Isolation and Quantification of Polystyrene Nanoplastics in Tissues by Low Pressure Size Exclusion Chromatography
Notice bibliographique
Résumé
Ecotoxicity investigations of plastic nanoparticles (NPs) should pay more attention to their ability to pass barriers, accumulate, and initiate toxicity in cells. The purpose of this study was to develop a simple size exclusion chromatography (SEC) methodology to measure plastic NPs in biological tissues. A SEC column was prepared using a high-resolution gel for large macromolecules to separate plastic NPs from the protein/lipid pools in tissues. It was necessary to prepare the samples in high salt and non-ionic detergent (0.5 M NaCl and 0.2% Tween-20) and apply 0.2% Tween-20 containing 14 mM NaCl for the elution buffer to limit proteins adsorption to NPs. This methodology was able to resolve 50 and 100 nm polystyrene NPs from the protein/lipid pools in tissue homogenates. The fluorescent dye neutral red (NR) was also used for transparent NPs. Moreover, a sample fractionation step was also proposed for plastic NPs concentration using a salting-out methodology with saturated NaCl (5 M) and acetonitrile. Polystyrene NPs partition in acetonitrile, which were further analyzed by SEC. This methodology was tested in two case studies with clams collected in a high boat traffic (harbor) area and with caged freshwater mussels downstream of a large urban area. Although the present methodology was developed with polystyrene NPs it should be amenable to other plastic polymers that react with the NR fluorescent probe.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».