Revolucionando las pruebas alimentarias: los chips 3D detectan patógenos inmediatamente

Detección rápida y eficaz de E. coli, Salmonella, etc

02.07.2024
computer genertaed pciture

imagen simbólica

Cada cierto tiempo se retira un producto alimenticio del mercado debido a algún tipo de contaminación. Para los consumidores de estos productos, una retirada puede desencadenar dudas sobre la seguridad y fiabilidad de lo que comen y beben. En muchos casos, la retirada llega demasiado tarde para evitar que algunas personas enfermen.

Feng et al.

Los investigadores crearon un chip con cuatro regiones distintas, capaz de detectar rápidamente la presencia de múltiples patógenos de forma simultánea.

A pesar de los esfuerzos de la industria alimentaria por combatir los patógenos, los productos siguen contaminándose y la gente sigue enfermando. Gran parte del problema se debe a las herramientas disponibles para detectar patógenos nocivos, que a menudo no son lo bastante eficaces para proteger al público.

En AIP Advances, de AIP Publishing, investigadores de la Universidad Tecnológica de Guangdong y del Hospital Popular del Nuevo Distrito de Pudong desarrollan un nuevo método de detección de patógenos alimentarios más rápido, barato y eficaz que los actuales. Los investigadores esperan que su técnica pueda mejorar los procesos de detección y evitar que los alimentos contaminados lleguen a manos de los consumidores.

Incluso con el mejor método de detección, encontrar patógenos contaminantes no es tarea fácil.

"Detectar estos patógenos es un reto, debido a su naturaleza diversa y a los distintos entornos en los que pueden desarrollarse", explica Silu Feng, autor del estudio. "Además, las bajas concentraciones de patógenos en grandes muestras de alimentos, la presencia de organismos no patógenos similares y la naturaleza compleja de los distintos tipos de alimentos dificultan una detección precisa y rápida".

Existen métodos de detección, como el cultivo celular y la secuenciación del ADN, pero es difícil emplearlos a gran escala. No es posible analizar a fondo todos los lotes de alimentos, por lo que inevitablemente se cuelan algunos contaminantes.

"En general, estos métodos se enfrentan a limitaciones como los largos tiempos de obtención de resultados, la necesidad de equipos especializados y personal formado, y las dificultades para detectar varios patógenos simultáneamente, lo que pone de manifiesto la necesidad de mejorar las técnicas de detección", afirma Feng.

Los autores del estudio decidieron adoptar un enfoque distinto y diseñaron un chip microfluídico que utiliza la luz para detectar varios tipos de patógenos a la vez. El chip se ha creado mediante impresión 3D, lo que facilita su fabricación en grandes cantidades y su modificación para detectar patógenos específicos.

El chip está dividido en cuatro secciones, cada una de las cuales está diseñada para detectar un patógeno concreto. Si ese patógeno está presente en la muestra, se unirá a una superficie de detección y cambiará sus propiedades ópticas. Esta disposición permitió a los investigadores detectar varias bacterias comunes, como E. coli, salmonella, listeria y S. aureus, rápidamente y a concentraciones muy bajas.

"Este método puede detectar rápida y eficazmente varios patógenos diferentes, y los resultados de la detección son fáciles de interpretar, lo que mejora significativamente la eficacia de la detección", afirma Feng.

El equipo tiene previsto seguir desarrollando su dispositivo para hacerlo aún más aplicable a la detección de alimentos.

Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.

Publicación original

Más noticias del departamento economía y finanzas

Más noticias de nuestros otros portales

El mundo temático de la IA