Skittles: A Multicolor Flow Cytometric Workflow for High-Throughput Characterization of Micro- and Nano-plastics
이 논문은 현미경 관찰 및 라만 분광법을 통해 검증된, 액체 현탁액 내 미세 및 나노 플라스틱의 형광 기반 식별, 개수 산정 및 크기 분포 분석을 가능하게 하는 고처리량 다색 유세포 분석 워크플로인 "Skittles"를 소개한다.
원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기
플라스틱은 그 내구성과 가벼움 덕분에 현대 세계의 영구적인 일부가 되었지만, 바로 그 동일한 회복력이 환경 속에서 수 세기 동안 지속되게 만듭니다. 한 번 버려진 이 재료들은 단순히 사라지지 않습니다. 이들은 태양, 바람, 파도 아래에서 점점 더 작은 조각들로 분해됩니다. 해변을 막히게 하고 해양 생물을 해치는 눈에 보이는 파편은 잘 알려져 있지만, 미세 플라스틱과 나노 입자 형태의 숨겨진 오염층이 존재합니다. 육안으로는 보이지 않는 이 작은 입자들은 바다와 강에 풍부하지만, 현재의 방식들은 느리고 노동 집약적이며 가장 작은 입자들을 완전히 놓치는 경우가 많아 과학자들이 이들의 수를 세거나 구성을 식별하는 데 어려움을 겪어 왔습니다. 이 보이지 않는 오염을 빠르고 정확하게 측정할 방법이 없다면, 수생 생태계에 미치는 위협의 진정한 규모를 이해하기는 매우 어렵습니다.
이 문제를 해결하기 위해, 미시시피주 남부 대학교(University of Southern Mississippi)의 연구진은 이 작은 플라스틱 입자들을 놀라운 속도와 정밀도로 세고 식별하도록 설계된 새로운 워크플로인 'Skittles'를 개발했습니다. 연구팀은 전통적인 계수 도구들이 흔히 실패하는 규모인 모래알 크기부터 바이러스 크기에 이르는 입자들에 집중했습니다. 이 접근법의 핵심은 플라스틱에는 달라붙지만 다른 물질에는 붙지 않는 특수한 염료를 사용하는 것이며, 이 염료는 특정 빛에 노출되었을 때 플라스틱을 밝게 빛나게 합니다. 이 빛나는 염료를 초당 수천 개의 개별 입자를 액체 흐름 속에서 분석할 수 있는 기계와 결합함으로써, 연구진은 고속 분류기처럼 작동하는 시스템을 만들었습니다. 유세포 분석기(flow cytometer)라고 알려진 이 기계는 레이저를 사용하여 각 입자에 의해 산란되는 빛과 염료가 방출하는 특정 색상을 감지하며, 이를 통해 현미경으로 하나하나 관찰하지 않고도 서로 다른 종류의 플라스틱을 구별하고 그 크기를 추정할 수 있습니다.
연구진은 병, 포장재, 합성 섬유 등에 흔히 쓰이는 폴리에틸렌, 폴리스티렌, 폴리프로필렌, 폴리에틸렌 테레프탈레이트 등 자연에서 발견되는 다양한 플라스틱 유형을 사용하여 이 방법을 테스트했습니다. 그들은 먼저 염료가 완벽하게 작동하도록 최-적화하여, 적절한 양을 결정하고 플라스키가 일관되게 빛날 수 있도록 시료를 준비하는 최선의 방법을 찾아냈습니다. 그들은 샘플을 가열하는 것이 염료가 플라스틱에 더 효과적으로 결합하도록 도와 신호를 더 강하고 신뢰성 있게 만든다는 것을 발견했습니다. 테스트를 실행했을 때, 이 방법은 통제된 실험에서 물에 첨가한 플라스키 입자의 100퍼센트 이상을 회수할 정도로 매우 정확했으며, 계수 결과 또한 변동이 거의 없이 일관되었습니다. 이 방법이 단순히 염료 자체나 다른 부스러기를 세는 것이 아님을 확인하기 위해, 연구진은 현미경 기반 계수법 및 라만 분광법(Raman spectroscopy)이라는 화학적 분석 기술과 결과를 비교하였으며, 두 방법 모두 새로운 워크플로가 올바른 물질을 식별하고 있음을 확인해 주었습니다.
연구진이 미시시피 사운드(Mississippi Sound)에서 채취한 실제 해수를 이 방법으로 적용했을 때, 결과는 이전에 추정되었던 것보다 훨씬 더 밀도 높은 플라스틱 입자 군집을 드러냈습니다. 물속에는 매 밀리리터당 수백 개의 입자가 들어 있었는데, 이는 주로 더 크고 눈에 보이는 파편에만 집중했던 이전 보고들보다 상당히 높은 수치입니다. 이 방법은 폴리프로필렌과 폴리스티렌이 가장 흔하다는 혼합 플라스틱 유형을 성공적으로 식별해 냈으며, 이 입자들의 크기를 측정하여 매우 작은 나노 입자부터 더 큰 마이크로 플라스틱에 이르는 범위를 보여주었습니다. 또한 연구진은 가정에서 채취한 식수 샘플에도 이 방법을 테스트하였는데, 여기서 아주 적지만 측정 가능한 수준의 플라스틱을 검출함으로써 입자가 매우 적은 깨끗한 물에서도 이 방법의 민감도를 입증했습니다. 결정적으로, 이번 연구는 물속의 조류나 다른 천연 유기물이 플라스틱을 세는 능력에 유의미한 방해를 주지 않는다는 것을 보여주었으며, 이는 이 방법이 복잡한 자연 환경에서도 사용될 만큼 견고함을 시사합니다.
이 연구의 의의는 느리고 어려운 과업을 빠르고 표준화된 과정으로 바꿀 수 있다는 점에 있습니다. 이 개발 이전에는 플라스틱 오염의 전체 범위를 규명하기 위해 여러 기기와 며칠간의 수동 작업이 필요했으며, 이 과정에서 가장 작고 수많은 입자들을 놓치는 경우가 많았습니다. Skittles 워크플로는 단 하나의 기기로 전체 작업을 처리할 수 있게 하여, 입자가 얼마나 존재하는지, 어떤 종류의 플라스틱인지, 그리고 크기가 얼마인지를 명확하게 제공합니다. 현재 이 방법은 표준 플라스틱 비즈(beads)와의 비교를 통해 크기를 보고하는데, 이는 구형 입자에 대해 크기를 추정하는 신뢰할 수 있는 방법이지만, 연구진은 불규칙한 모양이나 다른 플라스틱 유형에 대한 크기 추정을 정교화하기 위해 향후 추가적인 작업이 필요하다고 언급했습니다. 그럼에도 불구하고, 이 새로운 도구는 보이지 않는 층의 플라스키 오염을 모니터링할 수 있는 강력한 방법을 제공하며, 이러한 입자들이 환경에 미치는 위험을 더 잘 이해하고 오염 수준의 변화를 추적하는 데 필요한 데이터를 제공합니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.