Optisk analys och maskininlärningstekniker kan nu enkelt upptäcka mikroplaster i havs- och sötvattensmiljöer med hjälp av billiga porösa metallsubstrat. Detaljer om metoden, som utvecklats av forskare vid Nagoya University med samarbetspartners vid National Institute for Materials Sciences i Japan och andra, publiceras i tidskriften Nature Communications.
Att upptäcka och identifiera mikroplaster i vattenprover är viktigt för miljöövervakningen, men det är en utmaning, delvis på grund av mikroplasternas strukturella likhet med naturliga organiska föreningar som härrör från biofilmer, alger och förmultnande organiskt material. Befintliga detektionsmetoder kräver i allmänhet komplexa separationstekniker som är tidskrävande och kostsamma.
”Vår nya metod kan samtidigt separera och mäta förekomsten av sex viktiga typer av mikroplaster – polystyren, polyeten, polymetylmetakrylat, polytetrafluoretylen, nylon och polyetylentereftalat”, säger Dr. Olga Guselnikova vid National Institute for Materials Science (NIMS).
Systemet använder ett poröst metallskum för att fånga upp mikroplaster från lösningen och detektera dem optiskt med hjälp av en process som kallas ytförstärkt Ramanspektroskopi (SERS). ”De SERS-data som erhålls är mycket komplexa”, förklarar Dr. Joel Henzie från NIMS, ”men de innehåller urskiljbara mönster som kan tolkas med hjälp av moderna maskininlärningstekniker.”
Billig övervakning av mikroplaster med hjälp av porösa material och maskininlärning. Kredit: Reiko Matsushita
För att analysera data skapade teamet en datoralgoritm med neurala nätverk som kallas SpecATNet. Algoritmen lär sig att tolka mönstren i de optiska mätningarna för att identifiera mikroplasterna snabbare och med högre noggrannhet än med traditionella metoder.
”Vår metod har en enorm potential för övervakning av mikroplaster i prover som tas direkt från miljön, utan att någon förbehandling krävs, samtidigt som den inte påverkas av eventuella föroreningar som kan störa andra metoder”, säger professor Yusuke Yamauchi vid Nagoya University.
Forskarna hoppas att deras innovation kommer att vara till stor hjälp för samhället när det gäller att utvärdera mikroplastföroreningarnas betydelse för folkhälsan och hälsan hos alla organismer i havs- och sötvattensmiljöer. Genom att skapa billiga mikroplastsensorer och algoritmer med öppen källkod för att tolka data hoppas de kunna möjliggöra snabb upptäckt av mikroplaster, även i labb med begränsade resurser.
För närvarande ger de material som krävs för det nya systemet kostnadsbesparingar på 90-95% jämfört med kommersiellt tillgängliga alternativ. Gruppen planerar att sänka kostnaden för dessa sensorer ytterligare och göra metoderna enkla att replikera utan behov av dyra anläggningar. Dessutom hoppas forskarna kunna utöka kapaciteten hos SpecATNets neurala nätverk för att upptäcka ett bredare spektrum av mikroplaster och till och med acceptera olika typer av spektroskopiska data utöver SERS-data.
Ytterligare information: Nature Communications (2024). DOI: 10.1038/s41467-024-48148-w
