Identification and Quantification of Microplastics Using Nile Red Staining
Notice bibliographique
Résumé
Plastic is a very useful and versatile product, however extensive use and unchecked disposal has resulted in significant global impacts. Microplastic (0.1 µm–5 mm) is particularly problematic and is a widespread pollutant impacting aquatic ecosystems. The accumulation of microplastics produces negative repercussions such as aesthetic and economic impact and most importantly adverse biological and ecological effects. Existing identification and quantification techniques such as Raman spectroscopy, Pyrolysis-gas chromatography with mass spectrometry and FT-IR spectroscopy are time consuming and require expensive instruments. The aim of this research is to develop a rapid fluorescent staining procedure for microplastic quantification using a fluorescent dye, Nile Red. Developing a fluorescent staining procedure will provide a rapid way of differentiating microplastics from the other natural materials, enabling easier and more accurate quantification of microplastics. The first step would be the formation of microplastics from common materials such as freezer bags (polyethylene), bottle caps (polypropylene) or food containers (polystyrene). These will be used as standards for further tests including the selection of a suitable organic solvent that would not degrade or stain the filter paper but effectively stain the microplastics. Stained microplastics will be irradiated with blue or green light causing fluorescence, which can then be detected using red filter. This method will be compared to traditional methods such as Raman spectroscopy and brightfield microscopy and then be applied to the samples extracted from the North Saskatchewan River. The results from the study will help in efficient sample processing and understanding microplastic contamination in our environment. Faculty Mentor: Dr. Matthew Ross Discipline: Chemistry
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».