of life: The food contaminant sensors. In Nanobiosensors, Elsevier: Amsterdam, The Netherlands, pp. 713–772, ISBN 978-0-12-804301-1.
  • Pola-López LA, Camas-Anzueto JL, Martínez-Antonio A, et al. 2018. Novel arsenic biosensor “POLA” obtained by a genetically modified E. coli bioreporter cell. Sens. Actuators B Chem., 254: 1061–1068.
  • Ragavan KV, Selvakumar LS, Thakur MS. 2013. Functionalized aptamers as nano-bioprobes for ultrasensitive detection of bisphenol-A. Chem. Commun., 49: 5960–5962.
  • Rapini R, Marrazza G. 2016. Biosensor Potential in Pesticide Monitoring. In Comprehensive Analytical Chemistry, Elsevier: Amsterdam, The Netherlands, Volume 74, pp. 3–31, ISBN 978-0-444-63579-2.
  • Ravikumar A, Panneerselvam P, Radhakrishnan K, et al. 2017. DNAzyme based amplified biosensor on ultrasensitive fluorescence detection of Pb(II) ions from aqueous system. J. Fluoresc., 27: 2101–2109.
  • Rocchitta G, et al. 2016. Enzyme biosensors for biomedical applications: strategies for safeguarding analytical performances in biological fluids. Sensors, 16 (6).
  • Rotariu L, Lagarde F, Jaffrezic-Renault N, Bala C. 2016. Electrochemical biosensors for fast detection of food contaminants—Trends and perspective. TrAC Trends Anal. Chem., 79: 80–87.
  • Saucedo NM, Mulchandan A. 2016. Sensing of Biological Contaminants. In Comprehensive Analytical Chemistry, Elsevier: Amsterdam, The Netherlands, Volume 74, pp. 73–91, ISBN 978-0-444-63579-2.
  • Shi H, Zhao G, Liu M, Fan L, Cao T. 2013. Aptamer-based colorimetric sensing of acetamiprid in soil samples: Sensitivity, selectivity and mechanism. J. Hazard. Mater., 260: 754–761.
  • Singh M, del Valle M. 2015. Arsenic Biosensors. In Handbook of Arsenic Toxicology, Elsevier: Amsterdam, The Netherlands, pp. 575–588, ISBN 978-0-12-418688-0.
  • Sinha K, Ghosh J, Sil PC. 2017. New pesticides: A cutting-edge view of contributions from nanotechnology for the development of sustainable agricultural pest control. In New Pesticides and Soil Sensors, Elsevier: Amsterdam, The Netherlands, pp. 47–79, ISBN 978-0-12-804299-1.
  • Sodano V, Gorgitano MT, Quaglietta M, Verneau F. 2016. Regulating food nanotechnologies in the European Union: Open issues and political challenges. Trends Food Sci. Technol., 54: 216–226.
  • Specht K, Siebert R, Hartmann I, et al. 2014. Urban agriculture of the future: An overview of sustainability aspects of food production in and on buildings. Agric. Hum. Values, 31: 33–51.
  • Stadler RH. 2016. Foreword for Food Processing—Derived Contaminants in Food Analysis. In Reference Module in Food Science, Elsevier: Amsterdam, The Netherlands, ISBN 978-0-08-100596-5.
  • Tabish SA. 2007. Is diabetes becoming the biggest epidemic of the twenty-first century? Int J. Health Sci. 1 (2), V–VIII.
  • Templier V, Roux A, Roupioz Y, Livache T. 2016. Ligands for label-free detection of whole bacteria on biosensors: A review. TrAC Trends Anal. Chem., 79: 71–79.
  • Thomas S, et al. 2015. The expression of retinoblastoma tumor suppressor protein in oral cancers and precancers: a clinicopathological study. Dent. Res. J., 12 (4): 307.
  • Tian L, Hires SA, Mao T, et al. 2009. Imaging neural activity in worms, flies and mice with improved GAaMP calcium indicators. Nat. Methods, 6: 875–881.
  • Turner AP. 2013. Biosensors: Sense and sensibility. Chem. Soc. Rev., 42: 3184–3196.
  • USEPA. Mercury Update: Impact of Fish Advisories, EPA Fact Sheet EPA-823-F-01-011, EPA, Office of Water: Washington, DC, USA, 2001.
  • Valastyan S, Weinberg RA. 2011. Tumor metastasis: molecular insights and evolving paradigms. Cell, 147 (2): 275–292.
  • Verma N, Kaur G. 2016. Trends on Biosensing Systems for Heavy Metal Detection. In Comprehensive Analytical Chemistry, Elsevier: Amsterdam, The Netherlands, Volume 74, pp. 33–71, ISBN 978-0-444-63579-2.
  • Vu T, Claret FX. 2012. Trastuzumab: updated mechanisms of action and resistance in breast cancer. Front. Oncol., 2: 62.
  • Way JC, Collins JJ, Keasling JD, Silver PA. 2014. Integrating biological redesign: Where synthetic biology came from and where it needs to go. Cell, 157: 151–161.
  • Weng X, Neethirajan S. 2017. Ensuring food safety: Quality monitoring using microfluidics. Trends Food Sci. Technol., 65: 10–22.
  • Xiao Y, Lubin AA, Heeger AJ, Plaxco KW. 2005. Label-free electronic detection of thrombin in blood serum by using an aptamer-based sensor. Angew. Chem. Int. Ed. Engl., 44: 5456–5459.
  • Yildirim N, Long F, He M, Shi HC, Gu AZ. 2014. A portable optic fiber aptasensor for sensitive, specific and rapid detection of bisphenol-A in water samples. Environ. Sci. Process Impacts, 16: 1379–1386.
  • Yoshida K, Miki Y. 2004. Role of BRCA1 and BRCA2 as regulators of DNA repair, transcription, and cell cycle in response to DNA damage. Cancer Sci., 95 (11): 866–871.
  • Zhang D, Lu Y, Zhang Q, et al. 2015. Nanoplasmonic monitoring of odorants binding to olfactory proteins from honeybee as biosensor for chemical detection. Sens. Actuators B Chem., 221: 341–349.
  • Zhang F, Zhang Q, Zhang D, Lu Y, Liu Q, Wang P. 2014. Biosensor analysis of natural and artificial sweeteners in intact taste epithelium. Biosens. Bioelectron., 54: 385–392.
  • Zhang W, Asiri AM, Liu D, Du D, Lin Y. 2015. Nanomaterial-based biosensors for environmental and biological monitoring of organophosphorus pesticides and nerve agents. Trends Anal. Chem., 54: 1–10.

Grüne Energie und IKT: Von intelligenten zu klugen Strategien

 Basisniveau

Derzeit sind neue Vorschriften in Vorbereitung, die darauf abzielen, Kontaktcodeinformationen für bestimmte Bereiche und auch für Einzelpersonen vorzuschlagen, um alternative Energiequellen zu finden.

Inhalt

 

Die grüne Energie

Derzeit sind neue Vorschriften in Vorbereitung, die darauf abzielen, Kontaktcodeinformationen für bestimmte Bereiche und auch für Einzelpersonen vorzuschlagen, um alternative Energiequellen zu finden. Diese alternativen Quellen müssen private und öffentliche Gebäude mit Strom versorgen und gleichzeitig eine geringe Anzahl giftiger Verbindungen erzeugen. Das ist der sogenannte „going green“-Ansatz. Verschiedene alternative Energiearten wie Solar- und Kernenergie wurden mit dem Ziel entwickelt, den Planeten zu retten, da die giftigen Emissionen, die mit der Produktion der traditionellen einhergehen, ein großes Problem darstellen, da sie das Weltleben stark beeinträchtigen.

Zusammen mit den weithin untersuchten toxischen Wirkungen der globalen Erwärmung in den letzten Jahren sind sie parallel zu den Schäden durch andere Ressourcen, die bei der Produktion von Nahrungsmitteln und der Erhaltung von sauberem Wasser verwendet werden, vage. Die Gesellschaft hat sich auf Materialien wie Kohle, Öl und sogar Kerosin bezogen, um die benötigte Energie zu gewährleisten. Die fossilen Brennstoffe, Kohle, Öl und andere Ressourcen, die für die Stromerzeugung verwendet werden, emittieren schädliche Nebenwirkungen. Diese Brennstoffe sind nicht erneuerbar und kontaminieren die Umwelt und die Atmosphäre und beeinträchtigen die Quellen, die für das Überleben der Arten auf unserem Planeten erforderlich sind. Da diese Quellen von Natur aus begrenzt sind und die Probleme wegen ihrer Knappheit und ihres Zugangs zunehmen, sind ihre schädlichen Auswirkungen auf die Umwelt am schlimmsten. Die Nutzung dieser konventionellen Energiequellen trägt also zur globalen Erwärmung bei.

Grüne Energie wird dazu beitragen, zumindest einige dieser Probleme zu lindern und zu glätten, und je schneller wir auf erneuerbare Energiequellen umsteigen, desto besser.

Green energy will help to relieve and smoothen at least some of these problems, and the faster we move to renewable energy sources the better.

Was ist grüne Energie?

Der menschliche Einfluss auf die Umwelt wird zu einem erheblichen Wert beim Übergang von Standardenergieressourcen zu erneuerbaren Energiequellen und ist für die Benutzer offensichtlich. Ökostrom ist somit ein Urteil für bessere Nachhaltigkeit im Stromnetz, und diese Bedeutung unterscheidet sich vom Begriff erneuerbarer Rohstoff. Unter Beachtung der Environmental Protection Agency (EPA) bietet grüne Energie einen tiefgreifenden Umweltwert und umfasst Strom, der aus Sonne, Wind, Geothermie, Biogas, umweltfreundlicher Wasserkraft und bestimmten geeigneten Biomassequellen gewonnen wird.

Erneuerbare Energie impliziert dieselben Quellen wie grüne Energie. Die produzierte Energie wird mit Technologien und Produkten einen erheblichen Einfluss auf die lokale und globale Umwelt haben. Wenn Ökostrom mit der Anwendung in verschiedenen erneuerbaren Energieprojekten verbunden wird, haben sie einen Beitrag zu diesen Technologien.

Grüne Energie ist jede Art von Energie, die auf der Grundlage natürlicher Ressourcen wie Sonnenlicht, Wind oder Wasser erzeugt wird. Es geht häufig von erneuerbaren Energiequellen aus, wobei die oben genannten Variationen für erneuerbare und grüne Energie berücksichtigt werden. Wichtig für diese Energieressourcen ist die Grundregel, dass sie die Umwelt nicht belasten, indem sie Treibhausgase in die Atmosphäre abgeben. Grüne Energie erzeugt Strom aus natürlichen Ressourcen ohne negative Nebenwirkungen, die die Erdatmosphäre und -oberfläche verschmutzen. Neben Solar- und Windenergie könnten viele andere umweltfreundliche Alternativen die Energie sicherstellen, die zum Erhalt des Planetenlebens benötigt wird. Wasser, Wind und Sonne werden seit der Antike genutzt, um Strom zu erzeugen, Wasser zu erhitzen und Maschinen zu betreiben. In letzter Zeit haben sich die Technologien in Bezug auf Designs, Typen, und Nutzung alternativer Quellen entwickelt. Obwohl die verwendete Energiequelle eine gewisse Umweltverschmutzung verursachen kann, minimieren die umweltfreundlicheren Optionen schädliche Nebenwirkungen. Die derzeit genutzten Alternativen basieren also auf den neuen Wegen der Energiegewinnung aus tatsächlichen fossilen Brennstoffen und Kohle, jedoch auf weniger schädliche Weise. Dies geschieht durch die Verlagerung der schädlichen Nebenprodukte. Diese sind jedoch derzeit wenig effektiv und kann immer noch nicht auf kosteneffiziente Weise erreicht werden. Dennoch gibt es viele Alternativen, die realisierbar sind.

Grüne Energieprodukte funktionieren

Es wird akzeptiert, dass sie, um als grüne Energiequelle anerkannt zu werden, keine Umweltverschmutzung verursachen dürfen, wie sie bei fossilen Brennstoffen zu finden ist. Diese Beweise deuten darauf hin, dass nicht alle von der erneuerbaren Energiebranche genutzten Quellen grün sind. Somit gilt die Stromerzeugung, die organisches Material aus nachhaltiger Forstwirtschaft verbrennt, zwar als erneuerbar, aber aufgrund der CO2-Produktion durch den Verbrennungsprozess ist sie nicht grün. Grüne Energiequellen werden normalerweise auf natürliche Weise ergänzt, im Vergleich zu fossilen Brennstoffquellen wie Erdgas oder Kohle, die Jahrmillionen entwickelt wurden. Grüne Quellen vermeiden auch oft Bergbau- oder Bohrarbeiten, die die Ökosysteme beeinträchtigen können.

Die Zukunft des Energieverbrauchs konzentriert sich auf die Nutzung eines Mixes aus grüner, erneuerbarer und konventioneller Energie, unabhängig vom gekauften Produkt. Somit werden alle Energiequellen im Stromnetz neben dem Stromübertragungsnetz gemischt. Für diejenigen, die zu Hause grün werden möchten und keine Möglichkeiten für ein Solarmodul haben, ist die genannte Mischung der beste Weg, um den mit dem Energieverbrauch verbundenen CO2-Fußabdruck zu reduzieren. Es ist der wahrscheinlichste Weg, um die groß angelegten Investitionen in erneuerbare Energien zu steigern und mehr Haushalten und Unternehmen Zugang zu grüner Energie zu verschaffen.

Die Arten von grüner Energie

Die Vielfalt der grünen Energiearten hängt mit der Vielfalt der Quellen zusammen (Abb. 1). Einige dieser Typen eignen sich besser für bestimmte Umgebungen oder Regionen. Als Energiequelle stammt grüne Energie oft aus erneuerbaren Energietechnologien wie Solarenergie, Windkraft, Geothermie, Biomasse und Wasserkraft. Diese Technologien wirken durch unterschiedliche Prozesse.

Die Suche nach einer alternativen Energiequelle steht im Fokus vieler Länder auf der ganzen Welt. Es ist von strategischer Bedeutung, natürliche und erneuerbare Optionen als Energiequelle zu entdecken. In einigen Fällen kann es eine einfache Entscheidung sein, geeignete architektonische Designs zu finden, die Gebäude im Sommer kühl und im Winter warm halten. In einem anderen wird ein anaerobes Design in energieerzeugenden Systemen verwendet, um fossile Brennstoffe durch andere Ressourcen zu ersetzen. Daher sind die Reduzierung von CO2-Emissionen, die Vermeidung von Umweltschäden und die Schaffung von Arbeitsplätzen nur einige der Vorteile, die eine Investition in grüne Energie bietet.

Abbildung 1. Die Vielfalt der grünen Energiearten

Grün zu werden bedeutet mehr Geld für Solar-, Wind- und andere erneuerbare Energieprojekte zu finanzieren und Technologien zu entwickeln, um die erneuerbaren Quellen besser zu nutzen und sie für die Menschen zugänglicher zu machen.

Energieverbrauch im IKT-Sektor

Derzeit wird geschätzt, dass IKT 1,15% der gesamten Stromversorgung verbraucht. Es wird mit einem jährlichen Gesamtstromverbrauch für IKT von 242 TWh im Jahr 2015 gerechnet. Diese Summe setzt sich aus vor Ort erzeugtem Strom (27 TWh) und Netzstrom (215 TWh) zusammen. Außerdem beträgt der weltweite CO2-Ausstoß des IKT-Sektors im Jahr 2015 etwa 169 Millionen Tonnen CO2. Dies entspricht 0,53 % der gesamten CO2-Emissionen des Energiesektors (32 G Tonnen) und 0,34 % der globalen CO2-Emissionen (50 G Tonnen) im Jahr 2015. Der Stromverbrauch im IKT-Netz ist von 2010 bis 2015 um 31 % gestiegen Dies summiert sich auf einen Anstieg von 185 TWh für 5 Jahre, was 1 % der gesamten Stromversorgung des Stromnetzes entspricht. Das operative Wachstum der CO2-Emissionen betrug in diesem Zeitraum 17 %.

Durch die breite Anwendung von 5G in naher Zukunft wird die Rate des Energieverbrauchs noch größer sein.

Grüne Energiebereitstellung für IKT

Heutzutage wird die Reduzierung von Treibhausgasemissionen (THG) zu einem der wichtigsten Forschungsthemen in der Informations- und Kommunikationstechnologie (IKT), da die indirekten Treibhausgasemissionen durch den enormen Einsatz von IKT-Elektrogeräten beunruhigend ansteigen. Somit ist die Lösung des IKT-THG-Problems mit der Verbesserung der Energieeffizienz durch eine Reduzierung des Energieverbrauchs auf der Mikroebene verbunden.

Die Forschung in diesem Bereich konzentriert sich auf Mikroprozessordesign, Computerdesign, Power-on-Demand-Architekturen und Techniken zur Konsolidierung virtueller Maschinen. Die Energieeffizienzmethode auf Mikroebene wird aufgrund des Khazzoom-Brookes-Postulats (auch bekannt als Jevons-Paradoxon) einen allgemeinen Anstieg des Energieverbrauchs mit sich bringen, das besagt: „Energieeffizienzverbesserungen, die im weitesten Sinne wirtschaftlich gerechtfertigt sind auf der Mikroebene, können auf der Makroebene zu einem höheren Energieverbrauch führen“. Daher könnte es vernünftig sein, dass die Reduzierung der Treibhausgasemissionen auf Makroebene eine angemessenere Lösung ist. Große ICT-Unternehmen wie Microsoft, die zu jeder Zeit bis zu 27 MW Energie verbrauchen, haben ihre Rechenzentren in der Nähe von Ökostromquellen errichtet. Leider liegen viele Rechenzentren nicht in der Nähe von grünen Energiequellen. Aus diesem Grund ist das dezentrale Netz mit grüner Energie eine aufkommende Technologie, die es ermöglicht, dass die Verluste bei der Energieübertragung über die Infrastrukturen der Energieversorger viel höher sind als die durch die Datenübertragung verursachten. Dies macht die Verlagerung eines Rechenzentrums in die Nähe einer erneuerbaren Energiequelle zu einer effizienteren Entscheidung, es sei denn, die Energie wird an einen bestehenden Standort gebracht.

Management- und technische Richtlinien werden eine Entscheidung sein, die Virtualisierung zu arrangieren, die dazu beiträgt, virtuelle Infrastrukturressourcen basierend auf der Stromverfügbarkeit von einem Standort zu einem anderen zu verschieben. Dies wird die Nutzung erneuerbarer Energien innerhalb des IKT-Netzes erleichtern, indem es ein „Infrastructure as a Service (IaaS)“-Management-Tool bereitstellt.

Grüne IKT und Wege zur Ökologisierung von IKT

Green ICT ist ein weit gefasster Begriff, dem eine allgemeine Definition fehlt. Dieses Konzept umfasst die Energieeffizienz von Geräten wie Computern, Servern und Monitoren. Gelegentlich wurde die Herstellung von IKT-Geräten sowie das Recycling erwähnt. In anderen Fällen enthält es Möglichkeiten, wie IKT zur Minderung der Umweltauswirkungen anderer Sektoren eingesetzt werden können. 

  • Definition von grüner IKT

Green ICT wird in der Literatur definiert als „die energieeffiziente und kostengünstige Nutzung von IT-Ressourcen“ oder „eine Initiative, um Einzelpersonen, Gruppen und Organisationen, die sich mit der Nutzung von IKT beschäftigen, dazu zu ermutigen, Umweltprobleme zu berücksichtigen und Lösungen für sie zu finden“. Green ICT beschäftigt sich mit den Umweltauswirkungen des ICT-Sektors selbst. ICT for Green zeigt, wie IKT eingesetzt werden kann, um andere Sektoren grüner zu machen. Der IKT-Sektor verursacht etwa 2% der weltweiten THG-Emissionen, hauptsächlich aufgrund der Emissionen aus dem Luftverkehr. Obwohl diese Zahl nicht so aussieht, sind einige Autoren der Meinung, dass die Emissionen des IKT-Sektors mit einer jährlichen Zunahme von 6% am ​​stärksten wachsen. Außerdem werden die Umweltauswirkungen von IKT weitgehend vernachlässigt, die Luftfahrt beginnt schon vor Jahrzehnten, auf die Umwelt zu achten, aber die IKT-Branche hat erst heute begonnen, sich um die Umwelt zu kümmern. In Bezug auf Green ICT sind die wichtigsten verwendeten ICT in Abb. 2 dargestellt. Für jede dieser Gerätekategorien gibt es verschiedene Optionen, um die Umweltbelastung zu reduzieren. Bei der Diskussion der Umweltauswirkungen von IKT ist Energieeffizienz das am meisten diskutierte Thema. Inzwischen stellt sich auch die Frage nach einer solchen Schätzung der für die Produktion verwendeten Materialien und der Vorgehensweise.

Die Messung der Energieeffizienz ist die einfachste Kennzahl, um die Wirkung von Green ICT abzuschätzen, da der Energieverbrauch einfach zu bestimmen ist. Während der Geräteproduktion kann im Vergleich zur gesamten Lebensdauer zeitweise mehr Energie verbraucht werden als dies bei PCs der Fall ist. Bei der Herstellung von Computern werden verschiedene Metalle wie Aluminium, Arsen, Kupfer und Blei verwendet. Einige von ihnen sind gefährlich und erfordern den Umgang mit den Geräten, insbesondere während des Recyclings. Es wird behauptet, dass 70 % aller gefährlichen Abfälle Elektroschrott sind. In vielen Ländern gibt es Vorschriften für das Recycling von Elektroschrott, aber informelles Recycling bietet eine kostengünstige Möglichkeit, mit diesem Abfall umzugehen und wird leider viel praktiziert.

Abbildung 2. Hauptkategorien der verwendeten IKT.

  • Grün in der IKT

Der Begriff „grün“ wird in der Alltagssprache verwendet, um sich auf umweltverträgliche Aktivitäten zu beziehen. Auch der Begriff „grün“ wird immer wieder als nachhaltig verwendet. Beide Konzepte sind eng miteinander verbunden, aber nicht identisch und grün zu sein ist nur ein Teil von Nachhaltigkeit. Die Vereinten Nationen diskutieren im Allgemeinen drei Aspekte der nachhaltigen Entwicklung: die soziale, die wirtschaftliche und die ökologische Dimension. Der Begriff „grün“ passt zum Umweltaspekt, da beides oft miteinander verbunden ist. Aus Umweltgesichtspunkten ist es gut verstanden und sinnvoll, insbesondere im Fall der Verknüpfung von „grüner“ IKT mit Wirtschaftswachstum. Nicht umsonst wird Nachhaltigkeit zu einem Faktor für das schnelle Wachstum des IKT-Sektors; sie begünstigt das Wirtschaftswachstum, gewährleistet einen breiten Zugang zu neuen Technologien und erhöht die Effizienz anderer Sektoren.

Die im UN-Bericht „Unsere gemeinsame Zukunft“ enthaltene Definition von Nachhaltigkeit oder Umweltproblemen besagt, dass nachhaltig diejenigen Prozesse sind, die „die Bedürfnisse der Gegenwart befriedigen, ohne die Fähigkeit zukünftiger Generationen zu beeinträchtigen, ihre eigenen Bedürfnisse zu befriedigen“.

Im IKT-Sektor „grün“ zu sein, bedeutet zum Teil, fundierte Lösungen für den Umgang mit natürlichen Ressourcen zu finden.

Ein gutes Beispiel für den Begriff „Nachhaltigkeit“ ist die Art und Weise, wie das heutige Leben das Leben zukünftiger Generationen in Bezug auf den Mangel an natürlichen Ressourcen, gesundheitliche Probleme für diejenigen, die mit Produktion und Recycling arbeiten, sowie die Auswirkungen auf die Zukunft beeinflussen können. Im Umgang mit IKT gibt es also verschiedene Möglichkeiten, grün zu werden.

Es ist notwendig, „grüne“ Technologien und „grünes“ Verhalten zu definieren. Grüne Technologien umfassen Teile wie virtuelle Server, die eine höhere Nutzungsrate ermöglichen, um eine Energieeinsparung von bis zu 85 % im Vergleich zu Standard-PCs zu erzielen. Allerdings wird die Technologie, die ineffizient eingesetzt wird, nicht grün sein. Auf diese Weise können die Mitarbeiter eine große Bedeutung für die Umweltspur haben. Das Ausschalten der Geräte nach dem Verlassen des Büros und der Einsatz von Technologie, um andere Bereiche des Lebens umweltfreundlicher zu gestalten, wie das Abhalten von Videokonferenzen anstelle von Reisen oder die gemeinsame Nutzung verschiedener Geräte wie Drucker zwischen Abteilungen, sind Beispiele für umweltfreundliche Haltung am Arbeitsplatz.

„Grün“ im IKT-Sektor und im Informationsmanagement zu sein ist nicht genau dasselbe wie „Grün“ in anderen Sektoren. Jeder Sektor hat seine Umweltprobleme und Minderungsstrategien. Der IKT-Sektor ist eine Besonderheit, da er die Ökologisierung anderer Sektoren verursacht und es ist nicht sicher, wie der große Beitrag zur Verringerung der Emissionen und zur Erreichung einer besseren Umwelt erzielt werden kann. Dennoch sollten diese Umweltauswirkungen der IKT nicht überschätzt werden. Um im IKT-Sektor „grün“ zu sein, ist es notwendig, sich der Produktionsweise und der Verwendung und des Recyclings der IKT-Geräte bewusst zu werden, um verbindlich nachhaltig zu sein. Einer der wichtigsten Aspekte der „grünen“ IKT sind die Einsparungen von Energie und anderen Ressourcen wie Papier und seltenen Elementen. Bei der Herstellung von IKT-Geräten werden seltene und gefährliche Stoffe verwendet. Gefährliche Stoffe beleidigen nicht nur die Umwelt, sondern auch die Menschen, die mit der Herstellung von IKT-Geräten und deren Recycling arbeiten. All diese Dinge sind mit IKT und Informationsspeicherung verbunden, die die größten Auswirkungen auf die Umwelt haben. Wenn alle Geräte optimal genutzt werden, ist es sinnvoll, die Umweltbelastung zu verringern und möglicherweise auch Geld zu sparen. 

  • Die Bedeutung von „Grün“

„Grün“ zu sein ist heutzutage als Geschäftsstrategie von Bedeutung, was zum Teil auf das Verständnis der Verbraucher für den Umweltschutz zurückzuführen ist. Umweltmanagement ist ein Teil des strategischen Ansatzes für mehrere erfolgreiche Unternehmen, ein neues Konzept des „grünen“ Managements zu integrieren, um dieser Strategie zu entsprechen. Außerdem lohnt sich die Investition in „grüne“ Innovationen und Umweltschutz für Unternehmen aus finanzieller Sicht. „Grün“ zu sein, könnte den Wettbewerbsvorteil eines Unternehmens erhöhen sowie neue Marktchancen eröffnen und so „grüne“ Unternehmen profitabler machen.

Zugleich sind die Gefahren des sogenannten ‚Greenwashings‘ groß: „Der Fokus muss weg von der Imagebetonung hin zur Substanzbetonung“. So wird eine ernste Warnung den Unternehmen zugewiesen, die versuchen, „grün“ zu sein, aber kosmetische Maßnahmen anwenden, anstatt tatsächliche Änderungen in der Art und Weise, wie Organisationen funktionieren. Wenn Unternehmen also eine echte „grüne“ Veränderung vornehmen möchten, kann dies positiv sein für Auswirkungen auf die Gesellschaft Die Ökologisierung von Organisationen kann neue Investitionen zur Verbesserung der Umweltsituation, zur Schaffung von Arbeitsplätzen und Wohlstand bringen. Es wird davon ausgegangen, dass Investitionen in „grüne“ IKT kurzfristige wirtschaftliche Unterstützung bieten können. 

  • Vorteile von Grün

Eine große Chance, die Ökologisierung zu unterstützen, ist die Kostensenkung. Betrachtet man die „grüne“ Informationstechnologie, so wird deutlich, dass Rechenzentren und Server viel Energie für den Betrieb und die Kühlung zur Verfügung stellen. IKT-Ressourcen können nicht in vollem Umfang genutzt werden (die Auslastung liegt bei ca. 12,5 %). Diese Zahl weist auf mangelnde Effizienz im IKT-Sektor hin. Es wurde festgestellt, dass 86 % des Bedarfs durch 26 % des aktuellen Energieverbrauchs gedeckt werden können, was auf ein großes Raum für Kostenverbesserungen hindeutet. Auch ein anderer Teil der IKT kann erhebliche Einsparmöglichkeiten bei der umweltfreundlichen Nutzung bieten. Durch das Ausschalten von Druckern und anderen energieverbrauchenden Geräten, wenn sie nicht genutzt werden, können Ressourcen gespart und die Umweltbelastung reduziert werden.

Neben diesen Optionen wird anerkannt, dass der Übergang zu einer „grünen“ Wissensgesellschaft strukturelle Veränderungen erfordert, was darauf hindeutet, dass die Regierungen helfen sollten, diesen Prozess zu ermöglichen, und dass dadurch Vorteile für die Gesellschaft als Ganzes realisiert werden.

Es gibt keine konventionelle Definition von „grüner“ IKT. „Grüne“ Themen könnten aus der Perspektive eines „Problems“ (Schwerpunkt auf die Reduzierung der Emissionen) oder aus der Perspektive einer „Lösung“ (Schwerpunkt auf neue grüne Lösungen) angegangen werden. Dies spiegelt sich in der Herangehensweise an „grüne“ IKT wider. Dieser Ansatz ist in Abb. 3 dargestellt. Er umfasst zwei Segmente: Ökologisierung von IKT und Ökologisierung mit IKT.

Abbildung 3. Der Ansatz für „grüne“ IKT

Ökologisierung der IKT im engeren Sinne bezieht sich auf IKT mit geringer Umweltbelastung, aber der Einsatz von IKT als Wegbereiter reduziert die Umweltauswirkungen in der gesamten Wirtschaft außerhalb des IKT-Sektors. Green ICT, als Greening with ICT, ist ein neues Konzept und selbst die führenden Länder und Interessengruppen haben nur wenige Jahre Erfahrung. Es ist wichtig zu beachten, dass sowohl der traditionelle „Problem“-Ansatz als auch der neue „Lösungs“-Ansatz benötigt werden. Die Umweltverschmutzung muss reguliert werden und Unternehmen brauchen Anreize, um ihre Emissionen zu bekämpfen. Ebenso wichtig ist es jedoch sicherzustellen, dass die neue Generation von Lösungsanbietern die richtigen Anreize erhält.

Reduzierung von Energieverbrauch und Gasemissionen

IKT kann zur Reduzierung des Energieverbrauchs und der Gasemissionen beitragen durch:

  • Erfinden innovativer Energiesparsysteme, Technologien und „intelligenter“ Geräte unter Verwendung eines „intelligenten Energiemanagements“;
  • Anwendung von Energiesparpolitiken unter Verwendung erneuerbarer Quellen, Solarenergie und Photovoltaik, Windenergie, Biokraftstoffe, Bioklimatechnologie, Anti-Schadstoff-Technologie usw.
  • Recycling und Reduzierung von Elektroschrott wie alte IT-Systeme, Chips, PCs, Hardware, Drucker, Mobiltelefone usw.

Etwa 40 % des gesamten Energieverbrauchs entfallen auf Haushalte. Aus diesem Grund werden innovative „intelligente Häuser“ aus grünen Materialien und eine grüne Architektur mit innovativen Energiesensoren benötigt. In diesem Zusammenhang können IKT-Systeme den Stromverbrauch und den Klimatisierungsbedarf messen, steuern und reduzieren. Im letzten Jahrzehnt waren die Hersteller technischer und industrieller Produkte aufgrund der Wirtschaftskrise und des gestiegenen Umweltbewusstseins der Bevölkerung im Wesentlichen gezwungen, die Richtung ihres Energieverbrauchs zu ändern. Die Sorge der Hersteller um Energieeinsparungen wird über jedes Computergerät, vom Laptop über das Handy bis hin zum Rechenzentrum, getragen und wird voraussichtlich erfolgreich sein. Verbraucher zeigen ihre Vorliebe für intelligente Geräte, neue, weniger energieverbrauchende Technologien, erneuerbare Energiequellen und aktualisierte, effizientere Kühlsysteme mit verbesserter Energiemanagement-Software. Diese Produkte sind mit einer offiziellen Zertifizierung ausgestattet, um die Effizienzrichtlinien zu erfüllen oder zu übertreffen.

  • Wege zur Ökologisierung der IKT

Es ist möglich, IKT so einzusetzen, dass die Umweltbelastung im Vergleich zu herkömmlichen Methoden reduziert wird. Dies kann durch neue Technologien, Techniken und Strategien erreicht werden, die einen geringeren Verbrauch von Energie und Ressourcen ermöglichen. Ein wichtiger Teil der IKT-Arbeit besteht darin, Informationen zu speichern. Der Speicherbedarf nimmt aufgrund der zunehmenden Internetnutzung, neuer Gesetze und Vorschriften, der Anordnung der Regeln für die Aufbewahrung der Informationen und wissenschaftlicher Berechnungen schnell zu. Der letzte Teil der gespeicherten Informationen wird in Rechenzentren gesammelt. Diese Rechenzentren verbrauchen genug Energie, um die positiven Auswirkungen der IKT auf die Gesellschaft teilweise zu verschieben, für die behauptet wird, dass „ein Bruchteil der Energieeinsparungen bei IKT und Netzwerken zu erheblichen finanziellen und CO2-Einsparungen führen könnte“.

In den letzten Jahren ist das Bewusstsein für die Auswirkungen moderner Gesellschaften auf die Umwelt tendenziell gestiegen. Viele umweltrelevante Faktoren wie Energieverbrauch oder Elektroschrott werden durch den Einsatz von IKT verursacht, aber gleichzeitig könnte diese Technologie auch einige andere Umweltprobleme lösen. Der Doppelnatur des Themas wird mit der Erstellung des Green Computing-Konzepts aus einer integrativen Perspektive begegnet. Es wurde 1992 von der US-amerikanischen Umweltschutzbehörde eingeführt und startete das „Energy Star“-Programm. Am Anfang wurde es auf verschiedenen Produkten wie Computermonitoren, Fernsehgeräten und Klimaanlagen durchgesetzt. Das erste bekannte Ergebnis von Green Computing war die Schlafmodus-Option von Computermonitoren, die wenig Energie verbrauchen, falls die Benutzeraktivität nach einer bestimmten Zeit ausbleibt. Heute vereint Green Computing viele andere Konzepte wie die Bestätigung von Computerhardware, Virtualisierungssoftware, Cloud Computing oder die Steigerung der Energieeffizienz von Rechenzentren. Green Computing umfasst Technologien, die sowohl zur Verringerung der Umweltauswirkungen von IKT („Green IT“ – Ökologisierung der IKT) als auch zur Anwendung von Informationssystemen (IS) zur Verringerung der Umweltauswirkungen von IKT-Verbrauchsmaterialien („Green IS“ – Ökologisierung durch IKT) beitragen können. Diese integrative Vision kombiniert zwei sich ergänzende Ansätze, die in Abb. 4 dargestellt sind; sie steigern die Energieeffizienz von Rechenzentren. Green Computing umfasst Technologien, die sowohl zur Verringerung der Umweltauswirkungen von IKT („Green IT“ – Ökologisierung der IKT) als auch zur Anwendung von Informationssystemen (IS) zur Verringerung der Umweltauswirkungen von IKT-Verbrauchsmaterialien („Green IS“ – Ökologisierung durch IKT) beitragen können. Diese integrative Vision kombiniert zwei sich ergänzende Ansätze, die in Abb. 4 dargestellt sind. Sie steigern die Energieeffizienz von Rechenzentren. Green Computing umfasst Technologien, die sowohl zur Verringerung der Umweltauswirkungen von IKT („Green IT“ – Ökologisierung der IKT) als auch zur Anwendung von Informationssystemen (IS) zur Verringerung der Umweltauswirkungen von IKT-Verbrauchsmaterialien („Green IS“ – Ökologisierung durch IKT) beitragen können. Diese integrative Vision kombiniert zwei sich ergänzende Ansätze, die in Abb. 4 dargestellt sind.

Abbildung 4. Die integrative Vision für Green Computing

Die praktische Umsetzung von Green IT und Green IS lässt sich durch die folgenden konzeptionellen Wertemodelle verdeutlichen.

Green IT: Wertmodell

Das Green-IT-Wertemodell kann dabei helfen, das Ziel der ökologischen Nachhaltigkeit zu erreichen. Dieses konzeptionelle Modell basiert auf vier Elementen, wie in Abb. 5 gezeigt.

Abbildung 5. Das Green-IT-Wertemodell

Grünes IS-Wert-Modell

Das Green IS-Wertemodell ist wichtig für die Akzeptanz von Green IS und seine Auswirkungen auf die Umweltdurchsetzung des Unternehmens. Während Unternehmen unter ständiger Spannung von verschiedenen Aufsichtsbehörden, Kunden und Wettbewerbern stehen, sind einige von ihnen bereit, Effizienz und Effektivität aus Umweltgründen zu streichen. Green IS-Investitionen zur Erfüllung nachhaltiger Geschäftserfahrungen sollen Umsatz und/oder Einkommen steigern.

Die Einführung von Green IS durch Mitarbeiter (Führungskräfte) eines Unternehmens wird untersucht und durch ein Modell erklärt, das die Wahrnehmung anhand von drei grundlegenden Faktoren beschreibt. Bei der Einführung von IS müssen drei Arten von strategischen Initiativen berücksichtigt werden. Alle sind in Abb. 6 dargestellt.

Abbildung 6. Das grüne IS-Wert-Modell

Dieses Modell könnte durch eine Strategie zur Anwendung verschiedener Technologien und Techniken, wie Video- und Telekonferenzen, Emissionsmanagementsysteme usw., in die Tat umgesetzt werden.

Es kann ein Rahmen für das Management und die Anwendung von Green IT und Green IS geschaffen werden, der eine Vielzahl von Technologien umfasst, die Möglichkeiten zur Verringerung der negativen Umweltauswirkungen bei Aktivitäten von Herstellern und Verbrauchern bieten, die IKT verwenden. Zu diesen grünen Technologien gehören die folgenden.

Cloud Computing

Viele Unternehmen wenden ein neues Computing-Paradigma an – Cloud Computing, um die Nutzung zu optimieren und die Kosten ihrer Computerserver zu minimieren. Auf diese Weise entfallen bisherige Kosten für den Aufbau der IT-Infrastrukturen. Cloud Computing ermöglicht die Verknüpfung gemeinsamer Infrastrukturen und das Ausbalancieren von IT-Ressourcen für Rechenaufgaben in Echtzeit bei gleichzeitiger Reduzierung der Gasemissionen und Aufrechterhaltung des Serviceniveaus. Cloud Computing basiert auf der gemeinsamen Nutzung von Hardware- und Softwareressourcen, die von mehreren Benutzern gemeinsam genutzt und je nach Bedarf dynamisch neu zugewiesen werden. Diese „grüne“ Technologie macht es einem Unternehmen letztendlich überflüssig, ein Rechenzentrum vor Ort zu haben, was sich positiv auf die natürliche Umwelt und ihre Ressourcen auswirkt. Bis heute bieten viele Anbieter auf Green IS ausgerichtete Cloud-Dienste an und verzeichnen erhebliche finanzielle Wachstumsraten pro Jahr.

Computer-Energieverwaltung

Um beim Rechnen Energie zu sparen, ist es üblich, das Gerät auszuschalten, falls es nicht in Betrieb ist. Es gibt einen sogenannten offenen Industriestandard „Advanced Configuration and Power Interface“ (ACPI 2), der eine fortgeschrittene Green-IT-Praxis repräsentiert. Es ermöglicht eine direkte Leistungssteuerung des Computerbetriebssystems und der zugrunde liegenden Hardware. Dieser Standard schließt automatisch Komponenten wie Monitore und Festplatten aus, wenn die Geräte inaktiv sind. Das Computer-Energiespargerät umfasst verschiedene Energiesparmodi des Monitors, der Festplatte, des System-Standbys und des Ruhezustands sowie verschiedene CPU-Energiezustände.

Rechenzentrumsdesign

Rechenzentren verbrauchen einen großen Prozentsatz an Energie, mehr als 100-mal so viel wie herkömmliche Gewerbegebäude. Somit hat die effiziente Energierecycling-Gestaltung von Rechenzentren, wie die Wiederverwendung von Abwärme, einen erheblichen positiven Einfluss auf die Energiesicherheit und kann in folgenden Bereichen eingesetzt werden:

  • IT-Systeme: Erhöhung der Hardwarenutzung (durch Virtualisierung, siehe unten); Computer-Energiesparmodi zulassen; energieeffiziente Werkzeuge kaufen (z. B. Computernetzteile, Computerprozessoren, Solid-State-Speichergeräte, Terminalserver);
  • Hauptstromsysteme: Energiemanagementteile (Hardware- und Softwaregeräte zur Optimierung von Arbeit und Leistung); Steigerung der Nutzung erneuerbarer Energien; Nutzung von natürlichem Licht anstelle von Strom;
  • Kühlsysteme;

IT-Virtualisierung

Das esVirtualisierung bezeichnet die Trennung von IT-Ressourcen durch Servervirtualisierung und Speichervirtualisierung. Die Servervirtualisierung bedeutet den Betrieb vieler logischer Computersysteme auf einer physischen Hardware, und die Speichervirtualisierung bedeutet die Summierung des physischen Speichers aus vielen Netzwerkspeicherwerkzeugen, auf denen ein einzelnes Speichergerät platziert werden soll, das von einer zentralen Konsole aus verwaltet wird. Die IT-Virtualisierung senkt die Kosten für Hardware, verringert den Energieverbrauch und den physischen Platzbedarf. Gleichzeitig verfeinert es das Testen und Verbreiten von Software und erhöht die Vielseitigkeit von Hardware-Investitionen. Außerdem kann es bei der Arbeitsteilung helfen: Die Server sind entweder beschäftigt oder in einen Energiesparmodus versetzt. Daher ist Virtualisierung einer der Hauptansätze für Unternehmen, um ökologische Nachhaltigkeit in IT-Praktiken und Unternehmen zu implementieren.

Materialrecycling und Elektroschrott

Durch die Erforschung des richtigen Recyclings von IT-Techniken wird Elektroschrott reduziert und schädliche Elemente wie Blei, Quecksilber und Cadmium aus der natürlichen Umwelt entfernt. Dann können sie wiederverwendet werden und die De-novo-Produktion kann entfallen. Der Prozess des Materialrecyclings ist für fast jedes Computergerät und Zubehör wie Festplatten, Druckerpatronen und Batterien durchführbar. Auf diese Weise können Personen und Unternehmen die Lebensdauer von IT-Geräten verlängern, indem sie die Tools aktualisieren, anstatt sie nur zu ändern.

Smart Grid und Smart Matters

Die Smart Grid-Technologie umfasst Hard- und Software, die eine effektivere Nutzung der tatsächlichen Infrastrukturen für die Stromerzeugung, -übertragung und -verteilung gewährleistet. Dies ist eine aktualisierte Version des Stromliefersystems, das automatisch auf Informationsflüsse reagiert. Die Aufgabe besteht darin, die Effizienz, Sicherheit und Nachhaltigkeit der Stromerzeugung und -verteilung durch Lastausgleich und Spitzenlastmanagement zu verbessern. Geräte im Netzwerk verfügen über Sensoren zum Sammeln von Daten (Leistungsmesser, Spannungssensoren, Fehlerdetektoren usw.). Ein solches Gerät ist der Smart Meter, der die digitale Kommunikation zwischen Geräten nutzt, die an das Stromnetz angeschlossen sind. Die gesammelten Daten beziehen sich auf die Energieerzeugung und das Verbrauchsverhalten von Lieferanten und Verbrauchern. In diesem Sinne hilft der Informationsaustausch in Echtzeit zwischen Erzeugern und Verbrauchern, den Energiebedarf besser zu steuern und den Bedarf an Energieüberschüssen in Spitzenzeiten zu reduzieren. Tools im Netzwerk verfügen über Sensoren zum Sammeln von Daten (Leistungsmesser, Spannungssensoren, Fehlerdetektoren usw.). Sie lesen den Energieverbrauch (Strom, Gas etc.) in definierten Zeiträumen aus und senden täglich Daten zB zur Überwachung und Kostenschätzung an die Stadtwerke zurück. Es kann auch verwendet werden, um Informationen über den Energieverbrauch bereitzustellen und den Verbrauchern Energiepreise in Echtzeit festzulegen. Ein wesentliches Merkmal ist die Automatisierungstechnik, die es dem Stadtwerk ermöglicht, jedes Gerät von einer zentralen Stelle aus einzustellen und zu steuern. Zu den Vorteilen gehören der Umgang mit alternativen Stromquellen (z. B. Solar- und Windkraft), intelligente Steuerung für umweltfreundliche Gebäude

Die ICT-Trends der Zukunft: von grün zu weise

Innerhalb der ICT-Branche gibt es zwei Hauptsegmente:

  • Telekommunikationsinfrastruktur, dh Telekommunikationsnetze bestehend aus Basisstationen und Zugangspunkten, die Konnektivität zu Geräten bereitstellen (menschenzentriert oder maschinenzentriert);
  • Mobilgeräte/Endgeräte, die durch die Verbindung mit der Infrastruktur (z. B. Mobiltelefone, Tablets, Sensoren, Aktoren, Fahrzeuge, Drohnen usw.) kommuniziert werden.

In Zukunft werden Milliarden von Geräten/Endgeräten mit Millionen von Basisstationen verbunden sein. Obwohl beide Segmente (Netzinfrastruktur sowie Geräte/Endgeräte) von erneuerbaren Energien profitieren würden, ist die Rolle der erneuerbaren Energien im Netzsegment aus folgenden Gründen wesentlich größer:

  • Der Energieverbrauch von Basisstationen (Telekom-Infrastruktur) ist viel höher als der Energieverbrauch von Geräten/Endgeräten;
  • Eine globale Netzabdeckung ist wichtig, um die angestrebte vernetzte Gesellschaft und das Internet der Dinge zu verwirklichen;
  • Basisstationen haben eine größere Größe und sind teuer. Es ist erschwinglich, in jede Basisstation ein erneuerbares Energiesystem zu integrieren.
  • Basisstationen benötigen eine zuverlässige und kontinuierliche Stromversorgung im Gegensatz zu Geräten (z. B. Mobiltelefonen), die geladen werden können, wenn Strom verfügbar ist.

Um die zukünftigen grünen IKT-Trends zu verstehen, ist es wichtig, nicht nur die Geschichte von Grün, sondern auch die Geschichte der IKT zu verstehen. In den letzten 20-30 Jahren wurde die ICT-Infrastruktur aufgebaut, die Leistung und Dichte wird sich weiter verbessern und erhöhen. Nun ist jedoch ein Wendepunkt erreicht. Die aktuelle Schwelle entspricht dem Wendepunkt, den alle Industrieepochen erlebt haben. Während der Installationsphase werden neue Lösungen eingesetzt, um die Effizienz im alten System zu steigern, während der Bereitstellungsphase erreicht das neue System die Reife und ermöglicht es, völlig neue Lösungen zu liefern. Anfangs fand die Transformation in den „Informationssektoren“ statt, z. B. im Musik-, Video- oder Buchsektor usw., und jetzt sehen wir die ersten Anzeichen einer gravierenden Veränderung in den „schweren Sektoren“, wie Auto und Mobilität ,

Der Wechsel von der Verbesserung bestehender Systeme hin zur Bereitstellung neuer Lösungen wird durch zwei Trends der IKT-Entwicklung und „grüner“ IKT unterstützt, die es zu verstehen gilt.

  • (1) Die IKT-Unternehmen sind heute einflussreiche Wirtschaftsakteure. Zum ersten Mal in der Geschichte war ein ICT-Unternehmen – Apple – das größte Unternehmen in den USA. Apple hat Exxon Mobile überholt und damit demonstriert, dass IKT-Unternehmen von der Politik nicht länger ignoriert werden können.
  • (2) Die ICT-Unternehmen sind jetzt Teil eines allgegenwärtigen Netzwerks, das fast jeden und fast alles auf dem Planeten verbindet. Heutzutage sind mehr Menschen miteinander verbunden als zu jeder anderen Zeit der Menschheitsgeschichte. Bis 2020 gibt es etwa 50 Milliarden vernetzte Geräte, und die Gesellschaft erhält Zugang zu Daten und erlebt Transparenz, die sich grundlegend von dem unterscheidet, was jede Gesellschaft je zuvor erlebt hat.

Eine der größten Herausforderungen besteht darin, dass die neuen „grünen“ IKT-Lösungen in einem regulatorischen Umfeld konkurrieren müssen, das Vorschriften umfasst, die für die Industriestruktur des 19. Jahrhunderts geschaffen wurden. Sie muss sich auch mit den Veranlagungen von Menschen auseinandersetzen, die mit der schnellen Entwicklung von IKT-Lösungen nicht vertraut sind. Tatsächlich ist die aktuelle technologische Entwicklung so schnell, dass Gesellschaftsmitglieder jeder Art – von Politikern über Wirtschaftsführer bis hin zu Wirtschaftsexperten – miterleben, wie der gesamte Prozess – von der Idee bis zur vollständigen Umsetzung – nur wenige Jahrzehnte abläuft. Zur Klärung der Situation müssen die Phasen einer langfristig disruptiven Lösung untersucht werden. Am Anfang löst etwas eine Idee aus, die sich verbreitet, zB die ersten Personal Computer. Daraus entstanden weitere Ideen, wie papierlose Büros, virtuelle Meetings etc. All diese Aktivitäten begeisterten die Menschen. Nach einiger Zeit wurden funktionierende Prototypen eingeführt und viele Unternehmen investierten in sehr teure Prototypen von Videokonferenzgeräten. Die Technologie war zu neu und es wurde kein tragfähiges Geschäftsmodell verwendet, stattdessen wurden diese Prototypen von den Unternehmen selbst gekauft und verwaltet. Nach und nach waren viele Entscheidungsträger von der Idee der IKT als disruptive Kraft in verschiedenen Bereichen so begeistert, dass sie schließlich dachten, es würde nie passieren.

Ein Trend besteht heute darin, dass politische Entscheidungsträger keine signifikanten Veränderungen berücksichtigen, die durch „grüne“ IKT vorgenommen werden. Viele planen nach wie vor Investitionen in neue Kohlekraftwerke, weil sie das gleiche Wirtschaftsmodell wie bisher verwenden. Siemens Deutschland hat beispielsweise angekündigt, ein 25-Prozent-Ziel für erneuerbare Energien zu unterstützen und sein Kernenergiegeschäft einzustellen.

Schlussfolgerungen

Die Entwicklungsgeschichte der IKT zeigt, dass die Gesellschaft heute an einem Wendepunkt steht, an dem sich IKT-Lösungen in Richtung Schaffung neuer Lösungen bewegen, anstatt alte Systeme besser zu machen. Bei der IKT-Entwicklung lassen sich zwei wichtige Trends aufzeigen:

  • (1) Die Tatsache, dass IKT-Unternehmen heute wirtschaftlich stark sind und als Quelle für wirtschaftliches und politisches Kapital dienen.
  • (2) IKT-Lösungen und Unternehmen sind mittlerweile so zahlreich vorhanden, dass neue Cluster von Lösungsanbietern entstehen können. Es ist wichtig zu verstehen, was ICT-Lösungen tatsächlich leisten können.

‚Grün‘ICT umfasst den Einsatz von ICT-Lösungen zur Unterstützung intelligenten Wachstums. Um „grüne“ IKT zu beobachten, sollte daher der Kontext der aktuellen „grünen“ IKT-Trends erfasst werden. Während „Grün“ bis ins 21. Jahrhundert als Naturschutz oder Umweltschutz verstanden wurde, vollzog sich Anfang der 2000er Jahre ein deutlicher Wandel. Der Fokus verlagerte sich von einer Problemperspektive (Umweltschutz) hin zu einer Lösungsperspektive und eine neue Generation von Unternehmensführern sah die Chance, die Notwendigkeit von Ressourceneffizienz und dem Verkauf neuer Produkte und Dienstleistungen zu verknüpfen.

In der IKT-Entwicklung ist eine Parallelverschiebung zu beobachten. Es geht von der Verbesserung bestehender Systeme hin zu neuen Lösungen. Neue ICT-Lösungen wurden geschaffen, um Energieeffizienz und „grünes“ Wachstum zu unterstützen. Eines der beliebtesten Beispiele für IKT-getriebene Lösungen sind E-Books, Smart Grids, Elektroautos, Online-Meetings usw.

Es ist positiv, dass viele Bürger das Konzept des menschengemachten Klimawandels und der Ressourcenerschöpfung erkannt haben. Sie erwägen auch die zwingende Notwendigkeit, in dieser Angelegenheit tätig zu werden. Dieses Verständnis hat viele Menschen dazu veranlasst, ihren persönlichen Lebensstil zu ändern. Der Trend „grünes Leben“ umfasst viele Aspekte wie grünes Bauen, erneuerbare Energien, Energiesparen zu Hause, den erweiterten Einsatz umweltfreundlicher Produkte, einen Recyclingansatz. Hinzu kommen die sogenannten Nachhaltigkeitschecklisten, die Haushalten helfen sollen, ihre Nachhaltigkeit zu beurteilen und Vorschläge zur Steigerung der Nachhaltigkeit des Wohnens zu machen. Darüber hinaus kann der clevere Einsatz von E-Services ein Werkzeug für weniger Energieverbrauch im Alltag und bei der Arbeit sein. Zum Beispiel ist dies der Fall bei der Verwendung von Papier – die heutige Korrespondenz wird durch digitale Formate über das Internet und Smart Devices ersetzt. Die Produktion und der Vertrieb neuer Produkte und Dienstleistungen zeigen die Tendenz zur Minimierung des Energiebedarfs, geschätzt anhand des CO2-Fußabdrucks. Ein weiteres Beispiel ist die Substitution traditioneller Konferenzen durch Online-Konferenzen, die sich durch reduzierte Transportleistungen direkt positiv auf den Umweltschutz und die Reduzierung der Treibhausgasemissionen auswirken. Es wird berichtet, dass durch Telefonkonferenzen die Produktion von ca. 540.000 t CO2 pro Jahr vermieden werden kann; Dies sind die Kosten für den Lufttransport von Personen. nach CO2-Fußabdruck geschätzt.

Die Nutzung „grüner“ IKT-Tools und -Dienste über Breitband/5G-Internet trägt zum Umweltschutz und zum gesellschaftlichen Wohlergehen bei, da Kosten und Zeit für den Zugang zu Regierungsstellen (24/7-Dienste), Energieeinsparungen (kein Transport) und Beschränkungen von Schadstoffemission (CO2-Fußabdruck). Auch im Bereich E-Commerce und E-Business kommen neue innovative Geschäftslösungen entweder für den Unternehmer oder den Endkunden an.

Test: LO4 Basisniveau

Verweise

Wissenschaftliche Open-Access-Ressourcen: Digitale Datenbanken

 Fortgeschrittenes Niveau

Dieser Teil befasst sich mit dem fortgeschrittenen Design einer Datenbank. Es erklärt die Struktur einer Datenbank und wie man Beziehungen zwischen Datenbanktabellen herstellt.

Inhalt

 

Erweiterte Struktur einer Datenbank

Dieser Teil befasst sich mit dem fortgeschrittenen Design einer Datenbank. Es erklärt die Struktur einer Datenbank und wie man Beziehungen zwischen Datenbanktabellen herstellt. Es präsentiert auch die spezifische Sprache, die verwendet wird, um Abfragen (SQL) zu erstellen, um Daten aus einer Datenbank abzurufen.

Datenbankmanagementsystem

Eine moderne Datenbank kann als strukturierte Sammlung von Informationen (Daten) definiert werden, die für die reale Welt repräsentativ sind. Database Management Systeme (DBMS) dienen der Erstellung, Verwaltung und Abfrage von Datenbanken. Derzeit sind relationale Datenbankmanagementsysteme (RDBMS) die ausgereiftesten und am weitesten verbreiteten Datenbanksysteme in der Produktion. Fast alle Online-Transaktionen und die meisten Online-Content-Management-Systeme (zB Blogs und soziale Netzwerke) basieren auf solchen Datenbanksystemen, die für die Anwendungsinfrastruktur der Welt von zentraler Bedeutung sind. Der Schwerpunkt eines DBMS ist die Zusammenstellung von Diensten, die die Persistenz von Daten in der Datenbank und die Funktionalität bieten, um sicherzustellen, dass die Daten korrekt und konsistent sind und Transaktionen den ACID-Eigenschaften folgen. ACID bezieht sich auf vier wesentliche Eigenschaften einer Transaktion:

  • Atomarität
  • Konsistenz
  • Isolation
  • Haltbarkeit

Sprachen der Datenbankmodelle

Alle Datenbankmodelle verfügen über eine Sprache zur Spezifikation von Struktur und Inhalt der Datenbank. Die Spezifikation wird als Schemadesign bezeichnet und stellt die logische Sicht auf Informationen dar, die von einem bestimmten DBMS verwaltet werden. Diese Datenbankspezifikationssprache muss flexibel sein, damit sie nützlich und dauerhaft ist. Das sichtbarste Element einer Datenbank, das von Datenbankexperten und Anwendungsentwicklern identifiziert werden kann, ist die Datenbearbeitungssprache. Es kann viele Formen aufweisen, wobei die häufigste eine programmiersprachenähnliche Schnittstelle ist. Heute sind die Text- und Prozedursprachen, einschließlich der Structured Query Language (SQL) und der Object Query Language (OQL), die am weitesten verbreiteten Formen der Datenbearbeitungssprache.

Datenbankeigenschaften

Eine Datenbank kann als kohärent, logisch und intern konsistent charakterisiert werden. Es kann auch als selbstbeschreibend bezeichnet werden, da es Metadaten enthält, die die Daten und Beziehungen zwischen Tabellen in der Datenbank definieren und beschreiben. Es ist so konzipiert, dass es Daten für einen bestimmten Zweck enthält. Jedes Datenelement wird in einem Feld gespeichert; eine Kombination von Feldern wird als Tabelle bezeichnet. In einer Datenbank können mehrere Tabellen vorhanden sein.

Im Gegensatz zum dateibasierten System wird bei Datenbanksystemen die Datenstruktur im Systemkatalog und nicht in den Anwendungsprogrammen abgelegt. Diese Trennung zwischen Programmen und Daten wird als Programm-Daten-Unabhängigkeit bezeichnet.

Die Architektur eines Datenbanksystems besteht aus einem Satz von Diensten, die auf Basis von Betriebssystemdiensten, Systemdateispeicherdiensten und primären Speicherpufferverwaltungsdiensten aufgebaut sind. Dieser Satz von Diensten umfasst Folgendes: Katalogverwaltung, Integritätsverwaltung, Transaktionsverwaltung, Gleichzeitigkeitskontrolle, Sperrverwaltung, Deadlock-Verwaltung, Wiederherstellungsverwaltung, Sicherheitsverwaltung, Abfrageverarbeitung, Kommunikationsverwaltung und Protokollverwaltung.

Datenbankmodelltypen

Datenmodelle lassen sich in zwei Typen unterteilen:

  • Konzeptuelle Datenmodelle auf hoher Ebene
  • Datensatzbasierte logische Datenmodelle

Konzeptuelle Datenmodelle auf hoher Ebene schlagen Konzepte für die Präsentation von Daten vor, die der Wahrnehmung von Daten durch Menschen ähneln. Ein Beispiel für dieses Datenmodell ist das Entity-Relationship (ER)-Modell, das auf Konzepten wie Entitäten, Attributen und Beziehungen basiert. Eine Entität entspricht einem realen Objekt, Attribute repräsentieren Eigenschaften der Entität und eine Beziehung zeigt eine Assoziation zwischen Entitäten an.

Datensatzbasierte logische Datenmodelle schlagen Konzepte vor, die Benutzer verstehen können, ähneln jedoch der Art und Weise, wie Daten im Computer gespeichert werden. Relationale Datenmodelle, Netzwerkdatenmodelle und hierarchische Datenmodelle sind drei der am weitesten verbreiteten datensatzbasierten logischen Datenmodelle.

  • Im relationalen Modell werden Daten in Form von Beziehungen oder Tabellen dargestellt.
  • Im Netzwerkmodell werden Daten als Datensatztypen dargestellt. Dieses Modell repräsentiert auch einen Mengentyp, der als begrenzter Typ von Eins-zu-Viele-Beziehungen definiert ist.

In dem hierarchischen Modell werden Daten als eine hierarchische Baumstruktur dargestellt, wobei jeder Zweig davon repräsentativ für eine Anzahl zusammengehöriger Datensätze ist.

Phasen des Datenbankdesigns

Die Datenmodellierung ist der erste Schritt des Datenbankdesigns. Dieser Schritt ist jedoch manchmal eine abstrakte Entwurfsphase auf hoher Ebene, die als Konzeptentwurf bekannt ist. In dieser Phase soll Folgendes beschrieben werden:

  • Die in der Datenbank vorhandenen Daten
  • Die Beziehungen zwischen Datenelementen
  • Die Einschränkungen für Daten

In dieser Anfangsphase des Datenbankentwurfsprozesses ist die Analyse des Informationsbedarfs unerlässlich. Dies ist die wichtigste Phase, da die Gesamteffektivität des Systems davon abhängt, wie genau die Informationsanforderungen und Benutzeransichten zu Beginn festgelegt werden. Die in dieser Phase gemachten Angaben zu Informationspflichten wirken sich auf die endgültige Form und den Inhalt des Datenbanksystems aus.

Nachdem die Spezifikationen festgelegt und entwickelt wurden, müssen sie in ein integriertes, zusammenhängendes System strukturiert werden, ein Verfahren namens Logical Design. Das logische Design umfasst die folgenden Schritte:

  1. Entwicklung eines Datenmodells für jede Benutzeransicht
  2. Integration der Entitäten, Attribute und Beziehungen in ein zusammengesetztes logisches Schema, das die Datenbank für dieses Modul in Begriffen beschreibt, die sich nicht auf das verwendete Softwarepaket beziehen
  3. Umwandlung des logischen Schemas in ein Softwareschema, das in der Sprache des gewählten Datenbankverwaltungspakets ausgedrückt wird

Der letzte Schritt beim Entwerfen einer Datenbank ist der physische Entwurf. Dieser Schritt ist erforderlich, um das Softwareschema in eine Form zu bringen, die mit der spezifischen Hardware, dem Betriebssystem und dem Datenbankmanagementsystem einer Organisation implementiert werden kann. Das physische Design umfasst die Umsetzung von Integritäts- und Sicherheitsanforderungen sowie das Design von Navigationspfaden.

Abstraktionsgrad

Datenabstraktion bedeutet das Verbergen bestimmter Details der Art und Weise, wie Daten gespeichert und gepflegt werden. Hinsichtlich ihres Abstraktionsgrads lassen sich Datenbankmodelle in drei Ebenen einteilen:

  • Die externe oder View-Ebene, die die höchste Abstraktionsebene darstellt und nur einen Teil der gesamten Datenbank darstellt
  • Die logische Ebene, die beschreibt, welche Daten in der gesamten Datenbank gespeichert sind
  • Die physikalische Ebene, die die unterste Abstraktionsebene ist und beschreibt, wie die Daten in der Datenbank gespeichert werden

Datenbankschemata

Das Datenbankschema kann als frühe Datenbankbeschreibung definiert werden, von der nicht erwartet wird, dass sie sich häufig ändert. In einem Datenbanksystem existieren zahlreiche Schemata. Die Datenbankarchitektur besteht aus drei Schemaebenen.

Externe Ebene

Dies ist die höchste Schemaebene. Die Datenansicht auf externer Ebene konzentriert sich auf bestimmte Datenverarbeitungsanwendungen oder Benutzeransichten. Es enthält mehrere Ansichten und stellt ein Fragment der eigentlichen Datenbank dar. Jede Ansicht wird für einen Benutzer oder eine Benutzergruppe angeboten, um die Interaktion zwischen Benutzer und System zu vereinfachen.

Konzeptionelle Ebene

Diese Ebene beschreibt die logische Struktur der gesamten Datenbank, die wiederum durch einfache logische Konzepte beschrieben wird, einschließlich der Objekte, ihrer Eigenschaften oder Beziehungen. Daher ist die Kompliziertheit der Implementierungsdetails der Daten für die Benutzer nicht sichtbar. In der Datenbank wird nur eine Ansicht auf konzeptioneller Ebene verwaltet. Damit auf Entitäten oder Attribute im Datenbanksystem verwiesen werden kann, müssen sie zunächst in der Sicht der konzeptionellen Ebene definiert werden, die formal als logisches Schema bezeichnet wird. Diese Ebenenansicht muss sehr stabil sein, da sie als Grundlage für die Entwicklung von externen und internen Ebenenansichten gilt.

Interne Ebene

Die Art und Weise der Datenspeicherung und der Zugriff auf die Daten sind in diesem Schema beschrieben. Die interne Ebene repräsentiert den internen oder physischen Zustand der Datenbank. Ihr Ziel ist es, die Effizienz des Datenbanksystems zu steigern und gleichzeitig die erforderlichen Anforderungen zu erfüllen.

Datenunabhängigkeit

Datenunabhängigkeit bezieht sich auf die Fähigkeit von Benutzeranwendungen, von Änderungen in der Definition und Organisation von Daten unberührt zu bleiben. Es gibt zwei Arten von Datenunabhängigkeit: logische und physische.

Logische Datenunabhängigkeit ist die Möglichkeit, das logische (konzeptionelle) Schema zu ändern, ohne das externe Schema oder die Benutzeransicht zu beeinträchtigen. Anpassungen des logischen Schemas, wie zB Änderungen der Datenbankstruktur wie das Hinzufügen von Tabellen, sollten keinen Einfluss auf die Funktion der Anwendung haben (externe Sichten).

Physische Datenunabhängigkeit ist die Fähigkeit des Schemas auf konzeptioneller Ebene, von Änderungen am internen Schema unberührt zu bleiben. Änderungen an Dateiorganisation oder Speicherstrukturen, Speichergeräten oder Indexierungsstrategie bewirken keine Änderungen auf der konzeptionellen Ebene.

Das relationale Datenmodell

Das relationale Datenmodell wurde 1970 von Dr. Edgar F. Codd entwickelt. Es stellt Daten in tabellarischer Form dar, die vielen Menschen vertraut ist. Die logische Einfachheit von Flatfile-Strukturen wird in diesem Modell beibehalten. Das relationale Modell basiert auf einer Mengentheorie, die die Grundlage für mehrere der Operationen bildet, die an Beziehungen durchgeführt werden. Es bietet den flexibelsten Zugriff auf Daten und ist daher in dynamischen Entscheidungsumgebungen nützlich.

SQL ist eine relationale Transformationssprache; es bietet Möglichkeiten, Beziehungen zu bilden und die Daten zu bearbeiten. Das Ergebnis einer Transformationsoperation ist immer eine andere Relation, die nur eine Zeile und eine Spalte enthalten kann.

Grundelemente eines relationalen Datenmodells

Tabelle 1. Grundkomponenten eines relationalen Datenmodells.

Datenbankkomponente Beschreibung
Tisch enthält Spalten und Zeilen; eine Teilmenge des kartesischen Produkts einer Liste von Domänen, die durch einen Namen gekennzeichnet sind
Säulen Hauptspeichereinheiten; enthalten die grundlegenden Datenelemente, in die der Inhalt unterteilt werden kann
Reihen Spalten enthalten, die verknüpft sind; zusammen mit Spalten bilden die Basis aller Datenbanken
Domain ein Satz akzeptabler Werte, die in eine Spalte aufgenommen werden können
Grad die Anzahl der Spalten in einer Tabelle

Eine Relation, die auch als Tabelle oder Datei bezeichnet wird, kann als zweidimensionale Tabelle charakterisiert werden, die aus Daten zu einer Entitätsklasse oder den Beziehungen zwischen Entitätsklassen besteht. In jeder Zeile einer Tabelle sind Daten enthalten, die sich auf eine bestimmte Entität beziehen, und in jeder Spalte ist ein bestimmtes Attribut enthalten. Die Zeilen oder Datensätze einer Relation können als Tupel bezeichnet werden. Ein Datensatz in einer Tabelle repräsentiert eine Instanz einer Entität. Die Anzahl der Zeilen in einer Relation gibt ihre Kardinalität an. Die Anzahl der Spalten, auch Felder oder Attribute genannt, in einer Relation entspricht dem Grad der Relation. Die Grundelemente eines relationalen Datenmodells sind in Tabelle 1 beschrieben. Eine unäre Relation besteht nur aus einem Attribut; eine binäre Relation besteht nur aus zwei Attributen; eine ternäre Relation besteht nur aus drei Attributen.

Eigenschaften einer Tabelle

  • Jede Tabelle in einer Datenbank hat einen eindeutigen Namen
  • Es sind keine doppelten Zeilen vorhanden; jede reihe ist anders
  • Jede Zeile hat einen anderen Namen
  • Die Reihenfolge der Zeilen und Spalten ist nicht wichtig
  • Einträge aus Spalten werden gemäß ihrem Datentyp aus derselben Domäne abgeleitet, einschließlich: Datum, logisch (wahr/falsch), Zeichen (String) und Zahl (numerisch, Ganzzahl, Gleitkomma, …)

Unterscheidungsmerkmale des relationalen Datenbankmodells

Wesentlichkeit: Eine Datenstruktur gilt als wesentlich, wenn sie beim Entfernen zu einem Informationsverlust in der Datenbank führt.

Integritätsregeln: Diese stellen sicher, dass der Datenbankinhalt korrekt und konsistent bleibt. Es gibt zwei Arten von Integrität:

  1. Entitätsintegrität: Ermöglicht die eindeutige Identifizierung jeder Entität in der relationalen Datenbank. Diese Fähigkeit gewährleistet den Zugriff auf alle Daten. Erfordert, dass kein Primärschlüssel einen Nullwert hat.
  2. Referentielle Integrität: Ermöglicht die Referenzierung von Tupeln mithilfe von Fremdschlüsseln. Erfordert, dass die von einem Fremdschlüssel angenommenen Werte entweder mit einem in der Datenbank vorhandenen Primärschlüssel übereinstimmen oder vollständig null sind.

Datenmanipulation: Eine Methode zum Manipulieren der Daten; Prinzipieller Ansatz zur Erstellung von Informationen für die Entscheidungsfindung.

Das Entity-Relationship-Modell

Das Entity-Relationship (ER)-Datenmodell ist seit mehr als 35 Jahren verfügbar. Es ist relativ abstrakt und leicht zu erklären. ER-Modelle lassen sich leicht in Beziehungen übersetzen und durch ER-Diagramme darstellen. Beziehungen und Entitäten sind die Grundlagen dieses Modells. Eine Entität kann ein Objekt sein, das physisch existiert oder konzeptionell existiert. Wenn ihre Tabellen existenzabhängig sind, wird eine Entität als schwach bezeichnet. Umgekehrt wird eine Entität als stark bezeichnet, wenn sie getrennt von allen ihren zugehörigen Entitäten existieren kann.

Es gibt verschiedene Arten von Entitäten:

  • Unabhängige Entitäten oder Kernel: Die Bausteine ​​der Datenbank. Sie sind starke Wesen. Der Primärschlüssel ist kein Fremdschlüssel und kann einfach oder zusammengesetzt sein. Die verschiedenen Schlüsseltypen sind in Tabelle 2 beschrieben.
  • Abhängige oder abgeleitete Entitäten: Sie sind von zwei oder mehr Tabellen existenzabhängig. Sie werden verwendet, um zwei Kernel zusammenzuführen und können andere Attribute enthalten. Jede verknüpfte Tabelle wird durch den Fremdschlüssel identifiziert. Für den Primärschlüssel stehen drei Optionen zur Verfügung: i) Verwenden Sie einen Verbund aus Fremdschlüsseln verwandter Tabellen, falls eindeutig, ii) Verwenden Sie einen Verbund aus Fremdschlüsseln und einer qualifizierenden Spalte, oder iii) Erstellen Sie einen neuen einfachen Primärschlüssel.

Charakteristische Entitäten: Diese Entitäten bieten zusätzliche Informationen zu einer anderen Tabelle. Sie beschreiben andere Entitäten und sind repräsentativ für mehrwertige Attribute. Der Fremdschlüssel dient zur weiteren Identifizierung der charakterisierten Tabelle. Für den Primärschlüssel stehen zwei Optionen zur Verfügung: i) Verwenden eines Verbunds aus Fremdschlüsseln und einer qualifizierenden Spalte oder ii) Erstellen eines neuen einfachen Primärschlüssels.

Tabelle 2. Arten von Schlüsseln.

Arten von Schlüsseln Beschreibung
Kandidatenschlüssel einfacher oder zusammengesetzter Schlüssel, der eindeutig ist, da keine zwei Zeilen in einer Tabelle zu jeder Zeit denselben Wert haben können, und minimal, da jede Spalte benötigt wird, um Eindeutigkeit zu erreichen
Zusammengesetzter Schlüssel muss minimal sein; bestehend aus zwei oder mehr Attributen
Primärschlüssel vom Datenbankdesigner ausgewählter Kandidatenschlüssel zur Verwendung als Identifizierungsmechanismus für den gesamten Entitätssatz; muss Tupel in einer Tabelle eindeutig identifizieren und darf nicht null sein; im ER-Modell durch Unterstreichen des Attributs angezeigt indicated
Sekundärschlüssel Attribut, das ausschließlich für Abrufzwecke verwendet wird; kann zusammengesetzt sein
Alternativschlüssel alle Kandidatenschlüssel, die nicht als Primärschlüssel ausgewählt sind
Unbekannter Schlüssel Attribut in einer Tabelle, die auf den Primärschlüssel in einer anderen Tabelle verweist ODER es kann null sein

Nullwerte: Anders als Null- oder Leerwerte; hängen nicht vom Datentyp ab. Ein Nullwert bedeutet, dass entweder der tatsächliche Wert unbekannt ist oder das Attribut nicht anwendbar ist.

Beispiele für Entitätstypen und Beziehungen in biologischen Datenbanken

Ein Entitätstyp beschreibt die Merkmale, die von einer Sammlung von Entitäten in einer Domäne gemeinsam genutzt werden. Protein kann beispielsweise als Entitätstyp mit Attributen wie Sequenz, Name, Molekulargewicht, Spezies und Zugangsnummer betrachtet werden. Ein einzelner Entitätstyp wird wahrscheinlich mehrere Instanzen haben, von denen jede Werte für die Attribute bereitstellt, die im entsprechenden Typ angegeben sind. Die Namen von zwei Instanzen des Entitätstyps Protein sind beispielsweise menschliches α-Hämoglobin und Walmyoglobin. Die Werte ihrer Attributsarten wären jeweils Mensch und Wal.

Beziehungen geben an, dass zwei oder mehr Entitätstypen verknüpft sind. Zum Beispiel kann ein Protein mit vielen anderen Proteinen interagieren oder kann ein Mitglied einer Familie sein. Verschiedene Kategorien von Beziehungen können die Art der Beziehung beschreiben. Zum Beispiel könnte ein Entitätstyp als Teil eines anderen (zB ein Beta-Strang ist Teil eines Sheets in der Sekundärstruktur eines Proteins) oder als eine Art eines anderen (zB ein Enzym ist eine Art Protein) dargestellt werden.

Modifikationsanomalien

Während des Einfügens, Löschens oder Änderns von Daten können in einer Datenbank unbeabsichtigte Fehler auftreten. Wenn der Fehler auf das Datenbankdesign zurückzuführen ist, wird dies als Modifikationsanomalie bezeichnet.

Es gibt drei Arten von Modifikationsanomalien:

  1. Löschanomalie: die Entfernung einer logischen Entität, die zum Verlust von Informationen über eine nicht verwandte logische Entität führt
  2. Einfügeanomalie: das Einfügen von Daten über eine logische Entität, die das Einfügen von Daten über eine nicht verwandte logische Entität erfordert
  3. Update-Anomalie: die Änderung der Informationen für eine logische Einheit, die mehr als eine Änderung einer Beziehung erfordert.

Schlüsseldefinitionen

Zentralisiertes Datenbanksystem: Daten in diesem System werden an einem einzigen Standort gespeichert

Verteiltes Datenbanksystem: Datenbank- und DBMS-Software werden an verschiedenen Standorten verteilt, die durch ein Computernetzwerk verbunden sind.

Datenbank: eine gemeinsame Sammlung zugehöriger Daten zur Unterstützung der Aktivitäten von Organisationen.

Datendefinitionssprache (DDL): verwendet, um die konzeptionellen und internen Schemata zu definieren

Datenbankverwaltungssystem (DBMS): Computerprogramme zur Erstellung, Verwaltung und Abfrage von Datenbanken

Datenmodell: eine Sammlung von Konzepten zur Beschreibung der Datenbankstruktur database

Daten Redundanz: Speicherung des gleichen Datenstücks an zwei oder mehr Stellen im Datenbanksystem

Normalisierung: eine Methode, die Daten so strukturiert, dass Probleme verringert oder vermieden werden

Erholung: das Verfahren zur Verwendung von Protokollen und Sicherungskopien zum Wiederherstellen einer beschädigten Datenbank

Strukturierte Abfragesprache (SQL)

SQL steht für Structured Query Language, eine Computersprache zum Speichern, Manipulieren und Abrufen von Daten, die in einer relationalen Datenbank gespeichert sind. Es ist die am weitesten verbreitete Datenbanksprache. Es bietet Möglichkeiten, Beziehungen aufzubauen und Daten zu manipulieren. SQL ist die Standardsprache für relationale Datenbanksysteme. Alle relationalen Datenbankverwaltungssysteme (RDMS), wie MySQL, MS Access, Oracle, Sybase, Informix, Postgres und SQL Server, verwenden SQL als ihre Standard-Datenbanksprache, obwohl sie unterschiedliche „Dialekte“ verwenden:

  • MS SQL Server verwendet T-SQL
  • Oracle verwendet PL/SQL
  • MS Access verwendet eine SQL-Version namens JET SQL (natives Format) usw.

Liste der SQL-Befehle

Es folgt eine Liste von SQL-Befehlen, die alle notwendigen Aktionen mit SQL-Datenbanken abdeckt. Wie bereits erwähnt, kann es jedoch einige Unterschiede zwischen verschiedenen Arten von Datenbanken geben, einschließlich der Verwendung verschiedener „Dialekte“. Jeder SQL-Befehl wird mit seiner Syntax und Beschreibung geliefert.

Die Befehle in SQL werden Abfragen genannt und es gibt zwei Arten:

  1. Datendefinitionsabfrage: Die Anweisungen, die die Struktur einer Datenbank definieren, Tabellen erstellen, ihre Schlüssel, Indizes usw.
  2. Abfragen zur Datenbearbeitung: Dies sind die Abfragen, die bearbeitet werden können.

Liste der SQL-Befehle1:

Befehl Syntax Beschreibung
ALTER table ALTER TABLE table_name ADD column_name datatype; Es wird verwendet, um einer Tabelle in einer Datenbank Spalten hinzuzufügen
AND SELECT column_name(s)FROM table_nameWHERE column_1 = value_1 AND column_2 = value_2; Es ist ein Operator, der verwendet wird, um zwei Bedingungen zu kombinieren
AS SELECT column_name AS ‘Alias’FROM table_name; Es ist ein Schlüsselwort in SQL, das verwendet wird, um eine Spalte oder Tabelle mit einem Aliasnamen umzubenennen
AVG SELECT AVG(column_name)FROM table_name; Es wird verwendet, um eine numerische Spalte zu aggregieren und ihren Durchschnitt zurückzugeben
BETWEEN all candidate keys not selected as the primary key Es ist ein Operator, mit dem das Ergebnis innerhalb eines bestimmten Bereichs gefiltert wird
CASE attribute in a table that references the primary key in another table OR it can be null Es ist eine Anweisung, die verwendet wird, um verschiedene Ausgaben innerhalb einer SELECT-Anweisung zu erstellen
COUNT all candidate keys not selected as the primary key Es ist eine Funktion, die den Namen einer Spalte als Argument nimmt und die Anzahl der Zeilen zählt, wenn die Spalte nicht NULL ist
Create TABLE attribute in a table that references the primary key in another table OR it can be null Es wird verwendet, um eine neue Tabelle in einer Datenbank zu erstellen und den Namen der Tabelle und der darin enthaltenen Spalten anzugeben
DELETE all candidate keys not selected as the primary key Es wird verwendet, um die Zeilen aus einer Tabelle zu entfernen
GROUP BY attribute in a table that references the primary key in another table OR it can be null Es ist eine Klausel in SQL, die für Aggregatfunktionen in Zusammenarbeit mit der SELECT-Anweisung verwendet wird
HAVING all candidate keys not selected as the primary key Es wird in SQL verwendet, da das Schlüsselwort WHERE nicht in Aggregationsfunktionen verwendet werden kann
INNER JOIN attribute in a table that references the primary key in another table OR it can be null Es wird verwendet, um Zeilen aus verschiedenen Tabellen zu kombinieren, wenn die JOIN-Bedingung WAHR wird
INSERT all candidate keys not selected as the primary key Es wird verwendet, um einer Tabelle neue Zeilen hinzuzufügen
IS NULL/ IS NOT NULL attribute in a table that references the primary key in another table OR it can be null Es ist ein Operator, der mit der WHERE-Klausel verwendet wird, um auf leere Werte zu prüfen
LIKE all candidate keys not selected as the primary key Es ist ein spezieller Operator, der mit der WHERE-Klausel verwendet wird, um nach einem bestimmten Muster in einer Spalte zu suchen
LIMIT attribute in a table that references the primary key in another table OR it can be null Es ist eine Klausel, um die maximale Anzahl von Zeilen anzugeben, die die Ergebnismenge haben muss
MAX all candidate keys not selected as the primary key Es ist eine Funktion, die die Anzahl der Spalten als Argument verwendet und den größten Wert davon zurückgibt
MIN attribute in a table that references the primary key in another table OR it can be null Es ist eine Funktion, die die Anzahl der Spalten als Argument verwendet und den kleinsten Wert davon zurückgibt
OR primary key Es ist ein Operator, der verwendet wird, um die Ergebnismenge so zu filtern, dass sie nur die Zeilen enthält, bei denen eine der Bedingungen WAHR ist
ORDER BY attribute in a table that references the primary key in another table OR it can be null Es ist eine Klausel, die verwendet wird, um die Ergebnismenge nach einer bestimmten Spalte entweder numerisch oder alphabetisch zu sortieren
OUTER JOIN all candidate keys not selected as the primary key Es wird verwendet, um Zeilen aus verschiedenen Tabellen zu kombinieren, auch wenn die Bedingung NICHT WAHR ist
ROUND attribute in a table that references the primary key in another table OR it can be null Es ist eine Funktion, die den Spaltennamen und eine ganze Zahl als Argument verwendet und die Werte in einer Spalte auf die durch eine ganze Zahl angegebene Anzahl von Dezimalstellen rundet
SELECT all candidate keys not selected as the primary key Es ist eine Anweisung, die verwendet wird, um Daten aus einer Datenbank abzurufen
SELECT DISTINCT attribute in a table that references the primary key in another table OR it can be null Es wird verwendet, um anzugeben, dass die Anweisung eine Abfrage ist, die eindeutige Werte in angegebenen Spalten zurückgibt
SUM all candidate keys not selected as the primary key Es ist eine Funktion, die verwendet wird, um die Summe der Werte aus einer bestimmten Spalte zurückzugeben
UPDATE attribute in a table that references the primary key in another table OR it can be null Es wird verwendet, um Zeilen in einer Tabelle zu bearbeiten
WHERE all candidate keys not selected as the primary key Es ist eine Klausel, die verwendet wird, um die Ergebnismenge zu filtern, um die Zeilen einzuschließen, in denen die WHERE-Bedingung TRUE ist
WITH WITH temporary_name AS (SELECT *FROM table_name)SELECT *FROM temporary_nameWHERE column_name operator value; Es wird verwendet, um das Ergebnis einer bestimmten Abfrage in einer temporären Tabelle unter Verwendung eines Alias ​​zu speichern

Befehle und Syntax zum Abfragen von Daten aus einer einzelnen Tabelle oder mehreren Tabellen2:

Einzeltisch Mehrere Tische
SELECT c1 FROM t
To select the data in Column c1 from table t
SELECT c1, c2
FROM t1
INNER JOIN t2 on conditionSelect column c1 and c2 from table t1 and perform an inner join between t1 and t2
SELECT * FROM t
To select all rows and columns from table t
SELECT c1, c2
FROM t1
LEFT JOIN t2 on condition
Select column c1 and c2 from table t1 and perform a left join between t1 and t2
SELECT c1 FROM t
WHERE c1 = ‘test’
To select data in column c1 from table t, where c1=test
SELECT c1, c2
FROM t1
RIGHT JOIN t2 on condition
Select column c1 and c2 from table t1 and perform a right join between t1 and t2
SELECT c1 FROM t
ORDER BY c1 ASC (DESC)
To select data in column c1 from table t either in ascending or descending order
SELECT c1, c2
FROM t1
FULL OUTER JOIN t2 on condition
Select column c1 and c2 from table t1 and perform a full outer join between t1 and t2
SELECT c1 FROM t
ORDER BY c1LIMIT n OFFSET offset
To skip the offset of rows and return the next n rows
SELECT c1, c2
FROM t1
CROSS JOIN t2
Select column c1 and c2 from table t1 and produce a Cartesian product of rows in a table
SELECT c1, aggregate(c2)
FROM t
GROUP BY c1
To group rows using an aggregate function
SELECT c1, c2
FROM t1, t2Select column c1 and c2 from table t1 and produce a Cartesian product of rows in a table
SELECT c1, aggregate(c2)
FROM t
GROUP BY c1HAVING condition
Group rows using an aggregate function and filter these groups using ‘HAVING’ clause
SELECT c1, c2
FROM t1 A
INNER JOIN t2 B on condition
Select column c1 and c2 from table t1 and join it to itself using INNER JOIN clause

Kommerzielle und kostenlose Datenbanken, die in der realen Welt verwendet werden

Figur 1: Nicht erschöpfende Liste der verfügbaren Datenbanken

Dieser Teil befasst sich mit den gängigen Datenbanken, die auf dem Markt zu finden sind, unabhängig davon, ob sie frei oder proprietär sind. Es stehen jedoch so viele Datenbanken zur Verfügung (Abbildung 1), dass wir nicht alle nennen können. Es musste eine Auswahl getroffen werden und die unten aufgeführten sind die „beliebtesten“ oder die „am häufigsten verwendeten“.

Kommerzielle Datenbanken

Aus der Vielzahl der auf dem Markt verfügbaren Datenbanken haben wir drei kommerzielle Datenbanken ausgewählt, die häufig von den großen Unternehmen und Organisationen verwendet werden.

SAP HANA

Diese Datenbank wird von dem in Deutschland gegründeten europäischen Unternehmen SAP SE entwickelt. SAP HANA ist eine spaltenorientierte Datenbank-Engine, die SAP- und Nicht-SAP-Daten verarbeiten kann. Die Engine wurde entwickelt, um Daten aus Anwendungen und anderen Quellen über mehrere Speicherebenen hinweg zu speichern und abzurufen. SAP HANA kann lokal oder in der Cloud von einer Reihe von Cloud-Service-Providern bereitgestellt werden. Diese Datenbank wird normalerweise von Organisationen gewählt, die Daten aus Anwendungen abrufen und nicht über ein stark eingeschränktes Budget verfügen.

Seine Hauptmerkmale sind:

  • Es unterstützt SQL, OLTP und OLAP.
  • Die Engine reduziert den Ressourcenbedarf durch Komprimierung.
  • Die Daten werden im Speicher abgelegt, wodurch die Zugriffszeiten in einigen Fällen erheblich verkürzt werden.
  • Echtzeit-Reporting und Bestandsverwaltung sind verfügbar.
  • Es kann mit einer Reihe anderer Anwendungen verbunden werden.

Α ab Januar 2021 die aktuell unterstützten Hardware-Plattformen3 für SAP HANA sind:

  • Intel-basierte Hardwareplattformen
  • IBM Power Systems

Α ab Januar 2021 die aktuell unterstützten Betriebssysteme4 für SAP HANA sind:

  • Linux SUSE

Linux Red Hat

IBM Db2-Datenbank

Die Wurzeln der IBM Db2-Datenbank reichen bis in die frühen 1970er Jahre zurück, als Edgar F. Codd, ein Forscher des Unternehmens, die Theorie der relationalen Datenbanken beschrieb und im Juni 1970 das Modell zur Datenmanipulation veröffentlichte. Heute ist es eine Datenbank-Engine, die über NoSQL-Funktionen verfügt und JSON lesen kann5 und XML-Dateien6.

Die aktuelle Version von DB2 ist LUW 11.1, die eine Vielzahl von Verbesserungen bietet. Eine davon war insbesondere eine Verbesserung der BLU-Beschleunigung (BLink Ultra oder Big Data, Lightning fast und Ultra-easy), die diese Datenbank-Engine durch Data-Skipping-Technologie schneller arbeiten lassen soll. Das Überspringen von Daten wurde entwickelt, um die Geschwindigkeit von Systemen mit mehr Daten zu verbessern, als in den Speicher passen. Die neueste Version von Db2 bietet außerdem verbesserte Disaster-Recovery-Funktionen, Kompatibilität und Analysen.

Seine Hauptmerkmale sind:

  • BLU Acceleration kann die verfügbaren Ressourcen für riesige Datenbanken optimal nutzen.
  • Es kann aus der Cloud, einem physischen Server oder beidem gleichzeitig gehostet werden.
  • Mit dem Taskplaner können mehrere Jobs gleichzeitig ausgeführt werden.
  • Fehlercodes und Exitcodes können bestimmen, welche Jobs über den Taskplaner ausgeführt werden.

Die derzeit unterstützten Hardwareplattformen7 ab Januar 2021 für IBM Db2 sind:

  • IBM z/Architecture-Mainframe
  • Intel-basierte Hardwareplattformen

Die derzeit unterstützten Betriebssysteme ab Januar 2021 für IBM Db2 sind:

  • z/OS
  • Unix
  • Linux
  • Fenster

Oracle-Datenbank

Oracle Database wird häufig für die Ausführung von Online-Transaktionsverarbeitung (OLTP) oder Data Warehousing (DW) verwendet. Es kann auch OLTP- und DW-Datenbank-Workloads mischen. Oracle Database ist lokal, in der Cloud oder als Hybrid-Cloud-Installation verfügbar. Es kann auf Servern von Drittanbietern sowie auf Oracle Exadata-Hardware vor Ort, in der Oracle Cloud oder in einer privaten Cloud beim Kunden ausgeführt werden.

Die erste Version wurde 1979 veröffentlicht und ihre Entwicklung wurde durch die Forschungen von Edgar F. Codd zum relationalen Datenbankdesign beeinflusst.

Seine Hauptmerkmale sind:

  • Es ist eine plattformübergreifende Datenbank. Es kann auf verschiedenen Hardware-Betriebssystemen ausgeführt werden, einschließlich Windows Server, Unix und verschiedenen Distributionen von GNU/Linux.
  • Es hat seinen Netzwerk-Stack, der es Anwendungen von einer anderen Plattform ermöglicht, reibungslos mit der Oracle-Datenbank zu kommunizieren, zB Anwendungen, die unter Windows laufen, können sich mit der Oracle-Datenbank verbinden, die unter Unix läuft.
  • Es handelt sich um eine ACID-konforme Datenbank, die zur Aufrechterhaltung der Datenintegrität und -zuverlässigkeit beiträgt.

Die derzeit unterstützten Hardwareplattformen sind:

  • Proprietäre Oracle Database Appliance
  • Sparc
  • IBM Power Systems
  • X64-basierte Hardwareplattformen

Die aktuell unterstützten Betriebssysteme8 sind:

  • Unix
  • Linux
  • Fenster

Kostenlose Datenbanken9

Wenn eine Datenbank kostenlos ist, bedeutet dies nicht unbedingt, dass dem Benutzer keine Gebühren in Rechnung gestellt werden. Dies gilt für einige der folgenden Datenbanken, jedoch entscheiden sich einige Entwickler dafür, bestimmte Funktionen einzuschränken und eine Gebühr zu erheben, um diese Funktionen freischalten zu können (siehe die erste Einheit der Grundstufe).

MySQL

MySQL ist eine relationale Open-Source-Datenbank, die auf verschiedenen Plattformen läuft, darunter Windows, Linux, macOS usw. Eine Cloud-Version. MySQL kann für Softwarepakete, geschäftskritische Systeme und Websites mit hohem Volumen verwendet werden.

Seine Hauptmerkmale sind:

  • Es bietet Skalierbarkeit und Flexibilität
  • Das Tool hat Web- und Data Warehouse-Stärken
  • Es bietet eine hohe Leistung
  • Es verfügt über eine robuste Transaktionsunterstützung

PostgreSQL

PostgreSQL ist ein Open-Source-Datenbankverwaltungssystem der Enterprise-Klasse. Es unterstützt sowohl SQL für relationale als auch JSON für nicht-relationale Abfragen. Es wird von einer erfahrenen Community von Entwicklern unterstützt, die einen enormen Beitrag geleistet haben, um es zu einer äußerst zuverlässigen Datenbankverwaltungssoftware zu machen. Es läuft auf drei verschiedenen Plattformen, nämlich Windows, Linux und macOS. Eine Cloud-Version ist nicht verfügbar. PostgreSQL ermöglicht die Erstellung benutzerdefinierter Datentypen und einer Reihe von Abfragemethoden. Eine gespeicherte Prozedur kann in verschiedenen Programmiersprachen ausgeführt werden.

Seine Hauptmerkmale sind:

  • Es ist mit verschiedenen Plattformen kompatibel, die alle gängigen Sprachen und Middleware verwenden
  • Standby-Server und Hochverfügbarkeit
  • Das Tool verfügt über ausgereifte serverseitige Programmierfunktionen
  • Logbasierte und triggerbasierte Replikation SSL
  • Es bietet einen hochentwickelten Verriegelungsmechanismus
  • Unterstützung für die Kontrolle der Parallelität mehrerer Versionen
  • Es bietet Unterstützung für die Client-Server-Netzwerkarchitektur
  • Das Tool ist objektorientiert und ANSI-SQL2008 kompatibel

PostgreSQL ermöglicht die Verknüpfung mit anderen Datenspeichern wie NoSQL, die als föderierter Hub für mehrsprachige Datenbanken fungieren.

Microsoft SQL

SQL Server ist ein von Microsoft entwickeltes RDBMS. Es unterstützt ANSI SQL, die Standardsprache von SQL (Structured Query Language). SQL Server wird jedoch mit seiner Implementierung der SQL-Sprache T-SQL (Transact-SQL) geliefert. Es läuft auf Docker Engine, Ubuntu, SUSE Linux Enterprise Server und Red Hat Enterprise Linux. Eine Cloud-Version ist verfügbar.

Seine Hauptmerkmale sind:

  • Es bietet die Integration strukturierter und unstrukturierter Daten mit der Leistungsfähigkeit von SQL Server und Spark.
  • Das Tool bietet Skalierbarkeit, Leistung und Verfügbarkeit für geschäftskritische, intelligente Anwendungen, Data Warehouses und Data Lakes.
  • Es bietet erweiterte Sicherheitsfunktionen zum Schutz Ihrer Daten.

Zugriff auf umfangreiche, interaktive Power BI-Berichte, um schnellere und bessere Entscheidungen zu treffen.

MariaDB

MariaDB ist ein Fork des MySQL-Datenbankverwaltungssystems. Es wurde von seinen ursprünglichen Entwicklern erstellt. Dieses DBMS-Tool bietet Datenverarbeitungsfunktionen für kleine und große Unternehmen. Es läuft auf drei Plattformen, nämlich Windows, Linux und macOS. Eine Cloud-Version ist verfügbar. MariaDB ist eine alternative Software zu MySQL. Es bietet eine hohe Skalierbarkeit durch einfache Integration.

Seine Hauptmerkmale sind:

  • Es arbeitet unter GPL-, BSD- oder LGPL-Lizenzen.
  • Es wird mit vielen Speicher-Engines geliefert, einschließlich der Hochleistungs-Engines, die in andere relationale Datenbankverwaltungssysteme integriert werden können.
  • Es bietet die Galera-Cluster-Technologie.
  • MariaDB kann auf verschiedenen Betriebssystemen laufen und unterstützt zahlreiche Programmiersprachen.

Oracle

Oracle ist eine sich selbst reparierende, selbstsichernde und selbstfahrende Datenbank, die entwickelt wurde, um die manuelle Datenverwaltung zu eliminieren. Es ist eine intelligente, sichere und hochverfügbare Datenbank in der Cloud, die Unternehmen beim Wachstum unterstützt. Es läuft auf zwei Plattformen, nämlich Windows und Linux. Eine Cloud-Version ist ebenfalls verfügbar.

Seine Hauptmerkmale sind:

  • Oracle Cloud ist für leistungsstarke Datenbank-Workloads, Streaming-Workloads und Hyperscale-Big Data optimiert.
  • Sie können problemlos in die Cloud migrieren.
  • Es stellt die Dienste basierend auf Ihrer Betriebsweise bereit, um Oracle Cloud in Ihrem Rechenzentrum auszuführen.

Firebirdsql

Firebird ist ein Open-Source-SQL-RDBMS, das auf Microsoft Windows, macOS, Linux und mehreren Unix-Plattformen, einschließlich HP-UX, Solaris und AIX, läuft. Eine Cloud-Version ist verfügbar. Firebird bietet entwicklungsfreundliche Sprachunterstützung, gespeicherte Prozeduren und Trigger.

Seine Hauptmerkmale sind:

  • Firebird ermöglicht es Ihnen, eine benutzerdefinierte Version zu erstellen.
  • Es ist kostenlos herunterzuladen, zu registrieren und bereitzustellen.
  • Das Tool verfügt über ein verbessertes Multi-Plattform-RDBMS.
  • Bietet eine Reihe von Finanzierungsmöglichkeiten von firebird-Mitgliedschaften bis hin zu Sponsoring-Verpflichtungen.

Datenbanken in der wissenschaftlichen Welt Aufbaumodul

Dieser Abschnitt widmet sich der weiteren Erforschung der in der Wissenschaft verwendeten Open-Access-Datenbanken und der Nutzung und Nutzung des vorhandenen Wissens.

Übersicht über Datenbanken in der wissenschaftlichen Welt

Bestehende Datenbanken, die der Wissenschaft gewidmet sind und wie man sie verwendet

Wie bereits erwähnt, ist das Teilen, Integrieren und Kommentieren von Daten ein wesentlicher Bestandteil der biologischen Forschung, da es den Forschern ermöglicht, die Untersuchung und Interpretation experimenteller Ergebnisse zu reproduzieren. Obwohl angenommen wird, dass Bioinformatiker und Informatiker für diese Aktionen verantwortlich sind, spielen die Biowissenschaftler eine gleichberechtigte Rolle bei der Förderung der Datenintegration, da sie diejenigen sind, die diese Art von Daten generieren und in der Regel die Endnutzer sind.

Datenintegration ist definiert als der Prozess der Kombination von Daten aus verschiedenen Quellen, um Benutzern eine einheitliche Sicht auf diese Daten zu bieten. In den Computerwissenschaften wurden die theoretischen Rahmenbedingungen für die Datenintegration basierend auf der Methode zur Datenintegration in „eager“ und „faul“ kategorisiert. Nach der Eager-Methode, auch Warehousing genannt, werden die Daten in ein globales Schema kopiert und in einem zentralen Data Warehouse gespeichert. Der Begriff „Schema“ bezieht sich auf einen organisierten und „abfragbaren“ Ansatz zum Speichern von Daten. Bei der Lazy-Methode befinden sich die Daten in verteilten Quellen und werden bei Bedarf gemäß einem globalen Schema integriert, das zum Mapping der Daten zwischen den Quellen verwendet wird. Das Datenvolumen, der Eigentümer der Daten und die vorhandene Infrastruktur sind die Hauptfaktoren, die letztendlich bestimmen, welche der beiden Methoden für die Datenintegration verwendet wird. Darüber hinaus können diese Methoden in den biologischen Wissenschaften auf verschiedene Weise und auf verschiedenen Ebenen angewendet werden. Als Ergebnis wurden sechs verschiedene und weit verbreitete Schemata für die Integration von Daten formuliert:

  • Datenzentralisierung: Die Daten befinden sich in zentralisierten Ressourcen. UniProt und GenBank sind zwei Beispiele für Datenbanken, die dieser Methode folgen.
  • Data Warehousing: Daten aus verschiedenen Quellen befinden sich in einem zentralen Repository. Pathway Commons ist eine Datenbank, die diesem Ansatz folgt, um Daten zu integrieren.
  • Dataset-Integration: Interne Workflows greifen auf verteilte Datenbanken zu und laden Daten in ein lokales Repository herunter.
  • Hyperlinks: Dieser Ansatz ermöglicht Benutzern den Zugriff auf Datenbanken und Tools in verschiedenen Bereichen der Biowissenschaften und fördert so die Interoperabilität. ExPASy ist ein indikatives Beispiel für ein Portal, das auf dieser Datenintegrationsmethodik basiert.
  • Föderierte Datenbanken: Für die Integration von Daten in heterogene Datenbanken ist eine Translationsschicht erforderlich. Das bedeutet, dass Daten aus der Datenbank so in ein allgemein akzeptiertes Format umgewandelt werden, dass sie von einem Mapping-Dienst in gleicher Weise interpretiert werden können. Das Distributed Annotation System (DAS), ein Client-Server-System, ist ein indikatives Beispiel.
  • Linked Data: Ein Netzwerk miteinander verbundener Daten, auf die online zugegriffen werden kann. Grafische Benutzeroberflächen (GUI), die aus Hyperlinks bestehen, die verknüpfte Daten von zahlreichen Datenanbietern verbinden und somit ein großes System von Linked Data bilden. BIO2RDF ist ein indikatives Beispiel für eine Datenbank, die diesen Ansatz als Grundlage für die Datenintegration verwendet.

Datenzentralisierung, Data Warehousing und Datensatzintegration basieren auf dem „eager“ theoretischen Rahmen, während Hyperlinks, föderierte Datenbanken und verknüpfte Daten auf dem „faulen“ theoretischen Rahmen bezüglich der Art und Weise, die für die Datenintegration ausgewählt wird, basieren.

Datenformate werden als organisierte Möglichkeit zur Demonstration von Daten und Metadaten in einer Datei beschrieben. Wissenschaftler begannen, biologische Daten in formatierten Dateien zu speichern, da das exponentielle Wachstum der Daten die Notwendigkeit schuf, sie mithilfe von Computersystemen und Datenbanken zu analysieren. Ein Problem, das bei der Dateiformatierung aufgetreten ist, ist das Aufkommen verschiedener Formate, selbst für die Darstellung der gleichen Art von Daten. In einigen Fällen wurde beobachtet, dass mehr als eine Formatklasse verwendet werden kann, um die Daten und Metadaten in einer einzigen Datei darzustellen. Darüber hinaus hat die Forschung gezeigt, dass die am häufigsten verwendeten Formatklassen sind: i) Tabellen, ii) FASTA-ähnlich, iii) Tag-strukturiert und iv) GenBank-ähnlich. Die ideale Lösung für dieses Problem wäre, dass sich Wissenschaftler auf die Verwendung einer begrenzten Anzahl spezifischer Formate einigen, um den Prozess der Datenintegration zu vereinfachen. Auch das Design von Konvertern, die alle unterschiedlichen Formatklassen übersetzen können, wäre eine hilfreiche Lösung.

Derzeit werden über 1.700 Datenbanken mit Daten von biologischem Interesse verwendet, so die nicht erschöpfende Liste, die von der Zeitschrift Nucleic Acids Research kuratiert wurde. Um für einen bestimmten Zweck als wertvoll erachtet zu werden, müssen alle Datensätze, die in einer Datenbank vorhanden sind, integriert und strukturiert werden. Die bestehenden biologischen Datenbanken umfassen Informationen zu einer Vielzahl von biologischen Forschungsthemen.

Wie bereits im Basic Level erwähnt, hängt die Klassifizierung biologischer Datenbanken von mehreren Faktoren ab, darunter der Umfang der Datenabdeckung und der Grad der Biokuration. Dennoch ist ihre Klassifikation nach Art der Daten eine der einfachsten und umfassendsten Möglichkeiten, biologische Datenbanken zu kategorisieren. Daher werden diese im folgenden Abschnitt als DNA-, RNA-, Protein-, Krankheits-, Expressions- und Pathway-Datenbanken beschrieben.

DNA-Datenbanken

DNA-Datenbanken konzentrieren sich auf den Umgang mit DNA-Daten von zahlreichen oder wenigen bestimmten Arten. Der Hauptzweck menschlicher DNA-Datenbanken besteht darin, das Referenzgenom zu erstellen, ein Profil der menschlichen genetischen Variation durchzuführen, den Genotyp mit dem Phänotyp zu verbinden und menschliche Mikrobiom-Metagenome zu identifizieren. Ein Beispiel für eine DNA-Datenbank ist GenBank, eine öffentlich zugängliche Sammlung aller untersuchten DNA-Sequenzen. Ab Februar 2021 sind in der GenBank  (http://www.ncbi.nlm.nih.gov/genbank/statistics) über 776 Milliarden Nukleotidbasen in über 226 Millionen Sequenzen verfügbar.

RNA-Datenbanken

Diese Datenbanken enthalten Informationen über nicht-kodierende RNAs (ncRNAs), wie microRNAs und lange nicht-kodierende RNAs (lncRNAs), die keine Proteine ​​kodieren. Der Zweck von RNA-Datenbanken besteht darin, ncRNAs, von denen lncRNAs am häufigsten untersucht werden, zu entschlüsseln und ihre Funktionen und Wechselwirkungen zu beschreiben. Ein Beispiel für eine RNA-Datenbank ist RNAcentral, die aus einer einheitlichen Ansicht von ncRNA-Sequenzdaten besteht, die aus einer Reihe von Datenbanken stammen, von denen einige Rfam, miRBase und lncRNAdb sind.

Proteindatenbanken

Proteindatenbanken wurden entwickelt, um eine umfangreiche Zusammenstellung universeller Proteine ​​zu erstellen, Proteinfamilien und -domänen zu identifizieren, phylogenetische Bäume zu rekonstruieren und Proteinstrukturen zu profilieren. PDB, das aus Tausenden von Strukturen biologischer Makromoleküle besteht, ist ein indikatives Beispiel für Proteindatenbanken.

Krankheitsdatenbanken

Krankheitsdatenbanken enthalten definitionsgemäß Informationen über verschiedene Arten von Krankheiten, konzentrieren sich jedoch hauptsächlich auf die Bereitstellung von Daten zu verschiedenen Krebsarten. Eines der wichtigsten Krebsprojekte, das entwickelt wurde, ist der Cancer Genome Atlas (TCGA), dessen Ziel es ist, ein breites Spektrum an Omics-Daten wie mRNA, SNP und Methylierung für über zwanzig verschiedene Krebsformen beim Menschen zu sammeln .

Ausdrucksdatenbanken

Expressionsdatenbanken können für eine Reihe von Aufgaben verwendet werden, wie zum Beispiel das Studium der gewebespezifischen Genexpression und -regulation, das Speichern von Expressionsdaten, das Detektieren der differentiellen und Grundlinienexpression und das Untersuchen und Überprüfen von Expressionsinformationen, die aus RNA- und Proteindaten erhalten wurden. Als Expressionsdatenbank enthält der Human Protein Atlas Expressionsprofile für einen signifikanten Prozentsatz der humanen proteinkodierenden Gene, die aus RNA- und Proteindaten abgeleitet wurden.

Pfaddatenbanken

Pathway-Datenbanken enthalten Daten über biologische Wege, die von Forschern zur Analyse von Stoffwechsel-, Regulations- und Signalwegen genutzt werden können. Ein charakteristisches Beispiel für Pathway-Datenbanken ist KEGG PATHWAY, das Informationen über molekulare Interaktionen und Reaktionsnetzwerke enthält.

Das National Center for Biotechnology Information (NCBI), Teil der US-amerikanischen National Library of Medicine am National Institute of Health, hat ein integriertes Datenbankabrufsystem entwickelt, das Zugriff auf 34 verschiedene Datenbanken mit insgesamt 3,0 Milliarden Datensätzen namens Entrez bietet. Die globale Suchseite von Entrez

(https://www.ncbi.nlm.nih.gov/search/)

bietet für jede der 34 Datenbanken Links zum Webportal. Das Entrez-System ist einfach zu bedienen, da es Benutzern ermöglicht, Daten in einer Vielzahl von Formaten herunterzuladen und mithilfe einfacher boolescher Abfragen eine Textsuche durchzuführen. Datensätze werden zwischen Datenbanken auf der Grundlage von behaupteten Beziehungen verknüpft; diese Datensätze können in verschiedenen Formaten dargestellt werden. Darüber hinaus haben Benutzer von Entrez die Möglichkeit, einzelne Datensätze oder Datensatzstapel herunterzuladen. Einige der 34 Datenbanken, die Teil von Entrez sind, sind die folgenden: PubMed (https://pubmed.ncbi.nlm.nih.gov), das wissenschaftliche und medizinische Zusammenfassungen/Zitate enthält; BioSample (https://www.ncbi.nlm.nih.gov/biosample), das Beschreibungen von biologischen Ausgangsmaterialien umfasst; GEO Profiles (https://www.ncbi.nlm.nih.gov/geoprofiles), die Genexpressions- und molekulare Häufigkeitsprofile umfassen; und,

Die an das NCBI übermittelten Daten stammen aus drei Quellen: i) direkt von Forschern, ii) nationalen und internationalen Partnerschaften oder Vereinbarungen mit Datenlieferanten und Forschungskonsortien und iii) internen Kurationsbemühungen. Bemerkenswert ist, dass das NCBI für die Verwaltung der GenBank-Datenbank verantwortlich ist und an der International Nucleotide Sequence Database Collaboration (INSDC) in Zusammenarbeit mit dem EMBL-EBI European Nucleotide Archive (ENA) und der DNA Data Bank of Japan (DDBJ) beteiligt ist.

Da sich Datenbanken in vielen wissenschaftlichen Bereichen als nützliches Werkzeug erwiesen haben, gewinnt ihr Einsatz im Gesundheitswesen stetig an Bedeutung. Heutzutage haben technologische Fortschritte im Bereich der Datenwissenschaft es medizinischen Fachkräften ermöglicht, gesundheitsbezogene Daten zu sammeln, zu verarbeiten und zu analysieren, was nicht nur zu einer Verbesserung der Versorgung, sondern auch der Sicherheit von Patienten und Verbrauchern führt. Damit diese Verbesserungen stattfinden können, müssen relevante Daten effizient und sicher erfasst, gespeichert, analysiert und über die verschiedenen Leistungsstufen eines Gesundheitssystems hinweg ausgetauscht werden. Dies hat zur Entwicklung von elektronischen Gesundheitsakten (EHRs) geführt, Datenbanken, die Patientendaten speichern, auf die medizinisches Fachpersonal zugreifen und sie nutzen kann.

EHRs können als medizinische Datenbanken definiert werden, die Benutzern, in diesem Fall medizinisches Fachpersonal und Verwaltungspersonal, Zugang zu Gesundheitsakten bieten. Die unterschiedlichsten Arten von EHRs sind die elektronische Krankenakte (EMR) und die persönliche Gesundheitsakte (PHR). EMRs bestehen aus Informationen, die von einer einzelnen Krankenhausabteilung, einem ganzen Krankenhaus oder Teilen des Krankenhauses eingereicht werden. Sie können auch Informationen aus einer Reihe von Krankenhäusern enthalten. Informationen zu dieser Art von EHR werden normalerweise nur vom Krankenhauspersonal hinzugefügt. Im Gegenteil, PHRs werden von den Patienten verwaltet, die Informationen eingeben können. PHRs werden als elektronische Anwendungen beschrieben, die Patienten eine sichere Plattform bieten, um ihre Gesundheitsdaten zu kontrollieren und zu teilen. Der Hauptunterschied zwischen den beiden Arten von EHR-Systemen besteht darin, dass in PHRs

Das erste EHR-System wurde in den 1960er Jahren hauptsächlich aufgrund des Aufbaus von unstrukturierten und ungenutzten Patienteninformationen über einen Zeitraum von mehreren Jahrzehnten verfügbar. Große Organisationen begannen, Datenbanksysteme einzurichten, um Daten in zentralen Repositories zu speichern und zu strukturieren. Diese Datenbanken ermöglichten die Organisation und Sammlung von Daten aus vielen verschiedenen Quellen, darunter Apotheken, Labors, klinische Studien und Bestandteile der klinischen Versorgung, wie z. B. Aufzeichnungen über die Verabreichung von Medikamenten. Derzeit wird die Implementierung von EHR-Systemen hauptsächlich in Ländern mit hohem Einkommen beobachtet. Beispielsweise führte der Health Information Technology for Economic and Clinical Health Act (HITECH Act von 2009) zur Digitalisierung des Gesundheitsversorgungssystems in den USA und zur anschließenden Entwicklung der Medicare- und Medicaid-EHR-Incentive-Programme.

Der Hauptzweck für die Erstellung von EHRs war die Notwendigkeit, Patientenakten zu archivieren und zu strukturieren. Sie wurden später aus Abrechnungs- und Qualitätsverbesserungsgründen benannt. Mit dem technologischen Fortschritt wurden EHRs im Laufe der Jahre integrativer, dynamischer und vernetzter. Dennoch wird Big Data im Vergleich zu anderen Branchen in der Medizinbranche nicht optimal genutzt. Dies geschah hauptsächlich aufgrund der schlechten Qualität der gesammelten Daten und schlecht strukturierter Datensätze. Vor der Entwicklung von EHRs basierte die medizinische Forschung auf Krankheitsregistern oder chronischen Krankheitsmanagementsystemen (CDMS). Diese Repositorien weisen erhebliche Einschränkungen auf, da sie aus Datensammlungen bestehen, die sich oft nur auf eine bestimmte Krankheit beziehen. Weiter, sie können die Daten oder Schlussfolgerungen nicht auf andere Krankheiten übertragen und können Informationen von einer Patientengruppe in einem bestimmten geografischen Gebiet enthalten. Andererseits sind EHR-Daten sehr vielfältig und erleichtern so die Analyse komplexer klinischer Interaktionen und Entscheidungen.

Die Bestandteile von EHRs sind verschiedene Arten medizinischer Daten, die von Gesundheitsakten bis hin zu sensorischen Rohdaten reichen. Medizinische Daten können in sensible Daten oder nicht sensible Daten kategorisiert werden. Sensible Daten umfassen Patienteninformationen oder können einem Patienten zugeordnet werden. Zu den nicht sensiblen Daten zählen sensorische Daten, die auch Messdaten genannt werden, da sie nur aus Proben von Sensoren bestehen, wie beispielsweise Proben einer EEG-Messung. Daten, die in einer medizinischen Datenbank gespeichert sind, werden als Metadaten bezeichnet. Der am häufigsten verwendete Datenbanktyp zum Speichern medizinischer Daten ist die relationale Datenbank, die Daten in Form von Tabellen präsentiert, die aus Zeilen und einer festgelegten Anzahl von Spalten bestehen. Einige Datenbanken können Patienteninformationen wie die Krankengeschichte eines Patienten oder anonymisierte Daten enthalten, die in Studien verwendet werden können.

Medizinische Daten können wie nachfolgend beschrieben in mehrere Kategorien unterteilt werden:

  • Medizin- und Labordaten: Medizinisches Personal kann in einem ärztlichen Verordnungserfassungssystem Verordnungen für Medikamente oder Laboruntersuchungen einreichen, die anschließend vom Labor- oder Pflegepersonal durchgeführt werden. Beispiele für diese Datenkategorie sind Arzneimittelverordnungen und mikrobiologische Ergebnisse.
  • Abrechnungsdaten: Diese Kategorie medizinischer Daten umfasst Codes, die von Krankenhäusern verwendet werden, um Ansprüche bei ihren Versicherungsanbietern geltend zu machen. Die von der WHO erstellte Internationale Klassifikation der Krankheiten und die von der American Medical Association unterstützte Current Procedural Terminology sind die beliebtesten Kodierungssysteme.
  • Bilder: Dies können Röntgenbilder sein, die aus Röntgenaufnahmen, Echokardiogrammen und Computertomographie (CT)-Scans resultieren.
  • Hinweise und Berichte: Diese können mit dem Fortschritt der Patienten in Verbindung gebracht werden. Entlassungszusammenfassungen gehören ebenfalls in diese Kategorie. Befunde aus bildgebenden Untersuchungen werden in der Regel in Operationsberichten beschrieben. Notizen müssen teilweise mit einem Vorlagensystem strukturiert werden.
  • Physiologische Daten: Diese Kategorie medizinischer Daten enthält Vitalparameter wie Herzfrequenz und Blutdruck sowie EKG- und EEG-Kurven.

Relationale Datenbanken werden am häufigsten für die Verwaltung und Speicherung medizinischer Daten verwendet. Sie können als eine Sammlung von Tabellen bezeichnet werden, die durch gemeinsame Schlüssel verbunden sind. Ein Datenbankschema bestimmt die Struktur der Tabellen und ihre Beziehungen. Eine einfache medizinische Datenbank kann vier Tabellen enthalten:

  • Tabelle 1: eine Patientenliste
  • Tabelle 2: ein Krankenhausaufnahmeprotokoll
  • Tabelle 3: eine Liste mit Vitalparametermessungen
  • Tabelle 4: ein Wörterbuch mit Vitalzeichencodes und zugehörigen Labels

Zur Verknüpfung der vier Tabellen können Primär- und Fremdschlüssel verwendet werden.

Das Überwiegen von Gesundheitsdatenbanken bietet aus verschiedenen Gründen einen eingeschränkten Zugang zu Daten, einschließlich Datenschutzbedenken und Pläne zur Monetarisierung der Daten. Nichtsdestotrotz stehen eine Reihe von Open-Access-Gesundheitsdatenbanken für die öffentliche Nutzung zur Verfügung, von denen einige im Folgenden beschrieben werden.

Die Datenbank des Medical Information Mart for Intensive Care (MIMIC)

Die MIMIC-Datenbank (http://mimic.physionet.org) entstand 2003 als Ergebnis einer Zusammenarbeit zwischen dem MIT, Philips Medical Systems und dem Beth Israel Deaconess Medical Center (BIDMC). Die in diese Datenbank eingegebenen Daten stammen von medizinischen und chirurgischen Patienten, die auf allen Intensivstationen des BIDMC aufgenommen wurden. Es besteht aus Informationen von über vierzigtausend Patienten, detaillierten physiologischen und klinischen Daten und ist anonymisiert und für Forscher offen zugänglich. In dieser Datenbank sind zwei Arten von Daten vorhanden: klinische Daten, die von EHRs abgeleitet werden, die in einer relationalen Datenbank mit ungefähr 50 Tabellen gespeichert sind, und Wellenformen des Bettmonitors, die in flachen Binärdateien gespeichert sind.

PCORnet

PCORnet, das National Patient-Centered Clinical Research Network, ist eine Initiative, die 2013 mit dem Ziel begann, Daten aus mehreren Clinical Data Research Networks und Patient-Powered Research Networks zu integrieren. Es enthält 29 Netzwerke, die den Zugang zu umfangreichen Forschungsergebnissen erleichtern. Es sammelt Daten von routinemäßigen Patientenbesuchen und Daten, die von einzelnen Patienten über persönliche Gesundheitsakten oder Community-Netzwerke mit anderen Patienten geteilt werden.

NHS öffnen

Der National Health Services (NHS England) unterhält eines der größten Datenarchive der Welt mit Daten zur Gesundheit der Bevölkerung. NHS öffnenist10 eine Open-Source-Datenbank, die Zugang zu Informationen bietet, die der Öffentlichkeit von der Regierung oder anderen öffentlichen Stellen zur Verfügung gestellt werden. Dieses Projekt wurde ins Leben gerufen, um die Transparenz zu erhöhen und die Effizienz des britischen Gesundheitssektors zu überwachen. Patienten, Beschäftigte im Gesundheitswesen und Beauftragte erhalten die Möglichkeit, die Versorgungsqualität an verschiedenen Orten des Landes zu vergleichen, indem sie einfach auf die verfügbaren Daten in der speziell dafür eingerichteten Datenbank zugreifen.

De-Identifikation der Datenbank

Einer der wichtigsten Schritte zum Aufbau einer EHR-Datenbank ist die Anonymisierung. Bevor eine Datenbank für Forscher und Anwendungen zur Verfügung steht, müssen unbedingt Maßnahmen ergriffen werden, um sicherzustellen, dass Datenschutzrichtlinien und -vorschriften eingehalten werden. Bei strukturierten Daten wie Spalten einer Tabelle basiert die De-Identifikation auf der Kategorisierung von Daten und der anschließenden Löschung oder Kryptographie der als geschützt gekennzeichneten Daten. Für unstrukturierte Daten, wie zum Beispiel Entlassungszusammenfassungen, werden verschiedene Techniken der natürlichen Sprachverarbeitung verwendet, von einfachen regulären Ausdrücken bis hin zu komplexen neuronalen Netzen, die versuchen, alle durch Freitext geschützten Informationen zu finden, um eine Löschung oder Kryptographie durchzuführen.

Die Anwendung von Blockchain in der digitalen Gesundheit

Die Blockchain-Technologie basiert auf dem Konzept eines dezentralen Systems zur Datenspeicherung, bei dem jedem Teilnehmer/Knoten eine Kopie des Ledgers der durchgeführten Transaktionen zur Verfügung gestellt wird. Dies macht es für jemanden unmöglich, die Daten zu ändern, ohne dass die anderen Teilnehmer informiert werden. Starke zentralisierte Einheiten würden von der Anwendung der Blockchain profitieren. Die Anwendungen von Digital Health hängen stark von zentralisierten Systemen ab. Daher hat die Blockchain das Potenzial, die digitale Gesundheit zu verändern, indem sie die Art und Weise ändert, wie Daten gespeichert und gesichert werden. Für seine Anwendung wurden verschiedene Bereiche vorgeschlagen, darunter Lieferketten, Arzneimittelverifizierung, Erstattung von Ansprüchen, Zugangskontrolle und klinische Studien.

Medizinische Daten haben sich als die am höchsten bewerteten Daten von Hackern erwiesen, da neuere Studien geschätzt haben, dass eine einzelne Gesundheitsakte bis zu 400 USD kosten kann. Daher ist die sichere Aufbewahrung der Daten in medizinischen Datenbanken von größter Bedeutung. Blockchain kann eine Lösung für dieses Problem bieten, indem Datenschutz, Integrität, Authentifizierung und Autorisierung sichergestellt werden. Blockchain-Daten werden verschlüsselt, und wenn jemand seine Daten löschen oder unbrauchbar machen muss, erhält er diese Möglichkeit, indem er einen Schlüsselzerstörungsmechanismus anwendet, bei dem der Schlüssel, der ursprünglich für die Verschlüsselung der Nachricht verwendet wurde, zerstört oder unbrauchbar gemacht wird. Danach sind die in der Blockchain gespeicherten Daten nicht lesbar.

Blockchain ist in der Lage, zwei wesentliche Bedürfnisse in Bezug auf den Datenaustausch zu erfüllen: Integrität und Nichtabstreitbarkeit. Integrität bedeutet, dass die Abfrage und die abgerufenen Daten nicht mehr geändert werden können, nachdem der Abrufvorgang ausgeführt wurde. Nichtabstreitbarkeit bedeutet, dass der Wissensabrufdienst nicht die Fähigkeit besitzt, zu leugnen, dass die spezifischen Daten von dem Dienst als Antwort auf eine bestimmte Anfrage zu einem bestimmten Zeitpunkt geliefert wurden. Blockchain kann als ein verteiltes Transaktionsmanagementsystem definiert werden, das nicht beschädigt werden kann. Es kann für die EHR-Integration, gemeinsame Nutzung und Zugriffskontrolle, Aufbewahrung und Verwaltung verwendet werden.

Ein theoretischer blockchainbasierter Notardienst kann aus drei Rechenschichten bestehen:

  • ein Datenkonsumenten-Front-End
  • eine Schnittstelle zur Kommunikation mit biomedizinischen Datenbankschnittstellen, und
  • die Vertrags-Engine, die die Abfrage organisiert und die abgerufenen Ergebnisse an den Verbraucher zurückgibt, Transaktionen durchführt und vorbereitet und Verträge und deren Metadaten verwaltet

Für die Anwendung des Notardienstes können zwei verschiedene Schemata verwendet werden: das Basisschema und das Versionierungsschema. Das grundlegende Schema wendet ein Abfrage-Antwort-Ledger an, durch das der Benutzer einen versiegelten Nachweis erhält, der bestätigt, dass zu einem bestimmten Zeitpunkt eine bestimmte Abfrage in einer biomedizinischen Datenbank platziert wurde, die bestimmte Ergebnisse liefert. Dieses Schema kann verwendet werden, um die Integrität und Nichtabstreitbarkeit einer Anfrage sicherzustellen, wenn eine lebenswichtige biomedizinische Aufgabe auf der spezifischen Anfrage beruht. Das Versionierungsschema ermöglicht die nicht seriöse Versionierung von Daten, die zu zahlreichen Gelegenheiten aus einer sich dynamisch entwickelnden biomedizinischen Datenbank abgerufen wurden, wobei immer dieselbe Abfrage verwendet wird. Dieses Schema kann angewendet werden, um verschiedene Versionen von sich ändernden medizinischen Nachweisen zu bestätigen, wie sie aus einer biomedizinischen Datenbank mit häufig aktualisiertem Inhalt abgerufen werden.

Die Integration der Blockchain-Technologie in pharmazeutische oder biowissenschaftliche Anwendungen hat die Fähigkeit, die Schnittstelle und den Datenaustausch zu dezentralisieren, was zu mehr Effizienz, höheren Geschwindigkeiten und unbegrenzter Skalierbarkeit führt. Blockchain macht Daten unveränderlich, was in klinischen Studien nützlich wäre, um sicherzustellen, dass klinische Daten zu einem späteren Zeitpunkt nicht von Forschern manipuliert werden können. Es kann auch bei der Identifizierung, Rückverfolgung und Verifizierung von Arzneimitteln verwendet werden. Mit der Implementierung der Blockchain sind bestimmte Risiken verbunden, wie Datenschutzbedenken, Transaktionen außerhalb der Kette und Zweifel an dieser Technologie aufgrund mangelnder Akzeptanz. Nichtsdestotrotz überwiegen die Vorteile der Blockchain-Technologie die möglichen Nachteile bei weitem und könnten eine bedeutende Rolle bei der Begrenzung der Methoden spielen, die für illegale Aktivitäten verwendet werden.

Test: LO5 Fortgeschrittenes Niveau

Verweise

  • Agha-Mir-Salim L, Sarmiento RF. 2020. Health information technology as premise for data science in global health: A discussion of opportunities and challenges. In: Leveraging Data Science for Global Health. Cham: Springer International Publishing, 3–15.
  • Amid C, Alako BTF, Balavenkataraman Kadhirvelu V, Burdett T, Burgin J, Fan J, Harrison PW, Holt S, Hussein A, Ivanov E et al. 2020. The European nucleotide archive in 2019. Nucleic Acids Res., 48:D70–76.
  • Apweiler R, Bairoch A, Wu CH, Barker WC, Boeckmann B, Ferro S, et al. 2004. Uniprot: the universal protein knowledgebase. Nucleic Acids Res., 32 (Suppl 1):115–9. doi: 10.1093/nar/gkh131.
  • Artimo P, Jonnalagedda M, Arnold K, Baratin D, Csardi G, de Castro E, et al. 2012. ExPASy: SIB bioinformatics resource portal. Nucleic Acids Res., 40(Web Server issue):597–603. doi: 10.1093/nar/gks400.
  • Belleau F, Nolin MA, Tourigny N, Rigault P, Morissette J. 2008. Bio2RDF: towards a mashup to build bioinformatics knowledge systems. J Biomed Inform., 41(5):706–16.
  • Benson DA, Clark K, Karsch-Mizrachi I, Lipman DJ, Ostell J, Sayers EW. 2014. GenBank. Nucleic Acids Res., 42:D32–D37.
  • Benson DA, Clark K, Karsch-Mizrachi I, Lipman DJ, Ostell J, Sayers EW. 2014. GenBank. Nucleic Acids Res., 42:D32–D37.
  • Benson DA, Clark K, Karsch-Mizrachi I, Lipman DJ, Ostell J, Sayers EW. 2014. GenBank. Nucleic Acids Res., 42:D32–D37.
  • Bornberg-Bauer E, Paton NW. 2002. Conceptual data modelling for bioinformatics. Brief Bioinform., 3(2):166–80.
  • Bulgarelli L, Núñez-Reiz A, Deliberato RO. 2020. Building electronic health record databases for research. In: Leveraging Data Science for Global Health. Cham: Springer International Publishing, 55–64.
  • Burge SW, Daub J, Eberhardt R , Tate J, Barquist L, Nawrocki EP, et al. 2013. Rfam 11.0: 10 years of RNA families, Nucleic Acids Res., 41: D226-232.
  • Cancer Genome Atlas Research Network, Weinstein JN, Collisson EA, Mills GB, Shaw KR, Ozenberger BA, et al. 2013. The Cancer Genome Atlas Pan-Cancer analysis project, Nat Genet., 45: 1113-1120.
  • Cerami EG, Gross BE, Demir E, Rodchenkov I, Babur O, Anwar N, et al. 2011. Pathway Commons, a web resource for biological pathway data. Nucleic Acids Res.; 39(Database issue): 685–90.
  • Chavali LN, Prashanti NL, Sujatha K, Rajasheker G, Kavi Kishor PB. 2018. The Emergence of Blockchain Technology and its Impact in Biotechnology, Pharmacy and Life Sciences. Current Trends in Biotechnology and Pharmacy., 12(3):304–10.
  • Courtney JF, Paradice DB, Brewer KL, Graham JC. 2010. Database Systems for Management. 3rd edition. The Global Text Project.
  • Dowell RD, Jokerst RM, Day A, Eddy SR, Stein L. 2001. The distributed annotation system. BMC Bioinformatics., 2:7.
  • Edgar F. Codd https://en.wikipedia.org/wiki/Edgar_F._Codd
  • Fleurence RL, Curtis LH, Califf RM, Platt R, Selby JV, Brown JS. 2014. Launching PCORnet, a national patient-centered clinical research network. J Am Med Inform Assoc JAMIA., 21(4):578–582.
  • Fortier PJ, Michel HE. 2003. Computer Data Processing Hardware Architecture. In: Computer Systems Performance Evaluation and Prediction. Elsevier, p. 39–106.
  • Hellerstein JM, Stonebraker M, Hamilton J. 2007. Architecture of a database system. Found Tren Databases., 1(2):141–259.
  • Johnson A, Pollard T, Shen L et al. 2016. MIMIC-III, a freely accessible critical care database. Sci Data 3., 160035.
  • Karsch-Mizrachi I, Takagi T, Cochrane G. 2018. International Nucleotide Sequence Database, C The international nucleotide sequence database collaboration. Nucleic Acids Res., 46:D48–51.
  • Kleinaki A-S, Mytis-Gkometh P, Drosatos G, Efraimidis PS, Kaldoudi E. 2018. A blockchain-based notarization service for biomedical knowledge retrieval. Comput Struct Biotechnol J., 16:288–97.
  • Kozomara A, Griffiths-Jones S. 2014. MiRBase: annotating high confidence microRNAs using deep sequencing data, Nucleic Acids Res., 42: D68-73.
  • Lapatas V, Stefanidakis M, Jimenez RC, Via A, Schneider MV. 2015. Data integration in biological research: an overview. J Biol Res (Thessalon)., 22(1):9.
  • Lastdrager E. 2011. Securing Patient Information in Medical Databases [Internet]. University of Twente;. Available from: https://essay.utwente.nl/61035/1/MSc_E_Lastdrager_DIES_CTIT.pdf
  • Marshall J, Chahin A, Rush B. 2016. Review of clinical databases. In: Secondary Analysis of Electronic Health Records. Cham: Springer International Publishing;, 9–16.
  • Nguyen KA. Database System Concepts. OpenStax CNX; 2009 [cited 2021 Jan 29]. Available from: http://cnx.org/contents/b57b8760-6898-469d-a0f7-06e0537f6817@1
  • Ogasawara O, Kodama Y, Mashima J, Kosuge T, Fujisawa T. 2020. DDBJ database updates and computational infrastructure enhancement. Nucleic Acids Res., 48:D45–50.
  • Okuda S, Yamada T, Hamajima M, Itoh M, Katayama T, Bork P, et al. 2008. KEGG Atlas mapping for global analysis of metabolic pathways, Nucleic Acids Res., 36: W423-426.
  • Oliveira AL. 2019. Biotechnology, big data and artificial intelligence. Biotechnol J., 14(8):e1800613.
  • Pollard T, Dernoncourt F, Finlayson S, Velasquez A. 2016. Data Preparation. In: Secondary Analysis of Electronic Health Records. Cham: Springer International Publishing;, 101–14.
  • Ponten F, Schwenk JM, Asplund A, Edqvist PH. 2011. The Human Protein Atlas as a proteomic resource for biomarker discovery, J Intern Med., 270: 428-446.
  • Quek XC, Thomson DW, Maag JL, Bartonicek N, Signal B, Clark MB, et al. 2015. lncRNAdb v2.0: expanding the reference database for functional long noncoding RNAs, Nucleic Acids Res., 43, D168-173.
  • Rose PW, Beran B, Bi C, Bluhm WF, Dimitropoulos D, Goodsell DS, et al. 2011. The RCSB Protein Data Bank: redesigned web site and web services, Nucleic Acids Res., 39: D392-401.
  • Sayers EW, Beck J, Bolton EE, Bourexis D, Brister JR, Canese K, et al. 2021. Database resources of the National Center for Biotechnology Information. Nucleic Acids Res., 49(D1):D10–7.
  • Schuler G.D., Epstein J.A., Ohkawa H., Kans J.A. 1996. Entrez: molecular biology database and retrieval system. Methods Enzymol., 266:141–162.
  • The RNAcentral Consortium, RNAcentral: an international database of ncRNA sequences. 2015. Nucleic Acids Res., 43: D123-129.
  • Watt A, Eng N. Types of Data Models. In: Watt A, Eng N, editors. Database Design – 2nd edition. BCcampus; 2014 [cited 2021 Jan 29]. Available from: https://opentextbc.ca/dbdesign01
  • Watt A. Characteristics and Benefits of a Database. In: Watt A, Eng N, editors. Database Design – 2nd edition. BCcampus; 2014 [cited 2021 Jan 29]. Available from: https://opentextbc.ca/dbdesign01/
  • Watt A. Data Modelling. In: Watt A, Eng N, editors. Database Design – 2nd edition. BCcampus; 2014 [cited 2021 Jan 29]. Available from: https://opentextbc.ca/dbdesign01
  • Watt A. The Entity Relationship Data Model. In: Watt A, Eng N, editors. Database Design – 2nd edition. BCcampus; 2014 [cited 2021 Jan 29]. Available from: https://opentextbc.ca/dbdesign01
  • Watt A. The Relational Data Model. In: Watt A, Nelson E, editors. Database Design – 2nd edition. BCcampus; 2014 [cited 2021 Jan 29]. Available from: https://opentextbc.ca/dbdesign01
  • Zou D, Ma L, Yu J, Zhang Z. 2015. Biological databases for human research. Genomics Proteomics Bioinformatics., 13(1):55–63.
  • Zuniga PCC, Zuniga RAC, Mendoza MJ-A, Cariaga AA, Sarmiento RF, Marcelo AB. 2020. Workshop on Blockchain Use Cases in Digital Health. In: Leveraging Data Science for Global Health. Cham: Springer International Publishing;, 99–107.
  • Agha-Mir-Salim L, Sarmiento RF. 2020. Health information technology as premise for data science in global health: A discussion of opportunities and challenges. In: Leveraging Data Science for Global Health. Cham: Springer International Publishing, 3–15.
  • Amid C, Alako BTF, Balavenkataraman Kadhirvelu V, Burdett T, Burgin J, Fan J, Harrison PW, Holt S, Hussein A, Ivanov E et al. 2020. The European nucleotide archive in 2019. Nucleic Acids Res., 48:D70–76.
  • Apweiler R, Bairoch A, Wu CH, Barker WC, Boeckmann B, Ferro S, et al. 2004. Uniprot: the universal protein knowledgebase. Nucleic Acids Res., 32 (Suppl 1):115–9. doi: 10.1093/nar/gkh131.
  • Artimo P, Jonnalagedda M, Arnold K, Baratin D, Csardi G, de Castro E, et al. 2012. ExPASy: SIB bioinformatics resource portal. Nucleic Acids Res., 40(Web Server issue):597–603. doi: 10.1093/nar/gks400.
  • Belleau F, Nolin MA, Tourigny N, Rigault P, Morissette J. 2008. Bio2RDF: towards a mashup to build bioinformatics knowledge systems. J Biomed Inform., 41(5):706–16.
  • Benson DA, Clark K, Karsch-Mizrachi I, Lipman DJ, Ostell J, Sayers EW. 2014. GenBank. Nucleic Acids Res., 42:D32–D37.
  • Benson DA, Clark K, Karsch-Mizrachi I, Lipman DJ, Ostell J, Sayers EW. 2014. GenBank. Nucleic Acids Res., 42:D32–D37.
  • Benson DA, Clark K, Karsch-Mizrachi I, Lipman DJ, Ostell J, Sayers EW. 2014. GenBank. Nucleic Acids Res., 42:D32–D37.
  • Bornberg-Bauer E, Paton NW. 2002. Conceptual data modelling for bioinformatics. Brief Bioinform., 3(2):166–80.
  • Bulgarelli L, Núñez-Reiz A, Deliberato RO. 2020. Building electronic health record databases for research. In: Leveraging Data Science for Global Health. Cham: Springer International Publishing, 55–64.
  • Burge SW, Daub J, Eberhardt R , Tate J, Barquist L, Nawrocki EP, et al. 2013. Rfam 11.0: 10 years of RNA families, Nucleic Acids Res., 41: D226-232.
  • Cancer Genome Atlas Research Network, Weinstein JN, Collisson EA, Mills GB, Shaw KR, Ozenberger BA, et al. 2013. The Cancer Genome Atlas Pan-Cancer analysis project, Nat Genet., 45: 1113-1120.
  • Cerami EG, Gross BE, Demir E, Rodchenkov I, Babur O, Anwar N, et al. 2011. Pathway Commons, a web resource for biological pathway data. Nucleic Acids Res.; 39(Database issue): 685–90.
  • Chavali LN, Prashanti NL, Sujatha K, Rajasheker G, Kavi Kishor PB. 2018. The Emergence of Blockchain Technology and its Impact in Biotechnology, Pharmacy and Life Sciences. Current Trends in Biotechnology and Pharmacy., 12(3):304–10.
  • Courtney JF, Paradice DB, Brewer KL, Graham JC. 2010. Database Systems for Management. 3rd edition. The Global Text Project.
  • Dowell RD, Jokerst RM, Day A, Eddy SR, Stein L. 2001. The distributed annotation system. BMC Bioinformatics., 2:7.
  • Edgar F. Codd https://en.wikipedia.org/wiki/Edgar_F._Codd
  • Fleurence RL, Curtis LH, Califf RM, Platt R, Selby JV, Brown JS. 2014. Launching PCORnet, a national patient-centered clinical research network. J Am Med Inform Assoc JAMIA., 21(4):578–582.
  • Fortier PJ, Michel HE. 2003. Computer Data Processing Hardware Architecture. In: Computer Systems Performance Evaluation and Prediction. Elsevier, p. 39–106.
  • Hellerstein JM, Stonebraker M, Hamilton J. 2007. Architecture of a database system. Found Tren Databases., 1(2):141–259.
  • Johnson A, Pollard T, Shen L et al. 2016. MIMIC-III, a freely accessible critical care database. Sci Data 3., 160035.
  • Karsch-Mizrachi I, Takagi T, Cochrane G. 2018. International Nucleotide Sequence Database, C The international nucleotide sequence database collaboration. Nucleic Acids Res., 46:D48–51.
  • Kleinaki A-S, Mytis-Gkometh P, Drosatos G, Efraimidis PS, Kaldoudi E. 2018. A blockchain-based notarization service for biomedical knowledge retrieval. Comput Struct Biotechnol J., 16:288–97.
  • Kozomara A, Griffiths-Jones S. 2014. MiRBase: annotating high confidence microRNAs using deep sequencing data, Nucleic Acids Res., 42: D68-73.
  • Lapatas V, Stefanidakis M, Jimenez RC, Via A, Schneider MV. 2015. Data integration in biological research: an overview. J Biol Res (Thessalon)., 22(1):9.
  • Lastdrager E. 2011. Securing Patient Information in Medical Databases [Internet]. University of Twente;. Available from: https://essay.utwente.nl/61035/1/MSc_E_Lastdrager_DIES_CTIT.pdf
  • Marshall J, Chahin A, Rush B. 2016. Review of clinical databases. In: Secondary Analysis of Electronic Health Records. Cham: Springer International Publishing;, 9–16.
  • Nguyen KA. Database System Concepts. OpenStax CNX; 2009 [cited 2021 Jan 29]. Available from: http://cnx.org/contents/b57b8760-6898-469d-a0f7-06e0537f6817@1
  • Ogasawara O, Kodama Y, Mashima J, Kosuge T, Fujisawa T. 2020. DDBJ database updates and computational infrastructure enhancement. Nucleic Acids Res., 48:D45–50.
  • Okuda S, Yamada T, Hamajima M, Itoh M, Katayama T, Bork P, et al. 2008. KEGG Atlas mapping for global analysis of metabolic pathways, Nucleic Acids Res., 36: W423-426.
  • Oliveira AL. 2019. Biotechnology, big data and artificial intelligence. Biotechnol J., 14(8):e1800613.
  • Pollard T, Dernoncourt F, Finlayson S, Velasquez A. 2016. Data Preparation. In: Secondary Analysis of Electronic Health Records. Cham: Springer International Publishing;, 101–14.
  • Ponten F, Schwenk JM, Asplund A, Edqvist PH. 2011. The Human Protein Atlas as a proteomic resource for biomarker discovery, J Intern Med., 270: 428-446.
  • Quek XC, Thomson DW, Maag JL, Bartonicek N, Signal B, Clark MB, et al. 2015. lncRNAdb v2.0: expanding the reference database for functional long noncoding RNAs, Nucleic Acids Res., 43, D168-173.
  • Rose PW, Beran B, Bi C, Bluhm WF, Dimitropoulos D, Goodsell DS, et al. 2011. The RCSB Protein Data Bank: redesigned web site and web services, Nucleic Acids Res., 39: D392-401.
  • Sayers EW, Beck J, Bolton EE, Bourexis D, Brister JR, Canese K, et al. 2021. Database resources of the National Center for Biotechnology Information. Nucleic Acids Res., 49(D1):D10–7.
  • Schuler G.D., Epstein J.A., Ohkawa H., Kans J.A. 1996. Entrez: molecular biology database and retrieval system. Methods Enzymol., 266:141–162.
  • The RNAcentral Consortium, RNAcentral: an international database of ncRNA sequences. 2015. Nucleic Acids Res., 43: D123-129.
  • Watt A, Eng N. Types of Data Models. In: Watt A, Eng N, editors. Database Design – 2nd edition. BCcampus; 2014 [cited 2021 Jan 29]. Available from: https://opentextbc.ca/dbdesign01
  • Watt A. Characteristics and Benefits of a Database. In: Watt A, Eng N, editors. Database Design – 2nd edition. BCcampus; 2014 [cited 2021 Jan 29]. Available from: https://opentextbc.ca/dbdesign01/
  • Watt A. Data Modelling. In: Watt A, Eng N, editors. Database Design – 2nd edition. BCcampus; 2014 [cited 2021 Jan 29]. Available from: https://opentextbc.ca/dbdesign01
  • Watt A. The Entity Relationship Data Model. In: Watt A, Eng N, editors. Database Design – 2nd edition. BCcampus; 2014 [cited 2021 Jan 29]. Available from: https://opentextbc.ca/dbdesign01
  • Watt A. The Relational Data Model. In: Watt A, Nelson E, editors. Database Design – 2nd edition. BCcampus; 2014 [cited 2021 Jan 29]. Available from: https://opentextbc.ca/dbdesign01
  • Zou D, Ma L, Yu J, Zhang Z. 2015. Biological databases for human research. Genomics Proteomics Bioinformatics., 13(1):55–63.
  • Zuniga PCC, Zuniga RAC, Mendoza MJ-A, Cariaga AA, Sarmiento RF, Marcelo AB. 2020. Workshop on Blockchain Use Cases in Digital Health. In: Leveraging Data Science for Global Health. Cham: Springer International Publishing;, 99–107.

1 Quelle https://intellipaat.com/blog/tutorial/sql-tutorial/sql-commands-cheat-sheet/

2 Quelle https://intellipaat.com/blog/tutorial/sql-tutorial/sql-commands-cheat-sheet/

3 Quelle SAP SE https://help.sap.com/viewer/eb3777d5495d46c5b2fa773206bbfb46/2.0.01/en-US/d3d1cf20bb5710149b57fd794c827a4e.html

4 Weitere Informationen zu unterstützten Betriebssystemen für SAP HANA finden Sie im SAP-Hinweis 2235581 – SAP HANA: https://service.sap.com/sap/support/notes/2235581

5 JavaScript Object Notation ist ein offenes Standarddateiformat als XML und wird als unstrukturierte Daten betrachtet.

6 XML ist ein offenes Standarddateiformat als JSON und gilt als unstrukturierte Daten.

7 Quelle IBM Support https://www.ibm.com/support/pages/system-requirements-ibm-db2-linux-unix-and-windows#1155S

8 Quelle https://support.oracle.com/knowledge/Oracle%20Database%20Products/1369107_1.html

9 Quelle https://www.guru99.com/free-database-software.html aktualisiert am 2021

10 Offene Daten beim NHS. Verfügbar unter: http://www.england.nhs.uk/ourwork/tsd/data-info/open-data/

Umweltnutzen durch moderne Biotechnologie und IKT-Anwendungen

Fortgeschrittenes Niveau

Der Prozess der Biogaserzeugung wurde bereits im Abschnitt Grundstufe beschrieben. Zusammenfassend lässt sich sagen, dass in Entwicklungsländern das Interesse an der Entwicklung von Technologien zur Erzeugung erneuerbarer Energiequellen gestiegen ist.

Inhalt

 

Erneuerbare Energien: Biotechnologie zur Biogas- und Bioethanolproduktion (Stufe B)

Biogas

Der Prozess der Biogaserzeugung wurde bereits im Abschnitt Grundstufe beschrieben. Zusammenfassend lässt sich sagen, dass in Entwicklungsländern das Interesse an der Entwicklung von Technologien zur Erzeugung erneuerbarer Energiequellen gestiegen ist. Die anaerobe Vergärung hat in den letzten Jahren seit der Energiekrise Anfang der 1970er Jahre und insbesondere nach dem Golfkrieg eine neue Aufmerksamkeit erhalten. Das Verfahren beinhaltet die Behandlung von landwirtschaftlichen und industriellen Abfällen unterschiedlicher Art zur Biogaserzeugung. Das Interesse an der anaeroben Behandlung von Abfällen aus der Agrarindustrie steigt, da sie neben einigen anderen Vorteilen gegenüber aeroben Behandlungsverfahren wirtschaftlich ist, einen geringeren Energiebedarf hat und ökologisch sinnvoll ist. Das Verfahren erzeugt Faulschlamm, die hauptsächlich als Dünger für den Pflanzenbau verwendet wird, da die Nährstoffe des Rohstoffs als zugängliche Verbindungen im mineralisierten Schlamm verbleiben. Die Behandlung von Abfällen zur Gewinnung von Kraftstoff und das Recycling von Nährstoffen stellt einen nachhaltigen Kreislauf dar.

Die anaerobe Vergärung ist ein komplexer, natürlicher, zweistufiger Prozess des Abbaus organischer Verbindungen durch eine Vielzahl von Zwischenprodukten zu Methan und Kohlendioxid durch die Wirkung eines Konsortiums von Mikroorganismen. Die gegenseitige Abhängigkeit der Bakterien ist ein Schlüsselfaktor im anaeroben Vergärungsprozess. Im ersten Schritt werden die flüchtigen Feststoffe im Mist von anaeroben Bakterien, den sogenannten Säurebildnern, in Fettsäuren umgewandelt. In der zweiten Stufe werden diese Säuren von spezialisierteren Bakterien, den sogenannten „Methanbildnern“, weiter in Biogas umgewandelt. Der anaerobe Vergärungsprozess, der seit Millionen von Jahren in der Natur funktioniert, kann bewältigt werden, um den oft problematischen Abfallstrom eines Landwirts in einen Vermögenswert umzuwandeln.

Hier geben wir einige zusätzliche Details zu den Reaktoren, die für die Biogasproduktion verwendet werden. Es ist bekannt, dass mehrere Parameter für die Entwicklung und das Management einer Biogaserzeugungsanlage wichtig sind. Speziell:

Die Arbeitstemperatur

 

Der Prozess kann durchgeführt werden bei

– psychrophile Bedingungen (20º C) (bei konventionellen Pflanzen nicht viel verwendet) – mesophile Bedingungen (35 – 42° C) – thermophile Bedingungen (> 50° C);

Mesophile Verdauung. Der Fermenter wird auf 30–35 °C erhitzt und das Ausgangsmaterial verbleibt typischerweise 15–30 Tage im Fermenter. Der mesophile Aufschluss ist tendenziell robuster und toleranter als der thermophile Prozess, aber die Gasproduktion ist geringer, größere Aufschlusstanks sind erforderlich und die Desinfektion, falls erforderlich, ist ein separater Prozessschritt.

Thermophiler Aufschluss. Der Fermenter wird auf 55 °C erhitzt und die Verweilzeit beträgt typischerweise 12–14 Tage. Thermophile Aufschlusssysteme bieten eine höhere Methanproduktion, einen schnelleren Durchsatz, eine bessere Abtötung von Krankheitserregern und Viren, erfordern jedoch eine teurere Technologie, einen höheren Energieeinsatz und einen höheren Grad an Betrieb und Überwachung. Dabei werden 30–60% der verdaulichen Feststoffe in Biogas umgewandelt.

Daher ist der Prozess unter thermophilen Bedingungen schneller, aber mesophile Bedingungen werden verwendet, wenn sich die Eigenschaften des/der Fütterungssubstrat(e) mit der Zeit, Jahreszeit usw. ändern.

à der Feststoffgehalt im Reaktor. Wir können unterscheiden:

– Nass-/Feuchtprozesse (5 – 8% Trockenmasse im Reaktor)- Halbtrockenprozesse (Trockenmasse = 8 – 20%)- Trockenprozesse (Trockenmasse >20%)

à die Stoffwechselphasen im Reaktor.

– EINE PHASE: die gesamte mikrobielle Kette wird in einem einzigen Reaktor gehalten;- ZWEI PHASEN: die hydrolytische fermentative Phase wird von der methanogenen getrennt.

Wie funktioniert eine Biogasanlage? Bitte überprüfen Sie die Website:https://www.youtube.com/watch?v=3UafRz3QeO8

Das folgende Bild (Abb. 1) zeigt die verschiedenen Bioreaktorkonfigurationen, die für die Biogasproduktion entwickelt werden können. Sie können sich in zwei Parametern unterscheiden: dem hydraulischen Schema und der Arbeitsweise der Mikroorganismen im Reaktor (freie oder immobilisierte Zellen).

Abb. 1. Reaktoren zur Biogaserzeugung

Der kontinuierliche Rührkesselreaktor (CSTR) ist ein gängiges Modell für einen chemischen Reaktor in der Umwelttechnik. Es handelt sich um einen Chargenreaktor, der mit einem Flügelrad oder einer anderen Mischvorrichtung ausgestattet ist, um ein effizientes Mischen zu gewährleisten. Ein idealer CSTR setzt eine perfekte Mischung voraus. In einem perfekt gemischten Reaktor wird die Beschickung beim Eintritt sofort und gleichförmig durch den gesamten Reaktor gemischt. Folglich ist die Leistung eine Funktion von Verweilzeit und Reaktionsgeschwindigkeit. Der Kontakt mit der Festphase des Bioreaktors kann durch einen Sedimentationstank verbessert werden, der das flüssige Medium vom festen Anteil trennt, der dann wieder in den Bioreaktor geleitet wird (in der Abbildung als anaerobes Kontaktverfahren bezeichnet).

CSTRs bestehen aus: einem Tankreaktor (normalerweise mit konstantem Volumen), einem Rührsystem zum Mischen von Reaktanten (Impeller oder schnell fließendes Einleiten von Reaktanten), Zuführ- und Auslassrohren zum Einführen von Reaktanten und Entfernen von Produkten CSTR werden üblicherweise in der industriellen Verarbeitung verwendet. Biofermenter für die Biogasproduktion sind kontinuierliche Rührkesselreaktoren aus Beton oder Stahl.

Der anaerobe Festbettreaktor ist mit einem inerten Träger gefüllt, der eine sehr große Oberfläche für das mikrobielle Wachstum bietet. Der Zufluss strömt durch die Medien und anaerobe Mikroben heften sich an den Träger, wodurch eine dünne Schicht anaerober Bakterien namens Biofilm entsteht – dieser Film gibt dem Fermenter seinen Namen, Festfilmreaktor oder Festbettreaktor. Diese Mikroben wachsen dann weiter, indem sie beim Vorbeifließen Material aus dem Abwasser entfernen. In den meisten Fermentern schwimmen die Mikroben in der Flüssigkeit und ein Teil dieser aktiv wachsenden Mikroorganismen wird kontinuierlich mit dem Abwasser ausgetragen. In einem Festbettfermenter bleiben die Bakterien beim Ablassen des Abwassers am Kunststoffträger haften. Mikroorganismen sind bereits „am Werk“, wenn der neue Zufluss hinzukommt. Festbett-Fermenter haben kleinere Reaktorbehälter, kürzere Retentionszeiten und müssen mit einem Einsatzmaterial beladen werden, das leicht durch das Medium fließt, ohne zu verstopfen. Drei bis fünf Tage Retentionszeiten sind typisch und Fermenter können bei Umgebungstemperaturen in heißen Klimazonen betrieben werden, werden aber normalerweise auf mesophile oder thermophile Temperaturen erhitzt.

Welche Vorteile bietet der anaerobe Festbettreaktor? Eine erhöhte Stabilität und Leistung in anaeroben Reaktoren kann erreicht werden, wenn das mikrobielle Konsortium im Reaktor gehalten wird. Zwei Möglichkeiten, dies zu erreichen, sind die Verwendung dichter Bakteriengranula wie in UASB-Reaktoren oder eines mikrobiellen Biofilms, der auf inerten Trägern in den oben beschriebenen Festbettreaktoren befestigt ist. Die anaerobe Schlammdecke (UASB) mit Aufwärtsströmung, normalerweise als UASB-Reaktor bezeichnet, ist in der Tat eine Form eines anaeroben Faulbehälters, der zur Abwasserbehandlung und als methanogener (methanerzeugender) Faulbehälter verwendet wird. Eine ähnliche, aber variantenreiche Technologie wie UASB ist der Expander-Granulat-Schlammbett-(EGSB)-Fermenter (Abb. 2). Eine Variante des UASB-Konzepts ist ein Expanded-Granular-Sludge-Bed (EGSB)-Reaktor. Die Besonderheit besteht darin, dass für das durch das Schlammbett strömende Abwasser eine schnellere Aufwärtsströmungsgeschwindigkeit ausgelegt ist. Der erhöhte Fluss ermöglicht eine teilweise Expansion (und davon leitet sich der Name des Reaktors ab) des körnigen Schlammbetts, wodurch der Abwasser-Schlamm-Kontakt verbessert sowie die Abscheidung kleiner inaktiver Schwebstoffe aus dem Schlammbett verbessert wird. Die erhöhte Strömungsgeschwindigkeit wird entweder durch Verwendung von hohen Reaktoren oder durch Einbau einer Abwasserrückführung (oder beides) erreicht.

Abb. 2. Festbett-/Expandbettreaktoren (links) und UASB-

UASB ist ein anaerober Prozess, der eine Decke aus körnigem Schlamm bildet, der im Tank suspendiert. Abwasser strömt nach oben durch die Decke und wird von den anaeroben Mikroorganismen verarbeitet. Die Aufwärtsströmung in Kombination mit der Absetzwirkung der Schwerkraft suspendiert die Decke mit Hilfe von Flockungsmitteln. Die Decke beginnt mit etwa drei Monaten Reife zu erreichen. Es bilden sich kleine Schlammkörnchen, die organisches Material und Bakterien ohne Stützmatrix enthalten, die Strömungsbedingungen schaffen eine selektive Umgebung, in der nur Mikroorganismen überleben und sich vermehren können, die sich aneinander anlagern können. Schließlich bilden die Aggregate dichte kompakte Strukturen, die als „Granulat“ bezeichnet werden. Es entsteht Biogas mit hoher Methankonzentration, das aufgefangen und energetisch genutzt werden kann, Strom für den Export zu erzeugen und den eigenen Betriebsstrom zu decken. Die Technik muss während des Einsatzes ständig überwacht werden, um sicherzustellen, dass die Schlammdecke erhalten bleibt und nicht ausgewaschen wird (und damit die Wirkung verliert). Die bei der Stromerzeugung anfallende Wärme kann zur Beheizung der Faulbehälter wiederverwendet werden. Das Packungsmedium im Festbettreaktor und der körnige Schlamm im UASB-Reaktor dienen als Filter, der das Auswaschen von Bakterien verhindert und auch eine größere Oberfläche für eine schnellere Biofilmentwicklung und eine verbesserte Methanogenese bietet. Es wurde festgestellt, dass die spezifische Oberfläche, Porosität, Oberflächenrauheit, Porengröße und Orientierung des Packungsmaterials eine wichtige Rolle bei der Leistung des anaeroben Reaktors spielen. Biofilm- oder Festfilmreaktoren hängen von der natürlichen Tendenz gemischter mikrobieller Populationen ab, an Oberflächen zu adsorbieren und einen Biofilm zu bilden. Viele Trägermaterialien wurden auf ihre Eignung als Träger für Biofilme untersucht, darunter billige, leicht verfügbare Materialien wie Sand, Ton, Glas, Quarz und eine Reihe von Kunststoffen. In der Natur bewohnen Mikroorganismen die äußeren und inneren Oberflächen von Stein, Kies oder Sand. Diese Biofilmbildung wird ein wichtiger Faktor für die Selbstreinigungsfähigkeit des Wassers. Das Wachstum von Mikroorganismen in einem Biofilm ist die Grundlage für die biologische Wasseraufbereitung wie die Denitrifikation und die Intensivierung der aeroben und anaeroben Abwasserreinigung. Es wurde auch über den Einsatz von Festbettreaktoren zur Behandlung verschiedener Arten von Abwasser berichtet, beispielsweise von Molkerei- und Brauereiabwässern. Die Biofilmbildung auf Trägermaterialien verbessert die Umsatzraten, indem sie die Empfindlichkeit gegenüber Konzentrationsschwankungen und Hemmsubstanzen verringert. Die Effizienz der Entfernung organischer Stoffe in Festbettreaktoren steht in direktem Zusammenhang mit den Eigenschaften des zur Immobilisierung von Anaerobiern verwendeten Trägermaterials. Retikulärer Polyurethanschaum hat eine hohe spezifische Oberfläche. Es ist eine ausgezeichnete Kolonisationsmatrix für einen anaeroben Filterreaktor. Die Porengröße war einer der wichtigsten Parameter für mikrobiologische und technische Anforderungen in Hochleistungsbetten. Für den Abbau einer Vielzahl von organischen Abfällen in anaeroben Vergärungsreaktoren wurden viele Arten von Bettungsmodellen in Betracht gezogen. Die Effizienz der Entfernung organischer Stoffe in Festbettreaktoren steht in direktem Zusammenhang mit den Eigenschaften des zur Immobilisierung von Anaerobiern verwendeten Trägermaterials. Retikulärer Polyurethanschaum hat eine hohe spezifische Oberfläche. Es ist eine ausgezeichnete Kolonisationsmatrix für einen anaeroben Filterreaktor. Die Porengröße war einer der wichtigsten Parameter für mikrobiologische und technische Anforderungen in Hochleistungsbetten. Für den Abbau einer Vielzahl von organischen Abfällen in anaeroben Vergärungsreaktoren wurden viele Arten von Bettungsmodellen in Betracht gezogen. Die Effizienz der Entfernung organischer Stoffe in Festbettreaktoren steht in direktem Zusammenhang mit den Eigenschaften des zur Immobilisierung von Anaerobiern verwendeten Trägermaterials. Retikulärer Polyurethanschaum hat eine hohe spezifische Oberfläche. Es ist eine ausgezeichnete Kolonisationsmatrix für einen anaeroben Filterreaktor. Die Porengröße war einer der wichtigsten Parameter für mikrobiologische und technische Anforderungen in Hochleistungsbetten. Für den Abbau einer Vielzahl von organischen Abfällen in anaeroben Vergärungsreaktoren wurden viele Arten von Bettungsmodellen in Betracht gezogen. Die Porengröße war einer der wichtigsten Parameter für mikrobiologische und technische Anforderungen in Hochleistungsbetten. Für den Abbau einer Vielzahl von organischen Abfällen in anaeroben Vergärungsreaktoren wurden viele Arten von Bettungsmodellen in Betracht gezogen. Die Porengröße war einer der wichtigsten Parameter für mikrobiologische und technische Anforderungen in Hochleistungsbetten. Für den Abbau einer Vielzahl von organischen Abfällen in anaeroben Vergärungsreaktoren wurden viele Arten von Bettungsmodellen in Betracht gezogen.

Die Entwicklung fester Biomassereaktoren hat dafür gesorgt, dass bedeutende Fortschritte im Wissen und in der Anwendung anaerober Verfahren zur Abfallbehandlung erzielt wurden. Im Vergleich zu herkömmlichen Anlagen arbeiten Bioreaktoren mit festem Film effizient bei höheren organischen Beladungsraten aufgrund einer effektiveren Biomasserückhaltung in der Reaktionszone, was zu höheren zellulären Retentionszeiten führt. Anaerobe Reaktoren aus immobilisierter Biomasse zeigen auch bessere Reaktionen auf organische Schockbelastungen und toxische Einträge. In vielen Fällen stellen immobilisierte Biomassereaktoren nach solchen Störungen ihre Leistung vollständig wieder her

Wie funktioniert ein UASB-Reaktor? Bitte schau dir dieses Video anhttps://www.youtube.com/watch?v=0QsEdlJgllI

Ein nützliches Vergärungsprodukt des anaeroben Vergärungsprozesses ist Gärrest. Gärrest ist der verbleibende Teil der abgebauten Biomasse nach der Biogasproduktion: Es handelt sich um stabile organische Substanz, die reich an verschiedenen Nährstoffen (N, P, K) ist. Je nach eingesetztem Rohstoff für die Biogasproduktion kann Gärrest direkt als organischer Dünger verwertet werden, genauso wie rohe Tiergülle in der Landwirtschaft auf Felder ausgebracht wird. Es kann auch weiter aufgerüstet werden, um hochwertige Mineralnährstoffe zurückzugewinnen. Die Verwendung von Gärresten als organischer Dünger weist mehrere Vorteile auf: Er ermöglicht die Wiederverwendung von Nährstoffen und ersetzt mineralischen Dünger fossilen Ursprungs. Im Vergleich zu Rohmist wird auch Gärrest hygienisiert, da der Biogas-Produktionsprozess die meisten Krankheitserreger des ursprünglichen Rohstoffs wie Bakterien und Pflanzenkrankheiten neutralisiert. Homogenität und Dichte der Gärreste ermöglichen auch ein schnelleres Eindringen in den Boden im Vergleich zu Rohmist, Nährstoffe für die Pflanzen im Boden leichter zugänglich zu machen. Gärreste können, sofern sie für landwirtschaftliche Zwecke nicht geeignet sind, weiterverarbeitet und als Rohstoff für industrielle Prozesse verwendet werden.

Nachfolgend ist ein Gesamtschema einer Biogaserzeugungsanlage dargestellt (Abb. 3)

Abb. 3. Eine Biogasanlage.

Bioethanol

Länder weltweit haben Maßnahmen zur verstärkten und wirtschaftlichen Nutzung von Biomasse zur Deckung ihres zukünftigen Energiebedarfs erwogen und ausgerichtet, um die im Kyoto-Protokoll festgelegten CO2-Reduktionsziele zu erreichen und die Abhängigkeit und Abhängigkeit von der Versorgung mit fossilen Brennstoffen zu verringern. Obwohl Biomasse eine große Quelle für Verkehrskraftstoffe wie Bioethanol sein kann, wird Biomasse häufig zur Erzeugung von Strom und Wärme verwendet, im Allgemeinen durch Verbrennung. Ethanol ist derzeit der am häufigsten verwendete flüssige Biokraftstoff für Kraftfahrzeuge. Die Bedeutung von Ethanol nimmt aufgrund einer Reihe von Gründen wie der globalen Erwärmung und des Klimawandels zu.

Der Weltmarkt für Bioethanol ist in eine Phase des schnellen Übergangs eingetreten. Viele Länder auf der ganzen Welt verlagern ihren Fokus auf erneuerbare Energien für die Stromerzeugung, weil die Erdölreserven erschöpfen. Der Trend erstreckt sich auch auf den Transport von Kraftstoffen. Ethanol hat das Potenzial als wertvoller Ersatz für Benzin auf dem Markt für Transportkraftstoffe. Die Kosten der Bioethanolproduktion sind jedoch höher als die von fossilen Brennstoffen. Brasilien und die USA sind die beiden größten Ethanolproduzenten mit 62 % der Weltproduktion. Die großtechnische Produktion von Kraftstoffethanol basiert hauptsächlich auf Saccharose aus Zuckerrohr in Brasilien oder Stärke, hauptsächlich aus Mais, in den USA. Siehe eine schematische Abbildung unten (Abb. 4)

Abb. 4. Schematische Herstellung von Bioethanol aus

Die derzeitige Ethanolproduktion auf Basis von Mais-, Stärke- und Zuckerstoffen ist aufgrund ihres Lebens- und Futterwertes möglicherweise nicht wünschenswert. Die Kosten sind ein wichtiger Faktor für die groß angelegte Expansion der Bioethanolproduktion. Der grüne Goldtreibstoff aus lignozellulosehaltigen Abfällen vermeidet die bestehende Konkurrenz von Nahrungsmitteln gegenüber Treibstoff, die durch die Getreide-basierte Bioethanolproduktion verursacht wird. Somit könnte die Bioethanolproduktion der Weg zur effektiven Verwertung landwirtschaftlicher Abfälle sein. Reisstroh, Weizenstroh, Maisstroh und Zuckerrohr-Bagasse sind die wichtigsten landwirtschaftlichen Abfälle in Bezug auf die verfügbare Biomasse.

Lignocellulosehaltige Materialien sind erneuerbar, kostengünstig und in Hülle und Fülle verfügbar. Dazu gehören Ernterückstände, Gräser, Sägemehl, Holzspäne usw. Zur Ethanolproduktion aus Lignozellulose wurden umfangreiche Untersuchungen durchgeführt. Lignocellulose wird in drei Hauptprozessen für die Bioethanolproduktion verarbeitet:

  • eine Vorbehandlung zur Delignifizierung ist notwendig, um Cellulose und Hemicellulose vor der Hydrolyse freizusetzen;
  • Hydrolyse von Zellulose und Hemizellulose zur Herstellung von fermentierbaren Zuckern einschließlich Glucose, Xylose, Arabinose, Galaktose, Mannose und Fermentation von reduzierenden Zuckern.
  • Die Nicht-Kohlenhydrat-Komponenten von Lignin haben auch wertschöpfende Anwendungen

Die wichtigste Verarbeitungsherausforderung bei der Herstellung von Biokraftstoff ist die Vorbehandlung der Biomasse. Lignozellulosehaltige Biomasse besteht aus drei Hauptbestandteilen, nämlich Hemizellulose, Lignin und Zellulose. Vorbehandlungsverfahren beziehen sich auf die Solubilisierung und Abtrennung einer oder mehrerer dieser Komponenten der Biomasse. Es macht die verbleibende feste Biomasse einer weiteren chemischen oder biologischen Behandlung zugänglicher. Der lignocellulosehaltige Komplex besteht aus einer Matrix aus Cellulose und Lignin, die durch Hemicelluloseketten gebunden sind. Die Vorbehandlung erfolgt zum Aufbrechen der Matrix, um den Kristallinitätsgrad der Cellulose zu verringern und den Anteil an amorpher Cellulose, der am besten geeigneten Form für den enzymatischen Angriff, zu erhöhen. Eine Vorbehandlung wird vorgenommen, um eine Veränderung der makroskopischen und mikroskopischen Größe und Struktur der Biomasse sowie der submikroskopischen Struktur und chemischen Zusammensetzung zu bewirken. Es macht die lignocellulosehaltige Biomasse anfällig für eine schnelle Hydrolyse mit erhöhten Ausbeuten an monomeren Zuckern.

Die Ziele eines effektiven Vorbehandlungsprozesses sind:

  • Bildung von Zuckern direkt oder nachträglich durch Hydrolyse zur Vermeidung von Verlust und/oder Abbau der gebildeten Zucker
  • um die Bildung von Hemmprodukten zu begrenzen
  • Energiebedarf zu senken und Kosten zu minimieren.

Physikalische, chemische, physikalisch-chemische und biologische Behandlungen sind die vier grundlegenden Arten von angewandten Vorbehandlungstechniken. Im Allgemeinen wird eine Kombination dieser Verfahren im Vorbehandlungsschritt verwendet.

Bei der physikalischen Vorbehandlung ist der erste Schritt zur Ethanolproduktion aus landwirtschaftlichen Abfällen die mechanische Zerkleinerung durch Mahlen oder Hacken. Dies reduziert die Kristallinität von Cellulose und verbessert die Effizienz der Weiterverarbeitung. Die Pyrolyse ist eine physikalische Behandlung: Die Materialien werden bei einer Temperatur von mehr als 300 °C behandelt, wobei sich Zellulose schnell zu gasförmigen Produkten und Restkohle zersetzt. Die restliche Kohle wird durch Auslaugen mit Wasser oder mit milder Säure weiter behandelt. Das Sickerwasser enthält genügend Kohlenstoffquelle, um das mikrobielle Wachstum für die Bioethanolproduktion zu unterstützen. Glukose ist der Hauptbestandteil von Wassersickerwasser. Die Vorbehandlung von lignocellulosehaltiger Biomasse in einem Mikrowellenherd ist ebenfalls ein praktikables Verfahren, das die hohe Heizeffizienz eines Mikrowellenherds nutzt. Die Mikrowellenbehandlung nutzt thermische und nicht-thermische Effekte, die durch Mikrowellen in wässrigen Umgebungen erzeugt werden. Wärme wird in der Biomasse durch Mikrowellenstrahlung erzeugt, die aus den Schwingungen der polaren Bindungen in der Biomasse und dem umgebenden wässrigen Medium resultiert. Diese einzigartige Erwärmungsfunktion führt zu einem Explosionseffekt zwischen den Partikeln und verbessert das Aufbrechen der widerspenstigen Strukturen von Lignocellulose. Beim nicht-thermischen Verfahren, dh dem Elektronenstrahl-Bestrahlungsverfahren, vibrieren polare Bindungen, da sie mit einem sich ständig ändernden Magnetfeld ausgerichtet werden, und die Zerstörung und Erschütterung der polaren Bindungen beschleunigt chemische, biologische und physikalische Prozesse, resultierend aus den Schwingungen der polaren Bindungen in der Biomasse und dem umgebenden wässrigen Medium. Diese einzigartige Erwärmungsfunktion führt zu einem Explosionseffekt zwischen den Partikeln und verbessert das Aufbrechen der widerspenstigen Strukturen von Lignocellulose. Beim nicht-thermischen Verfahren, dh dem Elektronenstrahl-Bestrahlungsverfahren, vibrieren polare Bindungen, da sie mit einem sich ständig ändernden Magnetfeld ausgerichtet werden, und die Zerstörung und Erschütterung der polaren Bindungen beschleunigt chemische, biologische und physikalische Prozesse. resultierend aus den Schwingungen der polaren Bindungen in der Biomasse und dem umgebenden wässrigen Medium. Diese einzigartige Erwärmungsfunktion führt zu einem Explosionseffekt zwischen den Partikeln und verbessert das Aufbrechen der widerspenstigen Strukturen von Lignocellulose. Beim nicht-thermischen Verfahren, dh dem Elektronenstrahl-Bestrahlungsverfahren, vibrieren polare Bindungen, da sie mit einem sich ständig ändernden Magnetfeld ausgerichtet werden, und die Zerstörung und Erschütterung der polaren Bindungen beschleunigt chemische, biologische und physikalische Prozesse.

Unter den physikalisch-chemischen Behandlungen ist die Dampfexplosion eine vielversprechende Methode, die Biomasse für den Cellulaseangriff leichter zugänglich macht. Bei diesem Vorbehandlungsverfahren wird kein Katalysator verwendet und die Biomasse fraktioniert, um Lävulinsäure, Xylit und Alkohole zu erhalten. Bei diesem Verfahren wird die Biomasse mit Hochdruckdampf (20–50 bar, 160–290 °C) für einige Minuten erhitzt; die Reaktion wird dann durch plötzliche Dekompression auf Atmosphärendruck gestoppt. Wenn Dampf innerhalb der Lignocellulose-Matrix expandieren kann, trennt er die einzelnen Fasern. Die hohe Rückgewinnung von Xylose (45–65 %) macht die Dampfexplosionsvorbehandlung wirtschaftlich attraktiv.

Chemische VorbehandlungMethoden beinhalten die Verwendung von verdünnter Säure, Alkali, Ammoniak, organischen Lösungsmitteln, CO2 oder anderen Chemikalien. Diese Verfahren sind einfach in der Anwendung und haben gute Umwandlungsausbeuten in kurzer Zeit. Die Säurevorbehandlung gilt als eine der wichtigsten Techniken und zielt auf hohe Zuckerausbeuten aus Lignocellulose ab. Sie wird normalerweise mit konzentrierten oder verdünnten Säuren (üblicherweise zwischen 0,2% und 2,5% w/w) bei Temperaturen zwischen 130 °C und 210 °C durchgeführt. Das saure Medium greift die Polysaccharide an, insbesondere Hemicellulosen, die leichter zu hydrolysieren sind als Cellulose. Die Säurevorbehandlung führt jedoch zur Produktion verschiedener Inhibitoren wie Essigsäure, Furfural und 5-Hydroxymethylfurfural. Diese Produkte sind Wachstumshemmer von Mikroorganismen. Hydrolysate, die für die Fermentation verwendet werden sollen, müssen daher entgiftet werden. Die alkalische Vorbehandlung von Lignocellulosen verdaut die Ligninmatrix und macht Cellulose und Hemicellulose für den enzymatischen Abbau verfügbar. Die alkalische Behandlung von Lignocellulose zerstört die Zellwand durch Auflösen von Hemicellulosen, Lignin und Siliciumdioxid, durch Hydrolysieren von Uron- und Essigsäureestern und durch Quellen von Cellulose. Die Kristallinität von Cellulose wird durch das Quellen verringert. Durch dieses Verfahren können die Substrate in alkalilösliches Lignin, Hemicellulosen und Reststoffe fraktioniert werden, was ihre Verwendung für wertvollere Produkte erleichtert. Der Endrückstand (hauptsächlich Zellulose) kann zur Herstellung von Papier oder Zellulosederivaten verwendet werden. Organische Lösungsmittel sind alternative Methoden zur Delignifizierung von Lignocellulosematerialien. Die Verwendung von organischen Lösungsmittel/Wasser-Gemischen macht das Verbrennen der Lauge überflüssig und ermöglicht die Isolierung der Lignine (durch Destillation des organischen Lösungsmittels). Beispiele für solche Vorbehandlungen umfassen die Verwendung von 90 % Ameisensäure und der von unter Druck stehenden Kohlendioxid in Kombination (50 % Alkohol/Wasser-Gemisch und 50 % Kohlendioxid). Andere verschiedene organische Lösungsmittel, die zur Delignifizierung verwendet werden können, sind Methanol, Ethanol, Essigsäure, Perameisensäure und Peressigsäure, Aceton usw.

Biologische Behandlungen. Die enzymatische Hydrolyse ist aufgrund ihrer höheren Ausbeuten, höheren Selektivität, niedrigeren Energiekosten und milderen Betriebsbedingungen als chemische Verfahren das bevorzugte Verzuckerungsverfahren.

Unterschiedliche Art der Gärung. Die Fermentation von Bioethanol kann im Batch-, Fed-Batch-, Repeated-Batch- oder kontinuierlichen Modus durchgeführt werden. Beim Batch-Prozess wird das Substrat zu Beginn des Prozesses bereitgestellt, ohne dass das Medium hinzugefügt oder entfernt wird. Es ist als das einfachste Bioreaktorsystem mit flexiblem und einfachem Steuerungsprozess bekannt. Der Fermentationsprozess erfolgt in einem geschlossenen System mit hoher Zuckerkonzentration am Anfang und endet mit hoher Produktkonzentration. Es gibt mehrere Vorteile des Chargensystems, einschließlich einer vollständigen Sterilisation, erfordert keine Arbeitsfähigkeiten, ist leicht mit den Einsatzstoffen zu handhaben und kann leicht kontrolliert werden. Die Produktivität ist jedoch gering und erfordert intensive und hohe Arbeitskosten. Die Anwesenheit einer hohen Zuckerkonzentration im Fermentationsmedium kann zu einer Substrathemmung des Zellwachstums und der Ethanolproduktion führen. Die Batch-Fermentation mit Zellenrecycling ist eine strategische Methode für eine effektive Ethanolproduktion, da sie Zeit und Kosten für die Herstellung des Inokulums reduziert. Die anderen Vorteile des wiederholten Batch-Prozesses sind die einfache Zellsammlung, der stabile Betrieb und die langfristige Produktivität. Zuckermaterialien und immobilisierte Hefezellen werden verwendet, um die Zelltrennung für das Zellrecycling zu erleichtern. Ihre Anwendung im Prozess von Lignocellulosematerialien ist jedoch äußerst schwierig, da Lignocelluloserückstände zusammen mit Hefezellen im Fermentationsmedium verbleiben. Die Verwendung freier Zellen in diesem System verringert die Hefezellkonzentration und führt zu einer geringeren Ethanolproduktion in den nachfolgenden Chargen. Eine wiederholte Batch-Fermentation kann durchgeführt werden, indem freie Zellen durch die immobilisierten Zellen ersetzt werden. Die Fed-Batch-Fermentation ist eine Kombination aus Batch- und kontinuierlichem Modus, bei der Substrat in den Fermenter zugegeben wird, ohne das Medium zu entfernen. Es wurde verwendet, um das Problem der Substrathemmung im Chargenbetrieb zu überwinden. Das Kulturvolumen in Fed-Batch-Verfahren kann stark variieren, es muss jedoch mit einer bestimmten Geschwindigkeit mit der richtigen Komponentenzusammensetzung richtig zugeführt werden. Die Produktivität der Fed-Batch-Fermentation kann erhöht werden, indem das Substrat auf einer niedrigen Konzentration gehalten wird, was die Umwandlung einer ausreichenden Menge an fermentierbaren Zuckern in Ethanol ermöglicht. Dieses Verfahren hat eine höhere Produktivität, einen höheren gelösten Sauerstoff im Medium, eine kürzere Fermentationszeit und eine geringere toxische Wirkung der Mediumkomponenten im Vergleich zu anderen Fermentationsarten. Die Ethanolproduktivität im Fed-Batch ist jedoch durch die Zufuhrrate und die Zellmassenkonzentration begrenzt. Es wurde verwendet, um das Problem der Substrathemmung im Chargenbetrieb zu überwinden. Das Kulturvolumen in Fed-Batch-Verfahren kann stark variieren, es muss jedoch mit einer bestimmten Geschwindigkeit mit der richtigen Komponentenzusammensetzung richtig zugeführt werden. Die Produktivität der Fed-Batch-Fermentation kann erhöht werden, indem das Substrat auf einer niedrigen Konzentration gehalten wird, was die Umwandlung einer ausreichenden Menge an fermentierbaren Zuckern in Ethanol ermöglicht. Dieses Verfahren hat eine höhere Produktivität, einen höheren gelösten Sauerstoff im Medium, eine kürzere Fermentationszeit und eine geringere toxische Wirkung der Mediumkomponenten im Vergleich zu anderen Fermentationsarten. Die Ethanolproduktivität im Fed-Batch ist jedoch durch die Zufuhrrate und die Zellmassenkonzentration begrenzt. Es wurde verwendet, um das Problem der Substrathemmung im Chargenbetrieb zu überwinden. Das Kulturvolumen in Fed-Batch-Verfahren kann stark variieren, es muss jedoch mit einer bestimmten Geschwindigkeit mit der richtigen Komponentenzusammensetzung richtig zugeführt werden.

Der kontinuierliche Betrieb erfolgt durch ständige Zugabe von Substraten, Kulturmedium und Nährstoffen in einen Bioreaktor mit aktiven Mikroorganismen. Das Kulturvolumen im kontinuierlichen Betrieb muss konstant sein und die Fermentationsprodukte werden kontinuierlich aus den Medien entnommen. Am oberen Ende des Bioreaktors können verschiedene Arten von Produkten wie Ethanol, Zellen und Restzucker gewonnen werden. Die Vorteile des kontinuierlichen Systems gegenüber Batch- und Fed-Batch-Systemen sind höhere Produktivität, kleinere Bioreaktorvolumina und geringere Investitions- und Betriebskosten. Bei hoher Verdünnungsrate wird die Ethanolproduktivität erhöht, während die Ethanolausbeute aufgrund des unvollständigen Substratverbrauchs durch Hefen verringert wird. Die Wahrscheinlichkeit einer Kontamination ist jedoch höher als bei anderen Fermentationsarten.

Faktoren, die die Bioethanolproduktion beeinflussen

Mehrere Faktoren beeinflussen die Produktion von Bioethanol: Temperatur, Zuckerkonzentration, pH-Wert, Fermentationszeit, Rührgeschwindigkeit und Inokulummenge. Die Wachstumsrate der Mikroorganismen wird direkt von der Temperatur beeinflusst. Hohe Temperaturen, die für das Zellwachstum ungünstig sind, werden für Mikroorganismen zu einem Stressfaktor. Der ideale Temperaturbereich für die Fermentation liegt für Saccharomyces cerevisiae zwischen 20 und 35 °C. Freie Zellen von S. cerevisiae haben eine optimale Temperatur nahe 30 °C, wohingegen immobilisierte Zellen aufgrund ihrer Fähigkeit, Wärme von der Partikeloberfläche in das Innere der Zellen zu übertragen, eine etwas höhere optimale Temperatur aufweisen. Darüber hinaus sind Enzyme, die die mikrobielle Aktivität und den Fermentationsprozess regulieren, empfindlich gegenüber hohen Temperaturen, die ihre Tertiärstruktur denaturieren und die Enzyme inaktivieren können. Daher,

Der Anstieg der Zuckerkonzentration bis zu einem bestimmten Niveau führte zu einer Erhöhung der Fermentationsrate. Die Verwendung einer übermäßigen Zuckerkonzentration führt jedoch zu einer stetigen Fermentationsrate. Dies liegt daran, dass die Konzentration des Zuckerverbrauchs die Aufnahmekapazität der mikrobiellen Zellen übersteigt. Im Allgemeinen wird die maximale Ethanolproduktionsrate erreicht, wenn Zucker in einer Konzentration von 150 g/L verwendet wird. Die anfängliche Zuckerkonzentration wurde auch als wichtiger Faktor bei der Ethanolproduktion angesehen. Eine hohe Ethanolproduktivität und Ausbeute bei der Batch-Fermentation kann durch Verwendung einer höheren anfänglichen Zuckerkonzentration erreicht werden. Es erfordert jedoch eine längere Fermentationszeit und höhere Gewinnungskosten.

Die Ethanolproduktion wird durch den pH-Wert der Brühe beeinflusst, da er die bakterielle Kontamination, das Hefewachstum, die Fermentationsrate und die Bildung von Nebenprodukten beeinflusst. Die Durchlässigkeit einiger essentieller Nährstoffe in die Zellen wird durch die H+-Konzentration in der Fermentationsbrühe beeinflusst. Darüber hinaus wird das Überleben und das Wachstum von Hefen durch den pH-Wert im Bereich von 2,75–4,25 beeinflusst. Bei der Fermentation zur Ethanolproduktion liegt der optimale pH-Bereich von S. cerevisiae bei 4,0–5,0 [34]. Wenn der pH-Wert niedriger als 4,0 ist, ist eine längere Inkubationszeit erforderlich, aber die Ethanolkonzentration wird nicht signifikant reduziert. Wenn jedoch der pH-Wert über 5,0 lag, verringerte sich die Ethanolkonzentration wesentlich.

Die Fermentationszeit beeinflusst das Wachstum von Mikroorganismen. Eine kürzere Fermentationszeit verursacht eine ineffiziente Fermentation aufgrund eines unzureichenden Wachstums von Mikroorganismen. Andererseits führt eine längere Fermentationszeit aufgrund der hohen Ethanolkonzentration in der fermentierten Brühe zu einer toxischen Wirkung auf das mikrobielle Wachstum, insbesondere im Batch-Modus. Eine vollständige Fermentation kann bei niedrigerer Temperatur erreicht werden, indem eine längere Fermentationszeit verwendet wird, was zu der niedrigsten Ethanolausbeute führt.

Die Rührgeschwindigkeit steuert die Durchlässigkeit von Nährstoffen aus der Fermentationsbrühe in das Innere der Zellen und die Entfernung von Ethanol aus der Zelle in die Fermentationsbrühe. Je höher die Rührgeschwindigkeit, desto höher die produzierte Ethanolmenge. Außerdem erhöht es den Zuckerverbrauch und reduziert die Hemmung von Ethanol auf Zellen. Die übliche Rührgeschwindigkeit für die Fermentation durch Hefezellen beträgt 150–200 U/min. Eine übermäßige Rührgeschwindigkeit ist für eine reibungslose Ethanolproduktion nicht geeignet, da sie die Stoffwechselaktivitäten der Zellen einschränkt.

Die Inokulumkonzentration hat keine signifikanten Auswirkungen auf die endgültige Ethanolkonzentration, aber sie beeinflusst die Verbrauchsrate von Zucker und die Ethanolproduktivität

Biotechnologie für die Biokunststoffproduktion (Stufe B)

Wichtigste Schritte zu modernen BIOPLASTICS

  • Biokunststoffe sind keine wirkliche Innovation: Naturharze wurden seit der Antike verwendet (z.B. Bernstein, Schellack etc.)
  • Ab 1860 wurden die ersten auf Zellulose basierenden Kunststoffe freigegeben (z. B. Zelluloid, Zellophan)
  • In den 1940er Jahren fertigte Henry Ford Autoteile mit Kunststoffen aus Soja
  • In den 50er Jahren aus Öl gewonnene Kunststoffe
  • Ölkrise in den 70er Jahren: Das Interesse an Biokunststoffen wurde wiederentdeckt. Derzeit steigt die Nachfrage nach Biokunststoffen, vor allem aufgrund der drängenden Umweltprobleme (Ressourcenverknappung, Treibhauseffekt, Müllentsorgung etc.). Abb. 5, 6 und 7 geben einige grundlegende Informationen zu Biokunststoffen.

Abb. 5. Biokunststoffe und europäische

Kunststoff und Gummi sind polymere Materialien, die aus Monomeren bestehen. Diese werden hauptsächlich aus Erdöl hergestellt und das gewonnene Material ist daher nicht erneuerbar. Rund 4 % des weltweiten Ölverbrauchs werden als Rohstoff in der Kunststoffproduktion verwendet, eine ähnliche Menge wird im Produktionsprozess als Energie verwendet. Neben Erdöl erfordert die Kunststoffherstellung den Einsatz chemischer Zusatzstoffe wie Weichmacher, Flammschutzmittel, Hitze- und UV-Stabilisatoren, Biozide, Pigmente und Füllstoffe. Mehrere Zusatzstoffe sind nach den EU-Verordnungen als gefährlich eingestuft (krebserzeugend, erbgutverändernd, schädlich für die Fortpflanzungsgesundheit oder für Wasserorganismen oder mit anhaltenden negativen Auswirkungen auf die Umwelt).

In den 60er Jahren wurde Plastik zum ersten Mal als ein Problem der Meeres- und Ozeanverschmutzung betrachtet und es wurden negative gesundheitliche Auswirkungen auf Mensch und Umwelt beschrieben. Tatsächlich setzen Kunststoffe während des gesamten Lebenszyklus des Produkts giftige Chemikalien frei.

Als mögliche Lösung stellte sich das Kunststoffrecycling heraus. Recycling ist jedoch nicht die einzige Lösung, um die Plastikmüllkrise zu lösen, die die Umwelt verschmutzen. Kunststoff kann nicht recycelbar sein, nur ein- oder zweimal recycelbar sein oder eine definierte Anzahl von Malen, aber nicht für immer. Nach dieser Grenze landet der Kunststoff auf einer Deponie. Darüber hinaus erlauben viele Plastikkonsumenten ihrem Plastik nicht einmal eine so lange Lebensdauer. Erneuerbare Kunststoffe, d. h. Kunststoffe, die aus erneuerbaren Quellen stammen und in der Umwelt leicht biologisch abbaubar sind, können eine Lösung für das Problem der Biokunststoffvergiftung bieten.

Abb. 6. Biobasierte und biologisch abbaubare Kunststoffe

Abb. 7. Wichtigste weltweit produzierte

Biobasiert wird in der europäischen Norm EN 16575 als „aus Biomasse gewonnen“ definiert. Biologisch abbaubare Materialien sind Materialien, die von Mikroorganismen wie Bakterien oder Pilzen zu Wasser, Kohlendioxid oder Methan und Biomasse abgebaut werden können. Die biologische Abbaubarkeit hängt jedoch von den Umgebungsbedingungen ab: Anwesenheit von Mikroorganismen, Temperatur und Verfügbarkeit von Sauerstoff und Wasser. Kompostierbare Materialien sind Materialien, die unter Kompostierungsbedingungen zerfallen. Die Bedingungen für die industrielle Kompostierung erfordern eine erhöhte Temperatur (55˚C – 60˚C) in Kombination mit einer hohen relativen Luftfeuchtigkeit und der Anwesenheit von Sauerstoff, und sie sind im Vergleich zu anderen Abbaubedingungen wie Boden, Oberflächenwasser und Meerwasser tatsächlich optimal. Die Einhaltung der EN 13432 gilt als gutes Maß für die Kompostierbarkeit von Verpackungsmaterialien. Nach dieser Norm ist Kunststoffverpackungen können als kompostierbar bezeichnet werden. Im Folgenden werden einige Details zu den 3 Hauptkategorien von Biokunststoffen gegeben.

Kunststoffe auf Stärkebasis

75% des gesamten organischen Materials auf der Erde liegt in Form von Polysacchariden vor. Ein wichtiges Polysaccharid ist Stärke. Pflanzen synthetisieren und speichern Stärke in ihrer Struktur als Energiereserve. Stärke kommt in Samen, Knollen oder Wurzeln der Pflanzen vor. Stärkequellen sind Mais, Weizen, Reis, Kartoffeln, Tapioka, Erbsen und viele andere pflanzliche Ressourcen. Der größte Teil der weltweit produzierten Stärke wird aus Mais gewonnen. Stärke wird im Allgemeinen durch Nassmahlverfahren aus Pflanzenressourcen gewonnen. Stärke besteht aus zwei Arten von Glucosepolymeren: Amylose und Amylopektin. Amylose ist im Wesentlichen ein lineares Polymer, in dem Glucoseeinheiten überwiegend durch α-D-(1,4)-glucosidische Bindungen verbunden sind. Amylopektin ist ein verzweigtes Polymer, das periodische Verzweigungen enthält, die durch α-D-(l, 6)-glucosidische Bindungen mit dem Rückgrat verbunden sind.

Abb. 8. Stärkebasierte Technologie von Novamont

Eine wichtige Kunststoffklasse stellen stärkebasierte Kunststoffe dar. Seit Anfang der 1990er Jahre ist es durch Forschung und Technologieentwicklung möglich, natürliche Polymere wie Stärke (aus Mais, Kartoffel etc.) mit biologisch abbaubaren Makromolekülen (polymere Komplexbildner) zu komplexieren, um thermoplastische und biologisch abbaubare innovative Materialien im industriellen Maßstab zu erhalten. Insbesondere die stärkebasierte Technologie von Novamont (Abb. 8) verwendet Verarbeitungsbedingungen, die die Kristallinität von Amylose und Amylopektin in Gegenwart von Makromolekülen, die mit Amylose einen Komplex bilden können, fast vollständig zerstören können. Sie können natürlichen oder synthetischen Ursprungs sein und sind biologisch abbaubar. Der von Amylose mit dem Komplexbildner gebildete Komplex ist im Allgemeinen kristallin und ist durch eine einzelne Helix von Amylose gekennzeichnet, die um den Komplexbildner herum gebildet wird. Im Gegensatz zu Amylose interagiert Amylopektin nicht mit dem Komplexbildner und verbleibt in seinem amorphen Zustand. Die Quelle der Stärke, dh ihr Verhältnis zwischen Amylose und Amylopektin, die Verarbeitungsbedingungen und die Art der Komplexbildner erlauben das Engineering verschiedener supramolekularer Strukturen mit sehr unterschiedlichen Eigenschaften. In den letzten Jahren wurden viele erfolgreiche Anstrengungen unternommen, um den Anteil nachwachsender Rohstoffe zur Herstellung biologisch abbaubarer Polyester zu erhöhen. Novamont ist damit einer der wichtigsten Player bei stärkebasierten Biokunststoffen.

Polymilchsäure-Kunststoffe

Synthetische biologisch abbaubare Polylactone wie Polymilchsäure (PLA), Polyglycolsäure (PGA) und Polycaprolacton (PCL) sind Polymere, die durch einfache Hydrolyse der Esterbindungen abgebaut werden. Die hydrolytischen Produkte eines solchen Abbauprozesses werden dann in ungiftige Nebenprodukte umgewandelt (Abb. 9).

Abb. 9. PLA-Lebenszyklus

PLA-Kunststoffe werden aus der Fermentation von landwirtschaftlichen Nebenprodukten wie stärkereichen Substanzen wie Mais, Weizen oder Zucker und Maisstärke gewonnen. Der Prozess umfasst die Umwandlung von Mais oder anderen Kohlenhydratquellen in Glukose, gefolgt von einer Fermentation in Milchsäure (Abb. 9 und 10).

Fig. 10. PLA production from starch

Von Milchsäure abgeleitetes PLA ist ein thermoplastischer, biologisch abbaubarer aliphatischer Polyester mit großem Potenzial für Verpackungsanwendungen. Die Milchsäuremonomere werden entweder direkt polykondensiert oder unterliegen einer Ringöffnungspolymerisation von Lactid, was zur Bildung von PLA-Pellets führt. Die Eigenschaften von PLA als Verpackungsmaterial hängen vom Verhältnis der beiden optischen Isomere des Milchsäuremonomers ab. Bei Verwendung von 100 % L-PLA-Monomeren führt dies zu einer sehr hohen Kristallinität und einem sehr hohen Schmelzpunkt, wohingegen 90/10% D/L-Copolymere die Anforderungen von Bulk-Verpackungen erfüllen. PLA ist das erste biobasierte Polymer, das in großem Maßstab kommerzialisiert und zu Spritzgussobjekten, Folien und Beschichtungen geformt werden kann. PLA hat als Verpackungsmaterial High-Density-Polyethylen, Low-Density-Polyethylen (LDPE), Polyethylenterephthalat und PS ersetzt.

Die Haupteigenschaften von PLA sind: i) die mechanische Beständigkeit und Wärmeempfindlichkeit sind denen von herkömmlichen Kunststoffen ähnlich; ii) Härte, Steifigkeit und Elastizitätsgrad sind PET ähnlich, iii) es kann Fette, Öle, Alkohol und aliphatische Moleküle enthalten, iv) geringe Beständigkeit gegen Säuren und Basen ist aber gute Beständigkeit gegen UV-Strahlung, v) es kann bedruckt werden und gefärbt, vi) es kann durch Standardmaschinen, die für traditionelle Kunststoffe verwendet werden, in Waren umgewandelt werden, vii) die Nachnutzungsphase kann die Kompostierung in Industrieanlagen beinhalten.

Polyhydroxyalkanoate

Polyhydroxyalkanote (PHAs) sind biologisch abbaubare Polymere, die von manchen Bakterien als Speichersubstanz in Form von intrazellulären Granulaten angereichert werden. PHA gehört zu den Biopolymeren, die die herkömmlichen petrochemischen Kunststoffe mit ihren parallelen Materialeigenschaften effektiv ersetzen können. Ihre Produktion im großen Maßstab ist jedoch noch immer durch die hohen Herstellungskosten im Vergleich zu herkömmlichen Kunststoffen auf Basis fossiler Brennstoffe begrenzt, da der PHA-Preis je nach Polymerzusammensetzung mit 2,2 bis 5,0 €/kg mindestens dreimal so hoch ist wie die wichtigsten Polymere auf petrochemischer Basis, die weniger als 1,0 €/kg kosten (Berechnungen im Jahr 2016).

In den meisten Unternehmen, die PHAs herstellen, werden meist Reinkulturen verwendet. Das Problem bei der Verwendung von Reinkulturen sind die Voraussetzungen für Sterilität, veredelte Substrate, wenn keine pflanzlichen Rohstoffe verwendet werden, was den Kommerzialisierungsprozess einschränkt. All diese Probleme sollen mit Mixed Microbial Cultures (MMCs) überwunden werden: Diese kombinieren die Umwandlung von Abfällen in eine wertschöpfende Produktproduktion. Die biologische Behandlung von Abwasser und Schlammmanagement zur Rückgewinnung von Kohlenstoff aus Abwasser als PHAs ist ein Weg, um die Umweltschutzinfrastruktur am Ende der Rohrleitung in Bioraffinerien umzuwandeln. Integrationsstrategien für die Produktion von MMC-PHA in Abwasserbehandlungsprozessen wurden für industrielle Prozessabwässer und kommunale Abwasserbehandlung vorgeschlagen.

Eines der am besten charakterisierten Mitglieder der PHA-Familie ist Polyhydroxybutirat (PHB), das von Mikroorganismen produziert wird, die es im Zellzytoplasma speichern. 1926 wurde erstmals eine mikrobielle Produktion von linearem Polyester aus D(-)-3-Hydroxybuttersäure als intrazelluläres Granulat entdeckt, die sowohl bei grampositiven als auch bei gramnegativen Bakterien unter Hungerbedingungen auftrat (Abb. 11).

Abb. 11. Polyhydroxybutirat

Die Kosten sind der Hauptnachteil der PHB-Produktion während der Industrialisierung. Die industrielle Herstellung von PHB ist teurer als die von Petroplastik. Die Produktion von PHB in großen Mengen wird auf etwa 4,4 USD/kg geschätzt, dh weitaus teurer als die Produktionskosten für Polypropylen, die nahe 1 USD/kg liegen. Die finanziellen Schwierigkeiten stehen zweifellos im Zusammenhang mit den Produktionskosten, sowohl vor- als auch nachgelagerten Prozessen. CA, 40 % bzw. 50 % der Gesamtproduktionskosten von PHB wurden den Rohmaterial- bzw. Trenn-/Reinigungssystemen zugewiesen. Bei Bioextraktionstechniken wird Gentechnik am häufigsten verwendet, um Mikroorganismen einzuführen, und sie sind in der Lage, PHB effektiv aus PHB-akkumulierenden Zellen zu extrahieren. Es gibt mehrere Ansätze, die untersucht wurden, darunter ein Bakteriophagen-vermitteltes Lysesystem und räuberische Bakterien, die besser sind als die herkömmlichen Extraktionsansätze, die umweltschädliche Lösungsmittel produzieren, mit höheren Abbaukosten. Aufgrund der nicht umwelt- und wirtschaftsunfreundlichen Eigenschaften herkömmlicher Extraktionsverfahren wird daher Bioextraktionssystemen mehr Aufmerksamkeit geschenkt. Gentechnik wird am häufigsten verwendet, um Mikroorganismen einzuführen, und sie sind in der Lage, PHB effektiv aus PHB-akkumulierenden Zellen zu extrahieren

Biotechnologie zur Altlastensanierung

Diese Einheit konzentriert sich im Wesentlichen auf die Technologien, die die Untersuchung der Mikrobiota in Böden oder komplexen Matrizen ermöglichen. Die wichtigsten Technologien sind unten dargestellt (Abb. 12).

Abb. 12: Techniken zur Untersuchung der Mikrobiomkomplexität

Der kulturelle Ansatz ist in dem von Digit-Biotech produzierten Video gut beschrieben. Diese „klassische Methode“ sieht die Identifizierung von Mikroorganismen durch die Isolierung von Reinkulturen vor, gefolgt von Tests, die einige morphophysiologische und biochemische Eigenschaften analysieren. Diese Analysen reichen oft nicht aus, um die meisten Arten von Mikroorganismen zu identifizieren und beschränken sich zudem auf kultivierbare Arten, die einen sehr geringen Prozentsatz aller in der Natur vorkommenden Arten ausmachen. Diese Tests haben auch die ernsthafte Einschränkung, dass sie einen beträchtlichen Zeitaufwand erfordern. Sie haben jedoch den großen Vorteil der Gewinnung durch den Isolierungsansatz von Zielmikroorganismen, die im Bioremediationsansatz verwendet werden können.

In den letzten Jahrzehnten hat die Forschung auf dem Gebiet der Umweltmikrobiologie gezeigt, dass mikrobielle Gemeinschaften eine funktionelle Rolle bei der Kontrolle von Ökosystemen spielen, die nicht einzelnen Arten, sondern den Gemeinschaften selbst als „funktionale Einheiten“ zugeschrieben wird. Diese funktionelle Aktivität mikrobieller Gemeinschaften ist in vielen Fällen für wichtige Prozesse für den Menschen verantwortlich, darunter der biologische Abbau von Altabfällen in Kläranlagen und Deponien, die Kompostierung und allgemein alle Prozesse, bei denen chemische Umwandlungen der von die Aktivitäten stattfinden. Denaturierende Gradienten-Gelelektrophorese (DGGE), Real-Time-PCR (oder quantitative PCR), und der Gesamtgenom-Ansatz (Hochdurchsatz-Sequenzierung und Shotgun-Sequenzierung) sind die wichtigsten Technologien, die für die Untersuchung mikrobieller Populationen in der Umwelt verwendet werden.

DGGE: Es handelt sich um eine elektrophoretische Trenntechnik zur Trennung und Analyse von DNA-Fragmenten, die sich auch in der Nukleotidsequenz eines einzelnen Basenpaars unterscheiden. Bei der klassischen Elektrophorese, die auf Agarose- oder Acrylamidgel durchgeführt wird, werden DNA-Fragmente auf der Basis des Molekulargewichts getrennt; die Laufgeschwindigkeit nimmt parallel zur Längenzunahme des Fragments ab. Im Gegensatz dazu werden in der DGGE DNA-Fragmente mit gleichem Molekulargewicht nach dem Denaturierungsmuster getrennt. Das Vorhandensein von Hitze oder chemischen Denaturierungsmitteln ermöglicht die Denaturierung der beiden Filamentbestandteile eines doppelsträngigen DNA-Moleküls (dsDNA). Temperatur und Konzentration des Denaturierungsmittels, bei dem die Trennung der beiden Filamente erfolgt, hängen stark von der Sequenz des Fragments selbst ab. Ausschlaggebend sind insbesondere: Menge der Wasserstoffbindungen, die zwischen komplementären Basen aufgebaut werden und Art der Wechselwirkungen, die zwischen Basen aufgebaut werden, die auf demselben Strang benachbart sind (Stapelwechselwirkung). Ein DNA-Molekül hat daher Domänen mit charakteristischen Schmelztemperaturen oder Tm, bestimmt durch die Nukleotidsequenz. DNA-Fragmente, die im Molekulargewicht fast identisch sind, sich aber auch in einem einzigen Nukleotid unterscheiden, können durch voneinander verschiedene Tm- und Schmelzdomänen charakterisiert werden. Die DGGE-Analyse wird auf einem Polyacrylamidgel durchgeführt, das einen denaturierenden Gradienten enthält, so dass die dsDNA während des Laufs einer Erhöhung der Denaturierungsbedingungen mit nachfolgender Trennung an den Schmelzdomänen unterliegt. Im oberen Teil des Gels, wo milde Denaturierungsbedingungen vorliegen, die Schmelzdomänen bei niedrigeren Tm beginnen teilweise zu denaturieren, wodurch verzweigte Moleküle mit geringerer Mobilität entstehen. Die Zunahme der Denaturierungsbedingungen entlang des Polyacrylamidgels kann die vollständige Dissoziation von teilweise denaturierten Fragmenten in einzelsträngiger DNA (ssDNA) bestimmen. Experimentell wird die vollständige Dissoziation der beiden dsDNA-Stränge durch die Einführung von Domänen am Ende jedes Filaments verhindert, die durch einen hohen Gehalt an G + C und eine hohe Tm gekennzeichnet sind. An einem Ende der dsDNA werden durch Einbau einer GC-Klemme während der Amplifikationsreaktionen G + C-reiche Regionen künstlich erzeugt. Der Einbau der GC-Klemme wird durch die Verwendung von Primern ermöglicht, die durch eine Sequenz von ca. 30-40 GC am 5′-Ende gekennzeichnet sind. Das Vorhandensein der GC-Klemme der gleichen Sequenz am Ende jedes Moleküls bewirkt, dass die Unterschiede zwischen den Hubprofilen der analysierten Fragmente hauptsächlich durch Variationen in der Sequenz der niedrigschmelzenden Domänen bestimmt werden. Da Tm durch die Nukleotidsequenz bestimmt wird, kann das Vorliegen einer einzelnen Mutation ein anderes Denaturierungsprofil und folglich einen anderen Elektrophoreselauf erzeugen. Daher kann das Wiederauftreten von Polymorphismen in hochkonservierten Genen von der DGGE analysiert werden und nützliche Informationen zur Charakterisierung der Struktur mikrobieller Gemeinschaften liefern. Tatsächlich erhält man bei der denaturierenden Gradienten-Gelelektrophorese ein elektrophoretisches Profil, das durch eine Reihe von Banden gebildet wird, in dem in erster Näherung die Anzahl der Banden ist proportional zur Anzahl der vorhandenen Arten und die Position jeder Bande ist für jede Art unterschiedlich. Die DGGE-Technik bietet daher einen einfachen Ansatz, um mikrobielle Gemeinschaftsprofile zu erhalten, mit denen räumliche und zeitliche Unterschiede in der Gemeinschaftsstruktur identifiziert oder Strukturänderungen als Reaktion auf Umweltstörungen überwacht werden können.

Echtzeit-PCR: Es ist eine Technik, die es ermöglicht, eine Ziel-DNA-Sequenz zu amplifizieren und gleichzeitig zu quantifizieren. Dabei werden fluoreszierende Farbstoffe wie Sybr Green verwendet, die in den kleinen Sulcus des DNA-Doppelstrangs interkalieren, oder Sonden mit spezifischen Sequenzen, die aus mit fluoreszierenden Mitteln markierten Oligonukleotiden bestehen. Die emittierte Fluoreszenz wird ständig gemessen und liefert „Echtzeit“-Informationen über die Menge des produzierten Amplikons. Aus einer Amplifikationsreaktion wird ein Graph mit einer sigmoidalen Kurve erhalten; diese setzt so schnell wie möglich ein, je größer die Menge an Ausgangs-DNA ist und wächst mit exponentiellem Trend weiter, bis sie einen Maximalwert (Plateau) erreicht, bei dem sich die Reaktion aufgrund der Erschöpfung der Substrate verlangsamt.

Bei der Untersuchung eines Real-Time-PCR-Graphen werden drei Parameter festgelegt:

– die Fluoreszenz-Basislinie oder Basislinienregion;

– die Schwellenlinie, parallel zur Grundlinie;

– Der für jede Probe spezifische Schwellenwertzyklus oder CT identifiziert den Wert des PCR-Zyklus, in dem die exponentielle Phasenkurve die Schwellenwertlinie schneidet.

Die meisten Real-Time-PCR-Instrumente sind so programmiert, dass sie die Wellenlängen des SYBR Green-Emissions- und Anregungsspektrums (jeweils 495 nm und 537 nm) ablesen. Dieser Farbstoff ist sehr lichtempfindlich, er bindet nur an doppelsträngige DNA und damit nur an das neu synthetisierte Amplikon. Die Proben werden auf der Grundlage von Eichkurven quantifiziert, die unter Verwendung bekannter Mengen von 16 S rDNA-Genkopien erhalten wurden. Der Vergleich des von der unbekannten Probe emittierten Signals mit den zur Erstellung der Kalibrierkurve verwendeten Fluoreszenzwerten ermöglicht die Quantifizierung einer bestimmten mikrobiellen Spezies. Neben der quantitativen Messung von Zielbakterien ermöglichen Interkalatoren wie SYBR Green die Unterscheidung von Amplikons unterschiedlicher Länge und den Nachweis eventuell vorhandener unspezifischer Amplifikationen.

Sequenzierung der nächsten Generation: Die Besonderheit dieser 2006 eingeführten Technologie besteht nicht nur in der Möglichkeit, ein einzelnes DNA-Fragment auf einmal zu sequenzieren und diesen Prozess auf Millionen von Fragmenten gleichzeitig auszudehnen, sondern auch in der Fähigkeit, DNA-Fragmente in beide Richtungen zu sequenzieren.

Der erste Schritt umfasst einzelsträngige DNA-Fragmente, an deren Enden eindeutige Sequenzen, genannt „Index“, auf einen Zellstrom geladen werden, wo sie auf einer Oberfläche eingefangen werden, die „Oligonukleotide noch“ enthält, die zu den Indizes komplementär sind, auf denen sie werden für die Herstellung der Bibliotheken immobilisiert. Die Hybridisierung zwischen letzteren und den DNA-Fragmenten erfolgt durch Erhitzen und Kühlen, gefolgt von Inkubation mit spezifischen Reagenzien und einer isothermen Polymerase. Durch eine „überbrückte“ Amplifikation wird jedes Fragment eindeutig von den anderen amplifiziert, wodurch ein Cluster von Klonen entsteht. Wenn die Cluster-Generierung abgeschlossen ist, sind die generierten Modelle nach entsprechender Denaturierung bereit für die eigentliche Sequenzierung.

Illumina verwendet eine Technologie, die auf kettenterminierenden fluoreszierenden Nukleotiden mit einem OH bei 3 ‚ basiert; dies stellt sicher, dass eine einzige Base pro Zyklus eingearbeitet wird. Es folgt ein Bildgebungsschritt, um das in jedem Cluster eingebaute Nukleotid zu identifizieren, und ein chemischer Schritt, um die fluoreszierende Gruppe und das terminale OH zu entfernen, um den Einbau einer anderen Base im nächsten Zyklus zu ermöglichen.

Am Ende der Sequenzierung, die ca. 4 Tage dauert, wird die Sequenz jedes Clusters Selektionsprozessen (Trimming) unterzogen, um die minderwertigen Produkte zu eliminieren. Bei der Datenanalyse werden die Fragmente unterschiedlicher Länge ausgerichtet und überlagert, so ist es möglich, die Abfolge des Ausgangsfilaments zu erkennen. In einem Standardverfahren werden mindestens 40-50 Millionen Sequenzen analysiert.

Die Shotgun-Sequenzierung ist die Sequenz aller Genome, die in einer komplexen Matrix, wie einer Bodenprobe, vorhanden sind. Die Shotgun-Sequenzierung ist daher der effizienteste Weg, um ein großes Stück DNA zu sequenzieren. Dazu wird die Ausgangs-DNA nach dem Zufallsprinzip in viele kleinere Stücke zerlegt, eine Art Schrotflinte, wobei jedes dieser Stücke dann einzeln sequenziert wird. Die aus den verschiedenen Stücken erzeugten resultierenden Sequenzlesevorgänge werden dann von einem Computerprogramm analysiert, wobei nach Sequenzabschnitten von unterschiedlichen Lesevorgängen gesucht wird, die miteinander identisch sind. Wenn identische Regionen identifiziert werden, werden sie miteinander überlappt, wodurch die beiden Sequenzlesevorgänge zusammengefügt werden können. Dieser Computerprozess wird immer wieder wiederholt und liefert schließlich die vollständige Sequenz des Ausgangsstücks der DNA.

Mikrobielle Technologien für die Gesundheit von Honigbienen

Zahlreiche biotische und abiotische Belastungen, wie der massive Einsatz von Pestiziden in der Landwirtschaft und der Klimawandel, gefährden das Überleben bestäubender Insekten mit potenziell schädlichen Folgen sowohl für Agrarökosysteme als auch für natürliche Systeme. Tatsächlich sind Bienen für die Bestäubung von 84 % der Kulturpflanzenarten verantwortlich, von denen 35 % von globaler Bedeutung sind und 78 % der Wildpflanzen. Es genügt zu sagen, dass allein 70 % der Saatkulturen (wie Karotten, Zwiebeln, Knoblauch usw.) strikt auf Insektenbestäubung angewiesen sind, ebenso wie 80 % der 264 interessierenden Kulturpflanzenarten in Europa. Daraus folgt, dass die Aktivität bestäubender Insekten, einschließlich Bienen, auf wirtschaftlicher Ebene eine wesentliche Rolle spielt, deren monetäre Schätzung allein in Europa etwa 15 Mrd. € / Jahr beträgt, während sie weltweit auf 153 Mrd. € / Jahr anwächst.

Neben einem unkalkulierbaren Wert für die Erhaltung der Biodiversität und des Gleichgewichts in den verschiedenen Ökosystemen liefern Bienen also Honig, Bienenwachs, Propolis, Pollen und Gelée Royale: In Europa ergaben die 2010 erhobenen Daten eine Produktion von rund 220 000 Tonnen 000 Honig mit Preisen zwischen 1,50 und 40 €/kg je nach Herkunftsgebiet. Oder in Australien bewegt sich die Produktion von Honig und Bienenwachs jährlich um einen Handelswert von 90 Millionen US-Dollar, was einmal mehr die Bedeutung der Imkerei im Panorama unterstreicht. Weltwirtschaft. Honigbienenvölker sind von 6 Millionen in den 1940er Jahren auf heute etwa 2,6 Millionen rapide zurückgegangen. Der hohe jährliche Verlust an Bienenvölkern wird immer noch beobachtet und ist für Imker zur Norm geworden.

Bruten, die von „Colony Collapse Disorder“ (CCD) oder „Hive Depopulation Syndrome“ betroffen waren, zeigten ebenfalls signifikante Anzeichen eines Ungleichgewichts. Die Ursachen dieses Syndroms sind noch unklar, es wird jedoch vermutet, dass sie auf veränderte Umweltfaktoren, Mangelernährung, das Vorhandensein von Krankheitserregern und den massiven Einsatz von Insektiziden zurückzuführen sind. Die Symptomatologie sieht das Vorhandensein von Bruten, die ihre Larven trotz Anwesenheit der Königin verlassen, und Appetitlosigkeit auf Pollen- und Nektarvorräte, die nicht sofort verzehrt werden (Abb. 13).

Abb. 13. Einblicke in die Koloniekollaps-Störung

Eine der möglichen Ursachen für dieses Absterben kann mit der Darmmikrobiota-Dysbiose als mikrobielle Veränderung in Bezug auf Menge und Zusammensetzung zusammenhängen. Mit diesem Begriff bezeichnen wir das Phänomen, das die positiven Funktionen der Mikrobiota negativ beeinflusst und mit spezifischen Stoffwechselstörungen verbunden ist. Tatsächlich könnten diese Mängel ernsthafte Probleme für die Entwicklung junger Erwachsener verursachen, indem sie ihre Fähigkeit beeinträchtigen, Resistenzgene zu entwickeln, einschließlich derer für die Synthese von Vitellogenin, und die Funktionen des Immunsystems hemmen, da nachgewiesen wird, dass dieselbe Mikrobiota die seine Wirksamkeit (Abb. 14).

Abb. 14. Folgen einer veränderten mikrobiellen Zusammensetzung des Darms bei Bienen

Vor einigen Jahren haben wir versucht zu verstehen, welche Faktoren die Mikrobiota destabilisieren können und kamen zu dem Schluss, dass Dysbiose sowohl durch biotische als auch durch abiotische Faktoren verursacht wird. Betrachtet man biotischen Stress, so hat sich gezeigt, dass die Ernährung, das Vorhandensein bestimmter Krankheitserreger und Erkrankungen (zB CCD) sowie widrige Umweltbedingungen eine grundlegende Rolle spielen. Der Nährstoffmangel wirkt sich destruktiv auf die normale Entwicklung der mikrobiellen Darmflora aus, was die Sterblichkeit der Honigbienen sowie die Anfälligkeit für Krankheiten und Krankheitserreger erhöht. Darüber hinaus induzieren die anormalen Temperaturen bei den Wirten einen Stresszustand, der dramatische Auswirkungen auf die Symbionten hat. die Folge davon ist, die Sterblichkeit der Honigbienen zu erhöhen sowie die Anfälligkeit für Krankheiten und Krankheitserreger zu erhöhen. Darüber hinaus induzieren die anormalen Temperaturen bei den Wirten einen Stresszustand, der dramatische Auswirkungen auf die Symbionten hat. Die Folge davon ist, die Sterblichkeit der Honigbienen zu erhöhen sowie die Anfälligkeit für Krankheiten und Krankheitserreger zu erhöhen. Darüber hinaus induzieren die anormalen Temperaturen bei den Wirten einen Stresszustand, der dramatische Auswirkungen auf die Symbionten hat.

Bei abiotischen Stressoren sind die Schäden fast ausschließlich auf den Einsatz von Insektiziden, Fungiziden, Akariziden und Antibiotika zurückzuführen. Tatsächlich besteht die Gefahr, dass die Bienen während der Nahrungssuche indirekt aufgenommen werden und die Wirkstoffe sowohl auf den behandelten Hauptkulturen als auch auf den benachbarten, der Drift ausgesetzten Pflanzen treffen. Dies könnte zu ernsthaften Problemen und Ungleichgewichten im Stoffwechsel und der Immunabwehr führen: Tatsächlich besteht die Möglichkeit, dass die Exposition gegenüber bestimmten Substanzen die Fähigkeit der Bienen beeinträchtigt, ihre mikrobielle Darmpopulation zu regulieren.

Aus diesen Gründen zielt eine der innovativsten Zukunftsperspektiven darauf ab, die tiefgreifende Beziehung zwischen Mikroorganismen und Honigbienen zu verstehen, um ihre dramatische Lebensdauer und Bedingungen zu verbessern.

Darmdisbiose: ein Beispiel

Angesichts des wachsenden Interesses der Öffentlichkeit an diesem Produkt fällt die erste objektive Analyse auf die Wirkung von Glyphosat (N-Phosphonomethyl-Glycin). Es ist ein nicht-selektives systemisches Nachauflaufherbizid, also ein Totalherbizid. Sein Wirkmechanismus unterbricht den Stoffwechselweg, der für die Synthese von Phenylalanin, Tyrosin und Tryptophan verantwortlich ist, und hemmt die Synthese von 3-Phosphoshikimat-1-Carboxyvinyltransferase (EPSP-Synthase). Dieses Herbizid gilt seit jeher als eines der am wenigsten giftigen Produkte für Tiere, da ihnen dieser Stoffwechselweg fehlt. Trotzdem wurde gezeigt, dass es Nicht-Zielorganismen mit hochtoxischen Wirkungen gegenüber Regenwürmern, Mikroalgen, Wasserbakterien, Rhizosphäre und Endophyten beeinflussen kann.

Insbesondere Motta et al. (2018) führten eine Studie zur Charakterisierung der Mikrobiota von Bienen durch, die Glyphosat ausgesetzt waren, und kamen zu dem Schluss, dass die absolute Häufigkeit von S. alvi, G. apicola, Lactobacillus sp. und Bifidobacterium sp. (Abb. 15) deutlich zurückgegangen ist.

Abb. 15. Analysenzur Bienendarmmikrobiota

Mikrobiota von Bienen durch, die Glyphosat ausgesetzt waren, und kamen zu dem Schluss, dass die absolute Häufigkeit von S. alvi, G. apicola, Lactobacillus sp. und Bifidobacterium sp. (Abb. 15) deutlich zurückgegangen ist. Das Produkt beeinträchtigte die Bakterienflora, indem es ihr Wachstum stoppte, ohne sie jedoch direkt abzutöten. Daher wurde die Hypothese aufgestellt, dass die Wirkung auf die Zellteilung in den frühen Tagen der Kolonisation abnahm. Die Bienen, die auf dem Feld auf das Herbizid gestoßen sind, hätten den Wirkstoff nämlich im Inneren des Bienenstocks getragen, der, da er sehr stabil und wasserunlöslich ist, lange Zeit auf der Oberfläche hätte verbleiben können. Auch im Feld bedeutet Persistenz, dass die Kontamination lange anhalten kann.

Wie wird die Mikrobiota erworben?

Abb. 16. Der Wachstumszyklus einer

Natürliche Bakterien, die von Honigbienen aus Blüten aufgenommen werden, während sie Nektar und Pollen sammeln, befinden sich hauptsächlich im Mitteldarm und Hinterdarm der Honigbiene. Die bei Honigbienen natürlich vorkommenden Darmbakterien sind dynamisch. Während der Entwicklung der Larven (Abb. 16) schwankt die Bakterienpopulation. Larven erhalten einige Bakterien von den Ammenbienen, die sie füttern. Während der Verpuppung wird die Darmschleimhaut abgestoßen und der Darm einer neu aufkommenden erwachsenen Honigbiene ist steril. Der Darm wird schnell wieder mit charakteristischen Mikrobiota besiedelt. Wie kommt es dazu? Hauptwege sind oral Trohallaxis, Interaktion mit Bienenstockmaterial und fäkal-orale Übertragung. Insbesondere beginnt sich die charakteristische Mikrobiota erwachsener Bienen etwa vier Tage nach dem Flimmern zu entwickeln.

Obwohl die Faktoren, die die Entwicklung der Mikrobiota für jedes Lebewesen ermöglichten, noch unbekannt sind, ist es bewiesen, dass soziale Bienen je nach Familie, zu der sie gehören, eine charakteristische Mikroflora besitzen. Es hat sich zum Beispiel gezeigt, dass die Analyse der Mikrobiota verschiedener Gattungen von eusozialen corbiculaten Apoidea wie Bombus spp., Megachile spp. und Apis spp., die wichtigsten Bakteriengattungen  rezidivierend waren (Snodgrassella spp., Gilliamella spp., Bifidobacterium spp. und Lactobacillus spp.), aber die Arten variierten in Bezug auf die Insektenarten. Daher die Hypothese, dass die Mikrobiota das Ergebnis einer dynamischen Koevolution zwischen Mikroorganismen und Wirten ist, abhängig von der Umwelt und den genotypischen Variationen, denen die Arten im Laufe der Jahrhunderte ausgesetzt waren, deren Reichtum auch mit der Größe einzelner Bienen und ganzer Völker korreliert. Tatsächlich ist die Etablierung einer artspezifischen mikrobiellen Flora das Ergebnis einer langen Selektion, bei der die optimalen Nutzverhältnisse sowohl für die Mikroorganismen als auch für die Wirte festgestellt wurden.

Wer und wo sind sie?

Es wurde geschätzt, dass sich im Darm von erwachsenen Arbeiterinnen etwa 1 Milliarde Bakterienzellen befinden, von denen 95 % speziell im Hinterdarm lokalisiert sind (Abb. 17). Dabei wurde eine spezifische Unterscheidung zwischen Ileus und Rektum festgestellt; in den ersten drei Arten von Proteobakterien wie G. apicola, F. perrara und S. alvi, die einen dichten Biofilm entsprechend den Malpighischen Röhren bilden und sich entlang der Ileumwand fortsetzen. Im Rektum herrscht jedoch eine dichte Bakteriengemeinschaft vor, die aus drei Klassen von Gram-positiven, wie Firmicutes (Firm-4, Firm-5) und Bifidobakterien besteht. Was den Mitteldarm betrifft, so wurde festgestellt, dass hauptsächlich Lactobacillus spp. und Acetobacteraceae, d. h. jene Taxa, die auch in Pollen, Nektar und allgemeiner im Bienenstock vorkommen. Es kann daher gesagt werden, dass im Mitteldarm keine vorangepasste Mikrobiota existiert und dass diese in Abhängigkeit von der Umgebung und den Essgewohnheiten des Einzelnen variiert. Quantitativ gesehen gibt es hier also eine viel weniger reichhaltige Flora als im Rektum. Der Mitteldarm enthält auch wenige Bakterien, und diese sind im proventrikulären Bereich neben dem Hinterdarm konzentriert.

Abb. 17. Die Kernbienenmikrobiota

 

Was sind die Funktionen der Darmmikrobiota?

In den letzten Jahren hat sich die wissenschaftliche Gemeinschaft zunehmend für die Rolle der Mikrobiota für das Wohlergehen von Honigbienen interessiert (Abb. 18). Zahlreiche Studien und Forschungen haben gezeigt, dass Interaktionen mit dem Wirt sowohl auf metabolischer und ernährungsphysiologischer Ebene als auch in Bezug auf die Immunantwort auf Krankheitserreger unterstützende Wirkungen haben. Was die Nahrungsergänzung angeht, ist eine ausgewogene Bakterienflora für eine korrekte Aufnahme von Nährstoffen notwendig, da sie dank ihrer enzymatischen Aktivität am Abbau komplexer Zucker beteiligt ist. Der Artenreichtum ist nicht nur für das Vorhandensein von Cellulasen, Hemicellulasen und ligninolytischen Enzymen im Darm verantwortlich, die für den Verdauungsprozess von Pollenkörnern nützlich sind, sondern ermöglicht auch die Koexistenz verschiedener Zuckerkatalysewege (insbesondere für Gammaproteobakterien, Firmicutes und Bifidobacteriaceae). Tatsächlich wurde geschätzt, dass 91% der Proteintranskripte, die mit der Verdauung von Pflanzenmakromolekülen und den Fermentationsphänomenen von monomeren Untereinheiten verbunden sind, von Bakterien produziert werden. Ein weiteres konkretes Beispiel betrifft Pektin-Lyasen, die in der Lage sind, die in den Zellen der Pollenkörnerwand vorhandenen Pektine abzubauen. Letzteres ist auch ein ausgezeichneter Indikator für die hohe genetische Variabilität und Anpassungsfähigkeit innerhalb derselben Spezies von Mikroorganismen. Tatsächlich hat sich gezeigt, dass nur einige Stämme von G. apicola sie besitzen, während andere davon völlig frei sind. Die Bedeutung einer größeren Verdauungskapazität und damit der Fähigkeit, nicht abbaubare Nährstoffe zu verstoffwechseln, wurde in verschiedenen Studien nachgewiesen. (Zhenget al. (2017) zum Beispiel). Durch den Vergleich von Bienen mit normaler Mikrobiota und anderen ohne jegliche Art von Darmflora zeigten sie deutliche physiologische Unterschiede. Bei ersteren beeinflussten die Symbionten die Darmgröße, das Gewicht der Individuen, die Werte von Vitellogenin und Insulin sowie die Zuckerempfindlichkeit positiv. Diese Ergebnisse legten dann nahe, dass die Mikrobiota den Appetit und das Wachstum des Bienenkörpers durch die Zunahme von Signalen im Zusammenhang mit der Anwesenheit von Insulin beeinflussen könnte.

Neben der Hydrolyse komplexer Kohlenhydrate produzieren Darmmikroorganismen nützliche Stoffwechselsubstrate wie Vitamin B und andere und kurze Fettsäureketten. Beispielsweise wurde festgestellt, dass die Gattungen Lactobacillus sp. und Bifidobacterium sp. sind an den Fermentationsprozessen von Pollen und Nektar beteiligt, so dass sie für den Vitaminwert von Honig verantwortlich sind. Das Phänomen der Symbiose mit dem Wirt geht über die Ernährung und den Stoffwechsel hinaus: Die Mikrobiota spielt eine wichtige Rolle bei der Unterstützung des Immunsystems. Tatsächlich könnten die Bakterien in erster Linie die Produktion der bieneneigenen Abwehrmoleküle direkt anregen. Nach dem Kontakt zwischen der Epitheloberfläche und dem Peptidoglycan (Hauptbestandteil der Zellwand grampositiver Bakterien) das Immunsystem könnte die Gene aktivieren, um 6 antimikrobielle Peptide zu produzieren, wie zum Beispiel: Abaecin, Hymenoptaecin, Apidicin, Defensin-1 und Defensin-2. Die Produktion dieser Verbindungen wird dann durch die Veränderungen der mikrobiellen Membranen selbst verstärkt und kann auch durch Exposition gegenüber einigen pathogenen und nicht-pathogenen Mikroorganismen induziert werden. Frischella perrara zum Beispiel, ein Symbiont, der die Ileumregion im Enddarm besiedelt, stimuliert vor allem die Produktion von Apidicin. Zweitens kann die Mikrobiota direkt für die Produktion antimikrobieller Verbindungen verantwortlich sein, was unter anderem durch zahlreiche Studien bestätigt wird. Saraivaet al. (2015), zum Beispiel hat dies aufgenommen.

Abb. 18. Funktionen der

Was können wir tun?

Nach unseren und allgemeinen Erfahrungen bei Mensch und Tier können biotische und abiotische Belastungen die Zusammensetzung der Darmmikrobiota negativ beeinflussen und somit spezifische Veränderungen der Mikroorganismenaktivitäten auf Darmebene bewirken.

Wir müssen uns fragen, ob irgendeine Art von Mikrobiota-Modulation durch die Verabreichung ausgewählter Stämme diese Störung wiederherstellen, das Bienensterben reduzieren und/oder die Gesundheit der Honigbienen verbessern könnte.

Probiotika sind „lebende Mikroorganismen, die bei Verabreichung in ausreichender Menge einen Nutzen für die Gesundheit des Wirts bringen, ausgenommen Hinweise auf Biotherapeutika und nützliche Mikroorganismen, die nicht in Lebensmitteln verwendet werden“ (FAO/WHO, 2001). Ihre Verabreichung darf daher nicht mit negativen Auswirkungen auf Organismen und Umwelt verbunden sein. Die Wirkungsweise dieser Mikroorganismen lässt sich in folgende Funktionen zusammenfassen:

  • SCHUTZFUNKTION: Dislokation von Krankheitserregern, Konkurrenz um Nährstoffe, Konkurrenz mit Rezeptoren und Produktion antimikrobieller Moleküle (zB Bakteriocine, organische Säuren …);
  • STRUKTURFUNKTION: Barrierewirkung, Biofilm an der Darmhaarwand, Entwicklung des Immunsystems;
  • STOFFWECHSELFUNKTION: Differenzierung und Vermehrung von Darmepithelzellen, Katalyse von krebserregenden Substanzen in der Nahrung, Synthese von Vitaminen, Fermentation von unverdaulichem Zucker, Ionenabsorption und Energieeinsparung.

Der Hauptwirkungsmechanismus von Probiotika scheint jedoch die Stimulierung des Immunsystems zu sein: Nach der Kohäsion mit der Darmwand können sie eine Reihe von Kaskadensignalen stimulieren, die die Synthese antimikrobieller Peptide aktivieren. In der Praxis sind sie in der Lage, die zuvor beschriebenen Aufgaben, die die Mikrobiota der Biene von Natur aus erfüllt, zu erfüllen und sich als hypothetisch optimales Hilfsmittel zu deren Sicherung und Optimierung sowie zur Verbesserung der Lebensaussichten der Biene zu erweisen.

Wie bei der menschlichen und tierischen Ernährung sind die wichtigsten Bakterien, die zu diesen Vorteilen in der Lage sind, Lactobacillus spp., Bifidobacterium spp., Bacillus spp.

Zusammenfassend lässt sich sagen, dass der Einsatz von Probiotika vor kurzem auch im Bienenstock selbst evaluiert wurde. Obwohl Bienen lieber frischen Pollen verzehren, müssen sie sich unter bestimmten Bedingungen, wie Saisonalität, mit den gespeicherten Reserven selbst versorgen. Die feuchte Umgebung (50-60% RH), die nach der Pollensammlung entsteht, erhöht das Risiko eines unkontrollierten Bakterien- und vor allem Pilzwachstums. Es besteht eine klare Notwendigkeit, die Bestände im Bienenstock zu erhalten, um Infektionen zu vermeiden, die tödliche Folgen haben könnten, wie zum Beispiel verkalkte Larven durch Ascosphaera apis oder Darminfektionen durch Nosema spp.

Test: LO7 Fortgeschrittenes Niveau

References

  • EFSA (2009). Bee mortality and bee surveillance in Europe.CFP/EFSA/AMU/2008/02
  • Motta EVS, Raymann K, Moran NA. 2018. Glyphosate perturbs the gut microbiota of honeybees. Proc Natl Acad Sci USA, pp. 1-6
  • Zheng H, Powell JE, Steele MI, Dietrich C, Moran NA. 2017. Honeybee gut microbiota promotes host weight gain via bacterial metabolism and hormonal signaling. Proc Natl Acad Sci USA, 114: 4775-4780
  • Saraiva MA, Zemolin APP, Franco JL, Boldo JT, et al. 2015. Relationship between honeybee nutrition and their microbial communities. Antoine Van Leeuwenhoek, 107: 921-933
  • FAO/WHO (2001). Health and nutritional properties of probiotics in food including powder milk with live lactic acid bacteria. Food and Agriculture Organization of the United States, World Health Organization
  • Kainthola J, Kalamdhad AS, Goud VV. 2019. A review on enhanced biogas production from anaerobic digestion of lignocellulosic biomass by different enhancement techniques. Process Biochemistry, 84: 81-90
  • Shamurad B, Sallis P, Petropoulos E, Tabraiz S, Ospina C, Leary P, et al. 2020. Stable biogas production from single-stage anaerobic digestion of food waste. Applied Energy, 263: 114609
  • Kumar M, Dutta S, You S, Luo G, Zhang S, Show PL, et al. 2021. A critical review on biochar for enhancing biogas production from anaerobic digestion of food waste and sludge. Journal of Cleaner Production, 127143
  • Azhar, S. H. M., Abdulla, R., Jambo, S. A., Marbawi, H., Gansau, J. A., Faik, A. A. M., & Rodrigues, K. F. (2017). Yeasts in sustainable bioethanol production: A review. Biochemistry and Biophysics Reports, 10, 52-61.
  • Galbe M, Zacchi G. 2007. Pretreatment of lignocellulosic materials for efficient bioethanol production. Biofuels, 41-65.
  • Kim S, Dale BE. 2004. Global potential bioethanol production from wasted crops and crop residues. Biomass and bioenergy, 26(4): 361-375.
  • Vilpoux O, Averous L. 2004. Starch-based plastics. Technology, use and potentialities of Latin American starchy tubers, 521-553.
  • Sin LT. 2012. Polylactic acid: PLA biopolymer technology and applications. William Andrew.
  • Koh JJ, Zhang X, He C. 2018. Fully biodegradable Poly (lactic acid)/Starch blends: A review of toughening strategies. International journal of biological macromolecules, 109: 99-113.
  • Poltronieri P, Kumar P. 2017. Polyhydroxyalkanoates (PHAs) in industrial applications. Handbook of Ecomaterials. Cham: Springer International Publishing, 1-30.
  • Yu CJ, Wan YJ, Yowanto H, et al. 2001. Electronic detection of single-base mismatches in DNA with ferrocene-modified probes. J Am Chem Soc, 123:11155–61.
  • Yu X, Kim SN, Papadimitrakopoulos F, et al. 2005. Protein immunosen- sor using single-wall carbon nanotube forests with electrochemical detection of enzyme labels. Mol Biosyst, 1:70–8.
  • EFSA (2009). Bee mortality and bee surveillance in Europe.CFP/EFSA/AMU/2008/02
  • Motta EVS, Raymann K, Moran NA. 2018. Glyphosate perturbs the gut microbiota of honeybees. Proc Natl Acad Sci USA, pp. 1-6
  • Zheng H, Powell JE, Steele MI, Dietrich C, Moran NA. 2017. Honeybee gut microbiota promotes host weight gain via bacterial metabolism and hormonal signaling. Proc Natl Acad Sci USA, 114: 4775-4780
  • Saraiva MA, Zemolin APP, Franco JL, Boldo JT, et al. 2015. Relationship between honeybee nutrition and their microbial communities. Antoine Van Leeuwenhoek, 107: 921-933
  • FAO/WHO (2001). Health and nutritional properties of probiotics in food including powder milk with live lactic acid bacteria. Food and Agriculture Organization of the United States, World Health Organization
  • Kainthola J, Kalamdhad AS, Goud VV. 2019. A review on enhanced biogas production from anaerobic digestion of lignocellulosic biomass by different enhancement techniques. Process Biochemistry, 84: 81-90
  • Shamurad B, Sallis P, Petropoulos E, Tabraiz S, Ospina C, Leary P, et al. 2020. Stable biogas production from single-stage anaerobic digestion of food waste. Applied Energy, 263: 114609
  • Kumar M, Dutta S, You S, Luo G, Zhang S, Show PL, et al. 2021. A critical review on biochar for enhancing biogas production from anaerobic digestion of food waste and sludge. Journal of Cleaner Production, 127143
  • Azhar, S. H. M., Abdulla, R., Jambo, S. A., Marbawi, H., Gansau, J. A., Faik, A. A. M., & Rodrigues, K. F. (2017). Yeasts in sustainable bioethanol production: A review. Biochemistry and Biophysics Reports, 10, 52-61.
  • Galbe M, Zacchi G. 2007. Pretreatment of lignocellulosic materials for efficient bioethanol production. Biofuels, 41-65.
  • Kim S, Dale BE. 2004. Global potential bioethanol production from wasted crops and crop residues. Biomass and bioenergy, 26(4): 361-375.
  • Vilpoux O, Averous L. 2004. Starch-based plastics. Technology, use and potentialities of Latin American starchy tubers, 521-553.
  • Sin LT. 2012. Polylactic acid: PLA biopolymer technology and applications. William Andrew.
  • Koh JJ, Zhang X, He C. 2018. Fully biodegradable Poly (lactic acid)/Starch blends: A review of toughening strategies. International journal of biological macromolecules, 109: 99-113.
  • Poltronieri P, Kumar P. 2017. Polyhydroxyalkanoates (PHAs) in industrial applications. Handbook of Ecomaterials. Cham: Springer International Publishing, 1-30.
  • Yu CJ, Wan YJ, Yowanto H, et al. 2001. Electronic detection of single-base mismatches in DNA with ferrocene-modified probes. J Am Chem Soc, 123:11155–61.
  • Yu X, Kim SN, Papadimitrakopoulos F, et al. 2005. Protein immunosen- sor using single-wall carbon nanotube forests with electrochemical detection of enzyme labels. Mol Biosyst, 1:70–8.