Skittles: A Multicolor Flow Cytometric Workflow for High-Throughput Characterization of Micro- and Nano-plastics
本文介绍了“Skittles”，这是一种高通量、多色的流式细胞术工作流程，能够实现对液体悬浮液中微塑料和纳米塑料进行精确、标准化且定量的表征，并提供经过显微镜和拉曼光谱验证的基于荧光的判别、计数及粒径分布分析。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
塑料已成为现代世界不可或缺的一部分，因其耐用性和轻便性而备受青睐，然而正是这种韧性使其能在环境中存在数百年之久。一旦被丢弃，这些材料并不会凭空消失；它们会在阳光、风和波浪的作用下分解成越来越小的碎片。虽然那些阻塞海滩并危害海洋生物的可见碎片广为人知，但还存在着一层以微观和纳米级颗粒形式存在的隐形污染层。这些微小的颗粒通常肉眼无法看见，在海洋和河流中大量存在，但科学家们一直难以对其进行计数或识别其成分，因为现有的方法速度缓慢、耗费人力，且往往会遗漏掉最小的颗粒。如果无法快速准确地测量这种隐形污染，就很难了解其对水生生态系统构成的真实威胁规模。
为了解决这一问题，南密西西比大学的研究人员开发了一种名为 Skittles 的新方法，这是一种旨在以极高的速度和精度对这些微小塑料颗粒进行计数和识别的工作流。该团队的研究重点是尺寸从一粒沙子到一种病毒大小的颗粒，而在这一尺度上，传统的计数工具往往会失效。他们方法的核心在于使用一种特殊的染料，这种染料会粘附在塑料上而非其他材料上，使塑料在暴露于特定光线下时发出明亮的光芒。通过将这种发光的染料与一台每秒可以分析液体流中数千个独立颗粒的机器相结合，研究人员创建了一个类似于高速分选机的系统。这台被称为流式细胞仪的机器利用激光来检测每个颗粒散射的光线以及染料发出的特定颜色，从而使其能够在无需通过显微镜逐一观察的情况下，区分出不同类型的塑料并估算其大小。
研究人员使用自然界中发现的各种塑料类型对该方法进行了测试，包括聚乙烯、聚苯乙烯、聚丙烯和聚对苯二甲酸乙二醇酯，这些都是常见于瓶子、包装和合成纤维中的材料。他们首先优化了整个过程，以确保染料能够完美发挥作用，确定了使用量以及准备样本的最佳方式，从而使塑料能够持续发光。他们发现，加热样本有助于染料更有效地结合到塑料上，从而增强信号并提高可靠性。在进行测试时，该方法表现出了极高的准确性，在受控实验中回收了加入水中超过 100% 的塑料颗粒，且计数结果非常一致，波动极小。为了确保该方法不仅仅是在计数染料本身或其他碎屑，他们将结果与基于显微镜的计数法以及一种名为拉曼光谱的化学分析技术进行了对比，这两者都证实了这一新工作流识别的是正确的材料。
当团队将此方法应用于从密西西比海湾采集的真实海水时，结果显示出比此前估计更为密集的塑料颗粒群。水中的每毫升含有数百个颗粒，这个数字显著高于以往的研究报告，因为以往的研究往往只关注较大的可见碎片。该方法成功识别了多种塑料类型，其中聚丙烯和聚苯乙烯最为常见，并且能够测量这些颗粒的大小，显示出它们的范围涵盖了从极小的纳米颗粒到较大的微塑料。研究人员还在从家庭收集的饮用水样本上测试了该方法，发现其中含有低量但可测量的塑料，证明了即使在颗粒极少的洁净水中，该方法也具有敏感性。至关重要的是，研究表明水中存在的藻类或其他天然有机物并不会显著干扰计数塑料的能力，这表明该方法足以应对复杂的自然环境。
这项工作的意义在于它能将一项缓慢且困难的任务转变为一个快速、标准化的过程。在此项技术问世之前，表征全范围的塑料污染需要多种仪器和数日的体力劳动，且往往会遗漏掉最小且数量最多的颗粒。Skittles 工作流允许单台仪器处理整个任务，提供关于存在多少颗粒、是什么种类的塑料以及它们有多大的清晰图景。虽然目前该方法是基于与标准塑料珠的对比来报告尺寸（这是估算球形颗粒大小的一种可靠方法），但研究人员指出，未来的工作仍需进一步完善针对不规则形状和不同塑料类型的尺寸估算。尽管如此，这一新工具为监测隐形塑料污染提供了一种强有力的方式，为更好地理解这些颗粒对环境构成的风险以及追踪污染水平随时间的变化变化提供了数据支持。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。