НАЗВАНИЕ ПРОЕКТА ЮФУ
БИОИНЖЕНЕРИЯ ПОЧВ: ПЕРЕДОВЫЕ МЕТОДЫ ДИАГНОСТИКИ, МОНИТОРИНГА И ВОССТАНОВЛЕНИЯ ПОЧВЕННЫХ ЭКОСИСТЕМ
О проекте
Задачи проекта
Методы исследования
Ожидаемые результаты
Руководитель проекта
Постдоку
Цель НИП
Разработка научных принципов и экспериментальной платформы интеллектуальной диагностики, прогнозирования и направленного восстановления деградированных и загрязненных почвенных экосистем на основе интеграции синхротронных и спектроскопических методов, функционального микробиома, новых сорбционно-ремедиационных материалов и технологий искусственного интеллекта.
Концепция проекта
Проект направлен на формирование научных основ нового междисциплинарного направления — биоинженерии почв, объединяющего почвоведение, биогеохимию, микробиологию, нанотехнологии, синхротронную диагностику, методы анализа больших данных и искусственного интеллекта. Центральная идея проекта состоит в переходе от констатации деградации почв к управляемому восстановлению их структуры, биогеохимических циклов, плодородия и экологических функций на основе интеграции функционального микробиома и новых природоподобных материалов.
Ключевая научная гипотеза
Устойчивое восстановление почвенной экосистемы может быть достигнуто не отдельным воздействием на загрязнитель или отдельный компонент почвы, а путем целенаправленного конструирования системы «почва–материал–микробиом–растение». Сочетание молекулярно-уровневой диагностики с анализом биогеохимических и биологических откликов позволит выбирать оптимальную технологию ремедиации для конкретного типа почвы, загрязнения и степени деградации.
Научная новизна
Новизна проекта заключается в объединении высокоразрешающей физико-химической диагностики и биологических технологий восстановления в единую управляемую систему. В отличие от традиционных подходов, оценивающих преимущественно снижение валового содержания загрязнителей, проект ориентирован на механизмы их трансформации и биодоступности, восстановление микробиологических процессов, ризосферных взаимодействий и экологических функций почв. Искусственный интеллект рассматривается не как самостоятельная цель, а как инструмент интеграции разнородных экспериментальных данных и выбора оптимальной стратегии ремедиации.
Задачи проекта
  • Разработать многоуровневую систему диагностики состояния почв в ряду «атомно-молекулярный уровень — частица — ризосфера — почвенный профиль — экосистема».
  • Исследовать трансформацию, миграцию, биодоступность и механизмы закрепления тяжелых металлов, металлоидов и органических загрязнителей, включая ПАУ, в системе «почва–растение–микроорганизмы».
  • Использовать XANES/EXAFS, рентгеновскую микрофлуоресценцию, электронную микроскопию, хроматографические и масс-спектрометрические методы для выявления механизмов взаимодействия загрязнителей с почвенной матрицей и ремедиационными материалами.
  • Выявить и сформировать функциональные микробные консорциумы, способные к биодеградации органических поллютантов, трансформации потенциально токсичных элементов и восстановлению биогеохимических функций почв.
  • Разработать многофункциональные ремедиационные системы на основе биочара, слоистых двойных гидроксидов и других перспективных органо-минеральных и наноструктурированных материалов, включая их комбинации с функциональной микробиотой.
  • Разработать принципы многоступенчатой ремедиации для почв с сочетанными стрессами, включая загрязнение тяжелыми металлами и ПАУ, засоление и снижение биологической активности.
  • Сформировать массив экспериментальных данных о свойствах почв, загрязнителях, материалах, микробиоме и откликах растений и применить методы машинного обучения для выявления скрытых зависимостей и прогноза эффективности ремедиации.
  • Создать прототип интеллектуальной системы поддержки решений для выбора технологии восстановления почвы с учетом типа почвы, природы и уровня техногенной нагрузки, свойств ремедианта и целевой экологической функции.
Методы исследования
Синхротронные и рентгеноспектральные методы: XANES, EXAFS, XRF и микро-XRF для определения форм нахождения элементов и локального атомного окружения.
Хроматографические и масс-спектрометрические методы для определения ПАУ и других органических загрязнителей.
Атомно-абсорбционная спектрометрия, элементный анализ, ИК-Фурье-спектроскопия, ЯМР, рентгенофазовый анализ и анализ удельной поверхности и пористой структуры.
Сканирующая и просвечивающая электронная микроскопия для исследования морфологии материалов, микроорганизмов и растительных тканей.
Методы почвенной химии и биогеохимии, фракционирование соединений металлов, оценка буферной способности, подвижности и биодоступности загрязнителей.
Микробиологические и молекулярно-биологические методы для характеристики функционального микробиома и отбора перспективных микробных консорциумов.
Физиолого-биохимические методы оценки растений, включая показатели роста, стресс-ответа и фотосинтетической активности.
Методы статистического анализа, многомерной обработки данных и машинного обучения для классификации состояния почв, выявления предикторов эффективности ремедиации и построения прогностических моделей.
Ожидаемые результаты
  • Научно обоснованная концепция биоинженерии деградированных и загрязненных почв.
  • Новые данные о молекулярных механизмах взаимодействия тяжелых металлов и органических загрязнителей с почвенной матрицей, растениями, микроорганизмами и ремедиационными материалами.
  • Функциональные микробные консорциумы и биокомпозитные системы для восстановления загрязненных почв.
  • Многофункциональные материалы и комбинированные технологии ремедиации на основе биочара, слоистых двойных гидроксидов и микроорганизмов.
  • Массив взаимосвязанных экспериментальных данных «почва–загрязнитель–материал–микробиом–растение».
  • Прогностические модели на основе машинного обучения для оценки риска и эффективности восстановления почв.
  • Прототип интеллектуальной платформы выбора технологий ремедиации и восстановления экологических функций почв.
  • Публикации в высокорейтинговых международных журналах, подготовка РИД, участие в международных конференциях и подготовка молодых исследователей.
Руководитель НИП
  • Минкина Татьяна Михайловна
    Руководитель НИП – Минкина Татьяна Михайловна, специалист в области агробиотехнологий. Минкиной Т.М. разработаны теоретические и прикладные основы диагностики, оценки и восстановления плодородия почв при агротехногенных нагрузках.
    Т.М. Минкина входит в перечень наиболее цитируемых (ТОП-2%) исследователей в мире по данным Elsevier (Scopus) в 2022 -2024 гг. Количество статей по международной базе Scopus – 818, количество цитирований – 21245, индекс Хирша – 70.

    Персональная страница

    Член редколлегий зарубежных и российских научных журналов, которые входят в Международные базы цитирования Scopus/WoS и перечень ВАК: Carbon (Q1); Почвоведение/Eurasian Soil Science (Q2); Geochemistry: Exploration, Environment, Analysis (GEEA) (Q2), Геохимии/Geochemistry International (Q3), Eurasian Journal of Soil Science (Q3), Известия Русского географического общества/Proceeding of the Russian Geographic Society (Q3), Агрохимия.

    Scopus Author ID: 15063165400
    ResearcherID Web of Science: A-1683-2014
    ORCID ID: http://orcid.org/0000-0003-3022-0883
    SPIN-код: 3863-6522, AuthorID: 63033
    Дополнительная информация
Руководитель мегагранта на базе Московского государственного университета имени М.В. Ломоносова. Эксперт РНФ, РАН.
Лауреат общенациональной премии Российского профессорского собрания «Профессор года» по биологическим наукам (2024г). Награждена медалью губернатора Ростовской области «За доблестный труд на благо Донского края» (2016), почетной грамотой Минобрнауки РФ (2015), дипломом Правительства Ростовской области «Ученый года 2019», бронзовой медалью Российской академии сельскохозяйственных наук, медалью памяти В.В. Ковальского (2018).
Руководитель новой программы магистратуры мирового уровня «Инженерия почв». Руководитель программ бакалавриата и магистратуры по направлению Почвоведение. Координатор от России первой в мире совместной образовательной программы магистерских дипломов по почвоведению «Erasmus Mundus Master in Soil Science», поддержанную Евросоюзом. Страны участники: Турция, Россия, Польша, Иордания, Болгария.
Под руководством Т.М. Минкиной защищены 15 кандидатских и 1 докторская диссертация. В настоящее время является научным руководителем 7 аспирантов и 3 докторантов. Заместитель председателя диссертационного совета по специальности 03.02.13 - почвоведение (биологические науки) и член диссертационного совета по специальности 1.6.12. физическая география и биогеография, география почв и геохимия ландшафтов, 1.6.21. геоэкология Южного федерального университета.
Приглашенный профессор в университетах Армении (Ереванский государственный университет), Белоруссии (Международный государственный университет экологический университет имени А.Д. Сахарова), Индия (университета Амити). Турции (Университет Ондокуз Маис, Университет Орду, Университет Коньи), Китая (Пекинский химико-технологический университет, Пекинский университет наук о Земле, Гонконгском образовательный университет, Нанкинском сельскохозяйственный университет, Университет науки и технологий), Тайваня (Тайбейский ун-т), университете Израиля (Иерусалимский университет).
Постдоку
  • Роль постдокторанта
    Постдок будет включен в междисциплинарную команду и получит возможность сформировать собственное научное направление в рамках проекта. Работа будет включать постановку и проведение экспериментов, обработку и интерпретацию данных, подготовку публикаций и РИД, участие в международных исследованиях, руководство студентами и аспирантами и развитие молодежной научной группы.
  • Требования к кандидату
    • Степень PhD или эквивалентная научная степень по профилю проекта.
    • Опыт исследований в одной или нескольких областях: почвоведение, науки об окружающей среде, биогеохимия, микробиология, биотехнология, аналитическая химия, наноматериалы.
    • Публикации в журналах, индексируемых Scopus и/или Web of Science.
    • Опыт экспериментальной работы и интерпретации научных данных.
    • Приветствуется опыт работы с хроматографией, масс-спектрометрией, атомно-абсорбционной спектрометрией, электронной микроскопией, рентгеноспектральными или синхротронными методами.
    • Приветствуется владение статистическим анализом, Python/R и методами машинного обучения.
    • Способность работать в международной междисциплинарной команде и готовить научные публикации на английском языке.
  • Условия
    Заработная плата — от 130 000 руб. в месяц и выше в зависимости от квалификации и выполняемых задач. Предусматривается организационное сопровождение по вопросам визы и проживания, а также поддержка академической мобильности и интеграции исследователя в научную среду Южного федерального университета.
Предполагаемая длительность работы – 3 года
Рабочие языки
Русский язык
Английский язык