0
Article ? AI-assigned paper type based on the abstract. Classification may not be perfect — flag errors using the feedback button. Tier 2 ? Original research — experimental, observational, or case-control study. Direct primary evidence. Nanoplastics Sign in to save

Advances in detecting and characterizing environmental micro- and nanoplastic particles in complex environmental matrices

eScholarship@McGill (McGill) 2024
Wang, Zi

Summary

Scientists have developed new tools, including a laser-based detection method and a smart microscope powered by AI, that can spot and analyze tiny plastic particles (including nanoplastics too small for older methods) in snow and water, even in real time. This matters because these tiny plastics are showing up everywhere in our environment and can build up in the food chain, and better detection tools are a key step toward understanding how much we're actually exposed to and what health risks they might pose.

Les micro- et nanoplastiques (MNPs) environnementaux sont devenus des préoccupations mondiales en raison de leurs effets négatifs sur les écosystèmes de la Terre et la santé humaine. Les MNPs existent dans diverses matrices telles que les océans, les précipités, le sol et l'air. En raison de leurs petites tailles et de leurs distributions généralisées, les MNP s'accumulent facilement dans les organismes et se transfèrent à travers les réseaux trophiques. Des enquêtes approfondies sur l'exposition environnementale et l'évaluation des risques associés aux MNP ont été identifiées comme des priorités de recherche par le Programme des Nations Unies pour l'environnement et l'Organisation mondiale de la santé.De nombreuses techniques existent pour la recherche sur les microplastiques, mais il est difficile de les adapter aux nanoplastiques en raison des contraintes de limite de détection. Les incertitudes associées à l'échantillonnage et à la préparation des échantillons compliquent encore l'interprétation des données et la comparaison entre les travaux individuels. À ce jour, il n'existe pas de capacités de détection environnementale des MNP en temps réel et in situ. Cette thèse comble ces lacunes en développant des techniques durables pour identifier, quantifier, caractériser et étudier dynamiquement les MNPs dans l'environnement.Le premier projet présente le développement et l'application de nanostructures construites en laboratoire pour l'analyse par désorption/ionisation laser à nanostructures couplée à la spectrométrie de masse à temps de vol (NALDI-TOF-MS) des MNPs et des polymères solubles dans l'eau dans la neige. La neige fraîchement tombée est un instantané des processus atmosphériques. Dans la neige urbaine fraîche à Montréal, Canada, ≥ 100 ng/mL de polyéthylène et 21.9 ng/mL de polyéthylène glycol ont été détectés. Une limite de détection à l'ordre du picogramme a été atteinte pour la neige ambiante sans pré-traitement de l'échantillon.Après la technique basée sur la spectrométrie de masse, nous sommes passés à une technique basée sur la microscopie nouvellement développée, la microscopie holographique numérique en ligne nano (nano-DIHM), qui permet des études physico-chimiques et dynamiques de particules et de clusters uniques. Nous avons exploré les capacités de la nano-DIHM à imager, caractériser et mesurer dynamiquement les MNPs dans l'eau. Les motifs de revêtement distincts de substances organiques, inorganiques et biologiques sur les MNPs ont été caractérisés. Les vitesses de sédimentation des principaux groupes de plastiques ont été mesurées et incorporées dans le modèle CaMPSim-3D pour simuler le transport et l'accumulation des particules plastiques dans l'estuaire de la rivière Saint-Jean.En s'appuyant sur le deuxième projet, nous avons amélioré la nano-DIHM en appliquant un réseau neuronal profond, permettant la détection automatisée in situ et en temps réel des MNPs. Le troisième projet présente le développement et l'application de la nano-DIHM assistée par intelligence artificielle qui quantifie automatiquement les paramètres physico-chimiques (par exemple, la taille, la forme, le périmètre, la rugosité de surface, la surface et le gradient des bords des particules) et classe les MNPs par rapport à d'autres substances dans les eaux naturelles non traitées. Des données structurales et spatiales 3D des particules et un suivi 4D avec une résolution temporelle de l'ordre de la milliseconde ont été présentés. Les résultats de modélisation complémentaires ont montré des distributions distinctes des MNP dans les systèmes aquatiques.En revenant sur nos projets précédents et d'autres publications dans le domaine, il n'existe pas de protocole universel pour la détection des MNPs dans les différentes matrices environnementales. Le quatrième projet présente un protocole hautement pratique, qui peuvent être adapté pour l'identification et la quantification systématiques des MNPs dans l'air et l'eau. La mise en œuvre de ce travail facilite la communication efficace et l'harmonisation des données qui feront progresser le domaine.Cette thèse contribue à des avancées fondamentales en dévoilant les distributions mondiales des particules de MNPs atmosphériques et aquatiques en intégrant des données expérimentales, des mesures de terrain et des simulations numériques. Ces compréhensions sont cruciales pour des études d'exposition précises et des évaluations des risques des MNPs. Les techniques développées dans cette thèse peuvent être adaptées pour enquêter sur d'autres contaminants émergents dans les écosystèmes. Cette thèse couvre un large champ de recherche, des transformations physico-chimiques dépendant du temps, des analyses de cycle de vie, aux stratégies de remédiation et de gestion de la pollution environnementale

Share this paper