Szabó Lili: a tudományos megértés az alapja a környezeti kihívások kezelésének

Mi vonzotta a tudományos pályára? Volt-e valami meghatározó élménye, ami motivációt adott?

Alapmotivációmat édesapámnak köszönhetem, akinek a természet iránti rajongása már gyerekkoromban magával ragadott, és azóta is meghatározza a szemléletemet. Később a középiskolai kémia- és biológiaórák tovább erősítették bennem az érdeklődést a természettudományok iránt, majd az egyetemi szakmai gyakorlatom alatt – egy környezetvizsgáló laboratóriumban – körvonalazódott, hogy a környezetanalitika területén szeretném folytatni a munkámat. Egyre inkább foglalkoztatott, miként viselkednek az emberi tevékenység nyomán keletkező szennyezőanyagok a természetben. Meggyőződésem, hogy csak akkor találhatunk hatékony válaszokat a környezeti kihívásokra, ha mélyrehatóan értjük a mögöttük húzódó folyamatokat. A vizsgálatok közegéül a talajt választottam, mivel az a szerves mikroszennyezők potenciális gyűjtőhelye lehet, különösen a mezőgazdasági művelés alatt álló területeken. Célom, hogy minél részletesebben feltárjam azokat a tényezőket, amelyek meghatározzák, miként kötődnek meg a szennyező anyagok: mi határozza meg, hogy a feltalajban maradnak, vagy esőzések és öntözés hatására a mélyebb rétegekbe mosódnak, hiszen mindkettő komoly környezeti kockázatot rejt magában.

A Nemzeti Kutatási Kiválósági Programban nyertes pályázata is a mikroműanyagok és gyógyszerhatóanyagok talajbeli vizsgálatáról szól.  Kérem, mutassa be a projektet!  

A globális környezeti változások részeként a szerves mikroszennyezők – például gyógyszerhatóanyagok, mikroműanyagok – mennyisége folyamatosan nő, és a környezetszennyezés egyik legösszetettebb és legkevésbé feltárt típusát képviselik. Annak ellenére, hogy külön-külön mindkét szennyezőről jelentős szakirodalmi adat áll rendelkezésre, együttes hatásaik ma még kevéssé ismertek. A kutatási projekt egyik fő célja megbízható, nemzetközileg is alkalmazható analitikai módszer kidolgozása a talajban lévő mikroműanyagok kimutatására. Ma erre ugyanis nincs egységes protokoll. A kifejlesztett módszer gyakorlatorientált, könnyen reprodukálható, és alkalmas rutinszerű alkalmazásra olyan laboratóriumokban, ahol szemcseméret, szemcsealak és anyagminőség elemzéssel vizsgálják a mikroműanyagokat. A projekt másik célja annak feltárása, hogy a mikroműanyagok hogyan befolyásolják a talaj szennyezőanyag-visszatartó képességét, különösen a gyógyszerhatóanyagok esetében. Az így nyert adatokra építve gépi tanuláson alapuló prediktív modellt fejlesztünk, amely képes előre jelezni a gyógyszerek környezeti sorsát különböző talajtípusokban. Ezáltal olyan vegyületek viselkedése is becsülhetővé válik, amelyeket eddig nem vizsgáltak laboratóriumi körülmények között.

A gép tanuláson alapuló modell a mesterséges intelligencia alkalmazását jelenti?

Kutatásunkban a gépi tanulásos módszerek (Machine Learning technikák) statisztikai alapú megközelítések, és nem azonosak a mesterséges intelligenciával. Lehetővé teszik a prediktív modellezést, amelyet többféle algoritmus (pl. Random Forest, SVM, Artificial Neural Network) segítségével valósítunk meg. A modell képes lesz előre jelezni a gyógyszerhatóanyagok legfontosabb szorpciós paramétereit különböző környezeti feltételek mellett, beleértve a mikroműanyagok jelenlétét is. Ez a statisztikai megközelítés nemcsak alapkutatási szinten nyit új távlatokat, hanem lehetőséget teremt arra is, hogy a jövőben kísérleti validáció nélkül is becsülhetővé váljon a kevésbé kutatott gyógyszerhatóanyagok viselkedése.

Miért tartja fontosnak ezt a területet?

Egyrészt kidolgozunk egy nemzetközi ajánlásokhoz illeszkedő, hazai mintákra adaptált módszertant a mikroműanyagok talajból és üledékből történő kimutatására. Másrészt elsőként vizsgáljuk a mikroműanyagok és gyógyszerhatóanyagok együttes viselkedését talajban. További innovatív elem a fixed-bed oszlopkísérletek alkalmazása talajkémiai vizsgálatokban, valamint a prediktív modellezés, amely képes előre jelezni a gyógyszermaradványok környezeti sorsát különböző talajtípusokban. A prediktív modellezés révén lehetővé válhat a kevésbé vizsgált szennyezők viselkedésének előrejelzése kísérleti validáció nélkül, ami hosszú távon hozzájárulhat az Európai Unió Zöld Megállapodás és a Víz Keretirányelv céljainak teljesítéséhez, valamint a fenntartható mezőgazdasági gyakorlatok kialakításához.

Milyen gyakorlati vagy társadalmi hatása lehet a kutatásnak?

Az általunk kidolgozott módszertan megbízható és rutinszerűen alkalmazható megoldást kínál a mikroműanyagok talajból történő kimutatására, ami elősegíti a környezeti monitoring fejlesztését hazai és nemzetközi szinten. Kutatásunk révén számszerű adatokat nyerünk a potenciálisan szennyezett területek mikroműanyag-terheléséről. A gépi tanuláson alapuló prediktív modell pedig lehetővé teszi a gyógyszermaradványok viselkedésének előrejelzését különböző talajtípusokban. Ez az ismeretanyag alapjául szolgálhat a hosszú távú talaj- és vízvédelmi stratégiák kidolgozásának.

Társadalmi szempontból az eredmények hozzájárulnak a fenntartható mezőgazdasági gyakorlatok kialakításához, a környezeti kockázatok csökkentéséhez és a biztonságos élelmiszer-termeléshez.

Miben nyújt segít az NKKP STARTING pályázaton elnyert 125 millió forint összegű támogatás?  

A pályázat lehetőséget teremtett arra, hogy fiatal kutató kollégáimmal közösen valósítsuk meg a tervezett kutatásainkat. Különböző tudományos háttérrel dolgozunk, így most összehangolhatjuk erőforrásainkat és egyesíthetjük tudásunkat. A támogatás nemcsak új laboratóriumi módszertan kidolgozását teszi lehetővé, hanem biztosítja a fiatal kutatók anyagi támogatását is, ami hozzájárul, hogy minél több tehetséges szakember maradjon a hazai kutatásban.

Másrészt a projekt lehetővé teszi, hogy a velem dolgozó fiatal kutatókkal közösen új hazai és nemzetközi kollaborációkat építsünk ki, akár külföldi intézetekkel is együttműködjünk. Ez jó alapot ad, hogy a jövőben nagy európai uniós pályázatokon, például ERC Starting Grant pályázaton részt vegyünk és növeljük a hazai tudomány nemzetközi láthatóságát.

Fontos szempontnak tartjuk a tehetséggondozást is. Célunk, hogy minél több fiatalt vonjunk be a közös munkába, lehetőséget teremtve számukra arra, hogy megtalálják a helyüket a hazai tudományos közösségben.