Минкина Татьяна Михайловна
доктор биологических наук, профессор, заведующий кафедрой почвоведения и оценки земельных ресурсов ЮФУ
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
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.
Цель научного проекта
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.
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.
  • 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
    Предполагаемая длительность работы — до 3 лет. 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.
Рабочие языки
Русский язык
Английский язык