TY - CHAP A1 - Hansen, Ute A1 - Huth, Miriam A1 - Platte, Frank A1 - Stawicki, Piotr A1 - Struck, Alexander A1 - Tewes, Thomas A1 - Wenda, André T1 - Entwicklung innovativer Verfahren zur mikrobiologischen Qualitätsüberwachung in Echtzeit N2 - Entwicklung biophysikalischer Verfahren zur schnellen Identifikation mikrobieller Kontaminationen in Gewässern – Vorstellung des InnoMiBiQ-Projektes Ute Hansen1, Miriam Huth2, Frank Platte2, Piotr Stawicki3, Alexander Struck3, Thomas J. Tewes2, André Wenda1 1 Fakultät Kommunikation und Umwelt, Hochschule Rhein-Waal, Friedrich-Heinrich-Allee 25, 47475 Kamp-Lintfort 2 Fakultät Life Sciences, Hochschule Rhein-Waal, Marie-Curie-Straße 1, 47533 Kleve 3 Fakultät Technologie und Bionik, Hochschule Rhein-Waal, Marie-Curie-Straße 1, 47533 Kleve Daten zur mikrobiellen Wasserbelastung liegen bei Anwendung etablierter Standardmethoden erst nach Tagen vor. Ziel des InnoMiBiQ Projektes ist die Entwicklung eines schnellen biophysikalischen Verfahrens zur Identifikation mikrobieller Kontaminationen in Gewässern. Gefördert wird das Projekt mit zweijähriger Laufzeit im Rahmen des Focus Forschung HAW Programms des Ministeriums für Kultur und Wissenschaft des Landes Nordrhein-Westfalen. Die Förderlinie FF HAW-Kooperation zielt auf eine verbesserte HS-interne interdisziplinäre Kooperation und den Auf- und Ausbau eines attraktiven Forschungsschwerpunkts. Ausgangspunkt der Arbeiten war das in der Arbeitsgruppe von F. Platte und in Kooperation mit der AG Hygiene (Prof. Bockmühl) von T. Tewes entwickelte Verfahren zur Identifizierung von Mikroorganismen mit Hilfe der Raman-Spektroskopie. Experimentelle Arbeiten wurden zu der Frage durchgeführt, ob die Methodik für die Identifizierung einzelner Bakterien in Gewässerproben anwendbar ist und welche Probenvorbehandlungs- und Datenverarbeitungsprozeduren unter Berücksichtigung der Automatisierbarkeit erforderlich sind. Die Ergebnisse bzgl. der Raman-spektroskopischen Identifizierung der Bakterienzellen waren vielversprechend. Problematisch ist allerdings, dass es gilt, wenige bakterielle Zellen zwischen einer sehr großen Zahl anderer Partikel zu identifizieren. Ideen für ein Raman-basiertes schnelles Partikel-Scan-Verfahren wurden entwickelt. Untersucht wurde auch, ob neben Mikroorganismen weitere Wasserkontaminationen mit Hilfe der Raman-Spektroskopie nachweisbar sind. Hier standen Verunreinigungen durch Mikroplastik (speziell Reifenabrieb), Ölfilme, Sulfat und Nitrat im Mittelpunkt. Im Rahmen zahlreicher „networking“-Aktivitäten wurden Kontakte zu Herstellern von Partikelmess-Systemen aufgebaut und Kooperationen mit Anbietern von Raman-Spektrometern initiiert mit dem Ziel, über F&E Projekte die Entwicklung eines kontinuierlich arbeitenden des Raman-Systems voranzubringen. Projektskizzen wurden entwickelt und Anträge auf Forschungsförderung eingereicht. Dass schnelle, kontinuierlich arbeitende biophysikalische Verfahren zur Identifikation von Gewässer-Kontaminationen erforderlich sind, wurde von potentiellen Anwendern bestätigt. Nur eine zeitlich hoch aufgelöste Überwachung der Wasserqualität kann Katastrophen wie das Fischsterben in der Oder verhindern. T3 - Beiträge des Forschungs- und Transfertags der Hochschule-Rhein Waal - 06 Y1 - 2023 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:hbz:1383-opus4-17674 ER - TY - GEN A1 - Kudla, Matthias A1 - Tewes, Thomas A1 - Gibbin-Lameira, Emma A1 - Harcq, Laurence A1 - Bockmühl, Dirk T1 - Unlocking the Power of Short Cycles: Enhancing Hygiene in Domestic Dishwashers N2 - This study investigated how factors associated with Sinner’s principle—namely temperature, time and the chemical composition of detergents—affected the antimicrobial efficacy of domestic dishwashers, particularly during short cycles. We chose a range of bacterial strains, including standard test strains such as Micrococcus luteus and Enterococcus faecium, as well as important foodborne pathogens such as Escherichia coli, Staphylococcus aureus, and Salmonella Typhimurium. To account for the complexity of dishwasher cycles, we correlated hygiene efficacy with area under the curve (AUC) measurements derived from the respective cycle profiles. Our findings revealed that the reductions in M. luteus and E. faecium were minimally affected by the reference detergent. In contrast, a high-tier market detergent demonstrated a significant decrease in bacterial counts. Notably, both strains exhibited reduced efficacy at a main cycle temperature of 45 °C, suggesting that temperatures below 50 °C might represent a critical threshold at which the hygiene efficacy of domestic dishwashing processes declines. However, since food-related pathogens were more susceptible to the dishwashing process, even lower temperatures might deliver a sufficient level of hygiene. Plotting the logarithmic reduction/AUC ratio against the AUC indicated that the main cycle contributed approximately 10-fold more to microbial reduction than the rinse cycle. Furthermore, the antimicrobial impact of detergents was greatest at the lowest AUC values (i.e. during short cycles). Taken together, our results suggest that the main wash temperature, the type of detergent, and the specific strain tested all impact bacterial hygiene performance. Y1 - 2025 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:hbz:1383-opus4-22153 ER - TY - THES A1 - Tewes, Thomas T1 - Entwicklung einer Methode zur Identifizierung von Mikroorganismen über Raman-Spektroskopie N2 - Zielstellung: Das Ziel dieser Arbeit war es, eine Methode zur Identifizierung von Mikroorganismen über Mikro-Raman-Spektroskopie zu entwickeln. Dafür musste zunächst eine Methode gefunden werden, um Spektren verschiedener Mikroorganismen mit ausreichender Qualität zu erhalten. Im Anschluss sollte die Datensammlung erfolgen, bei der möglichst viele repräsentative Spektren gesammelt werden. Mit den Daten mussten danach Modelle zur Vorhersage unbekannter Raman-Spektren entwickelt werden, was eine entsprechende Datenvorbehandlung voraussetzte. Um die Praxistauglichkeit der Modelle zu prüfen, sollten diese auf Spektren von Proben angewandt werden, die nicht in den Kalibrationssets enthalten waren. Neben der Entwicklung der Methode und der Vorhersagemodelle, sollten auch verschiedene Einflüsse der Analysebedingungen berücksichtigt werden. Methoden: Neun verschiedene Mikroorganismen, die aus kryokonservierten Reinkulturen stammten, wurden bei 30 °C für 24 Stunden auf Trypton Soja Agar (TSA) bebrütet. Die Spektrenaufzeichnung erfolgte bei einer Anregung von 633 nm über ein konfokales Raman-Mikroskop der Firma Renishaw. Sowohl die Datenvorbehandlung (Basislinienkorrektur, Glättung, Normalisierung, Hauptkomponentenanalyse (PCA)), als auch die Modellentwicklung, erfolgte über die Software MATLAB. Es wurden verschiedene Klassifikationsverfahren angewandt, um ein Modell mit möglichst guter Leistung zu finden. Ergebnisse: Für die Entwicklung der Kalibrationsmodelle wurden insgesamt 2953 Raman-Spektren von neun verschiedenen Mikroorganismen gesammelt. Störungen durch Fluoreszenz wurden durch Vorbestrahlung von bis zu 15 Minuten ausgebrannt. Die Modelle basierend auf der Quadratischen Diskriminanzanalyse (QDA), dem k-Nächster-Nachbar-Algorithmus (kNN) und der Support Vector Maschine (SVM), wurden mit verschiedener Anzahl an Hauptkomponenten und einer fünffachen Kreuzvalidierung erstellt. Die theoretischen Vorhersagegüten belaufen sich bei den genauesten Modellen auf 99,0 % (QDA), 99,1 % (kNN) und 99,7 % (SVM). Für die praktische Validierung wurden für jeden Mikroorganismus 100 weitere „unbekannte“ Spektren gesammelt. Die Vorhersagegenauigkeiten in der Praxis belaufen sich auf 98,1 % (QDA), 97,1 % (kNN) und 97,0 % (SVM). Diskussion: Eine zuverlässige Identifizierung der in dieser Arbeit untersuchten Mikroorganismen konnte über alle verwendeten Klassifikationsverfahren erreicht werden. Auf Stamm-ebene erzielt die SVM in der Praxis die genauesten Ergebnisse, jedoch nicht bei den restlichen Mikroorganismen. Die QDA erzielt in der Praxis etwas genauere Vorhersagen als das kNN-Modell, jedoch basiert das kNN-Modell mit der besten Leistung auf den wenigsten Hauptkomponenten. Dies kann als Vorteil angesehen werden, da weniger Dimensionen zur erfolgreichen Klassifizierung in der Regel robustere Modelle in der Praxis bedeuten. N2 - Objective: The objective of this work was to develop a method for the identification of microorganisms via micro-Raman spectroscopy. First, a method was established to obtain spectra of sufficient quality for various microorganisms. Subsequently, the data collection was performed, in which as many representative spectra as possible were collected. Afterwards, models for the prediction of unknown Raman spectra were developed with the data, which required a corresponding data pre-treatment. To test the practicability of the models, they were applied to spectra of samples that were not included in the calibration sets. In addition to the development of the method and the predictive models, different influences of the analysis conditions should also be considered. Methods: Nine different microorganisms from cryopreserved pure cultures were incubated at 30 °C for 24 hours on tryptone soy agar (TSA). The spectra were obtained at 633 nm excitation via a confocal Raman microscope from the company Renishaw. Both the data pre-treatment (baseline correction, smoothing, normalization, principal component analysis (PCA)) and the model development were carried out using the MATLAB software. Various classification methods were used to determine the model with the best possible performance. Results: For the development of the calibration models 2953 Raman spectra of nine different microorganisms were collected. Disturbances by fluorescence were bleached out by pre-irradiation for up to 15 minutes. The models based on quadratic discriminant analysis (QDA), the k-nearest neighbor algorithm (kNN), and support vector machine (SVM) were created with different numbers of principal components and using a five-fold cross-validation. The theoretical prediction accuracies for the most accurate models are 99.0 % (QDA), 99.1 % (kNN) and 99.7 % (SVM). For practical validation, 100 more "unknown" spectra were collected for each microorganism. The accuracies of the prediction in practice are 98.1 % (QDA), 97.1 % (kNN) and 97.0 % (SVM). Discussion: All classification methods used in this thesis identified reliably the investigated microorganisms. At strain-level, SVM achieves the most accurate results in practice, but not with the remaining microorganisms. In practice, QDA achieves slightly more accurate predictions than the kNN-model. However, the kNN-model with the best performance is based on the lowest number of principal components. This can be considered as an advantage, because using less dimensions for successful classification usually means more robust models in practice. KW - Mikro-Raman-Spektroskopie KW - Mikroorganismen KW - Identifizierung KW - HeNe-Laser 633 nm KW - Fluoreszenz KW - Raman-Spektroskopie KW - Hochschule Rhein-Waal Y1 - 2019 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:hbz:1383-opus4-3212 ER - TY - GEN A1 - Tewes, Thomas T1 - Luminescence and Raman spectroscopic data of bacteria with and without exposure to water-soluble polymers (WSPs) N2 - Data from luminescence measurements of bacteria exposed to water-soluble polymers (WSPs), as well as Raman spectra of bacteria with and without contact to the WSPs. Polyacrylamide (PAM) – tested in different molecular weights (e.g., 40,000 g/mol, 150,000 g/mol, 15,000,000 g/mol). Polyethylene glycol (PEG) – investigated at molecular weights such as 8,000 g/mol, 20,000 g/mol, and 35,000 g/mol. Polyvinyl alcohol (PVOH) – studied at molecular weights like 16,000 g/mol, 47,000 g/mol, and 61,000 g/mol. Polyvinylpyrrolidone (PVP) – analyzed in molecular weights such as 24,000 g/mol, 40,000 g/mol, and 360,000 g/mol. The used bacteria was Aliivibrio fischeri. KW - A. fischeri KW - water-soluble polymers Y1 - 2025 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:hbz:1383-opus4-22486 ER -