A kutatók publikációjukban, amely a Science of the Total Environment című folyóiratban jelent meg, a világszerte elterjedt gomba által a fertőzött búza környezetébe kibocsátott illékony vegyületeket azonosítják.

A GINOP-projekt keretében működő kutatócsoport távlati célja egy, az azonosított biomarkerek érzékeny detektálására alkalmas bioelektronikus szenzor - e-orr - kifejlesztése és alkalmazása a mezőgazdaságban - tájékoztatta az ELKH szerdán az MTI-t.

A magasabb rendű élő szervezetek másodlagos anyagcsere-reakcióik során nagyszámú illékony szerves vegyületet bocsátanak ki. Ezek a vegyületek sokféle életfontosságú folyamatban vesznek részt, és szerepük van számos súlyos betegség lefolyásának megértésében és diagnosztikájában. Ilyen például a rák esetében az onkokés vagy a koronavírus esetében a kutyás vagy műszeres szűrés.

A növény-kórokozó kölcsönhatások során szintén nagy mennyiségben termelődnek ilyen illékony anyagok. Az ATK E-orr kutatócsoportja a búzalisztharmattal fertőzött növények környezetébe kibocsátott 48 illékony vegyületet azonosította és jellemezte. Ezek közül a kutatók 3-6 vegyületről mutatták ki, hogy a gomba termeli őket, és kizárólag a fertőzött növényekben észlelhetők, akár már a tünetek megjelenése előtt.

"Mindez három eltérő évjáratban, számos búzafajta különböző gombarasszokkal történő mesterséges fertőzése esetén és többféle fejlődési stádiumban is igaznak bizonyult. Ezért kijelenthető, hogy ezek a vegyületek a lisztharmatfertőzés első megbízható biomarkereinek tekinthetők" - írják.

Ezt a kutatóknak azóta már valós körülmények között, a szántóföldön szintén sikerült igazolniuk. Hasonló előrehaladott munkát folytatnak a búza fuzáriumos betegségével kapcsolatban is.

A természetben a környezetbe kibocsátott illékony anyagokat igen gyakran a rovarok csápjain található receptorok kötik meg, amelyek a rovarok ismert kémiai kommunikációjának fizikai alapját jelentik. A kutatók ezek mintájára fejlesztenék ki és alkalmaznák az azonosított biomarkerek érzékeny detektálására alkalmas bioelektronikus szenzort, az e-orrot. Ezzel párhuzamosan a kutatók a meglévő mérési adathalmazokon mesterséges gépi algoritmusokkal "tréningezést" végeznek annak érdekében, hogy az előrejelzés hatékonyságát az eddigieknél gyorsabbá és pontosabbá tegyék.