A novel method for organic matter removal from samples containing microplastics
Notice bibliographique
Résumé
Sludge and biosolids from wastewater treatment plants (WWTPs), identified as important pathways through which microplastics (MPs) can enter the wider environment, contain high organic content, which can obstruct MP quantification/identification. Time- and cost-effective removal of organics is a significant barrier to MP analysis. This study aims to alleviate these obstacles using a widely available store-bought septic tank cleaner, comprised of enzymes and bacteria. The cleaner was added to sludge samples, obtained from a local WWTP. Digestion was tested across a range of cleaner concentrations and heat treatments, and compared to a control digestion without cleaner. Organic content of samples digested with cleaner was reduced by 93%, representing a 22% greater reduction compared to control samples. Virgin plastic pellets, of a variety of polymers, were subjected to the digestion process and underwent no physical or chemical changes, demonstrating this method does not degrade MPs. As all enzymes were added in a single step, the time required for enzymatic digestion using the cleaner was only two days. Compared to existing methods, which take up to several weeks, this novel enzymatic digestion method offers a viable means of extracting MPs from organic materials without either the long processing times required of chemical (solely Fenton's) methods or high cost of laboratory grade enzyme approaches.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».