Voorspellen van de biologische afbraak van organische microverontreinigingen

Dit onderzoek zal meer inzicht geven in de potentiële biologische afbreekbaarheid van probleemstoffen. Wanneer bekend is of en hoe stoffen mogelijk biologisch afgebroken kunnen worden, kan onderzoek leiden tot het sturen van zuiveringsprocessen met optimale condities voor verwijdering.

Voorspellen van biologische verwijdering

Een veelgebruikte methode om de bioafbreekbaarheid te bepalen is de OECD 309 methode die bepaalt of een stof persistent is wanneer de halfwaardetijd (DT50) langer is dan 40 dagen onder aerobe afbraakcondities (KWR 2020.118). Biodegradatie voorspellingsoftware (o.a. BIOWIN en BioTransformer) kan voorspellen of stoffen biologisch afbreekbaar zijn en wat de mogelijke transformatieproducten zijn.

Deze tests en software zijn allen gebaseerd op specifieke condities en voorwaarden. Echter, veel stoffen die niet aan deze voorwaarden en condities voldoen worden hierdoor als persistent bevonden, terwijl deze wel degelijk biologisch afbreekbaar kunnen zijn. In dit onderzoek willen we de biologische afbreekbaarheid van deze stoffen in kaart brengen zodat in de toekomst er mogelijk gestuurd kan worden in zuiveringsprocessen om ook deze stoffen te verwijderen.

Inzet van tekst mining, QSARS en bioinformatische tools

KWR heeft eerder onderzoek gedaan naar het voorspellen van de verwijdering van organische microverontreinigingen met behulp van actief kool, membraan processen en tijdens bodempassage[TP1] . In dit onderzoek willen we voorspellen of bekende en onbekende persistente stoffen daadwerkelijk biologisch afbreekbaar zijn. Daarnaast willen we inventariseren onder welke condities en door welke micro-organismen en enzymen dit gedaan wordt. Met hulp van text mining in de literatuur en target en non-target screening data van de drinkwaterbedrijven, zullen we inventariseren met welke persistente probleemstoffen de drink- en afvalwaterbedrijven te maken hebben en hoe deze biologisch afgebroken kunnen worden. Vervolgens kunnen we onderzoeken waarom deze stoffen persistent zijn, door deze kennis te correleren aan de eigenschappen van de stoffen, i.e. door het clusteren gebaseerd op chemical fingerprints van de stoffen in stofgroepen, en de toepassing van Quantitative Structure Activity Relationships (QSARs). Er zal ook gekeken worden welke micro-organismen en enzymen betrokken zijn bij deze afbraak met behulp van bioinformatische tools. Hiermee kunnen we biologische afbraakroutes, bacteriën en/of enzymen ontdekken en deze vergelijken met QSAR clustering.

Stappen zetten richting voorspellingsmodellen

Aan de hand van bovenstaande stappen kunnen we mogelijk nieuwe voorspellingsmodellen maken die de condities en enzymen bevatten om de stof af te breken. Er zijn in afgelopen jaren veel voorspellingstools en modellen ontwikkeld die problematische stoffen kunnen identificeren. We willen testen welke van deze tools het meest effectief en bruikbaar is. Het toepassen en ontwikkelen van deze computational tools om biologische afbreekbaarheid in kaart te brengen waarbij de verschillende analyses gecombineerd worden is nog niet eerder gedaan. We hopen dat deze verkenning naar de gecombineerde inzet van van bioinformatica en cheminformatica binnen hydroinformatica leidt tot nieuwe inzichten en onderzoekslijnen.