A Droplet-Based Microfluidic Impedance Flow Cytometer for Detection of Micropollutants in Water
Notice bibliographique
Résumé
Microplastics as micropollutants are widely spread in aquatic areas that can have a toxic effect on aquatic life. To reduce the potential risk they pose, it is essential to detect the microplastics and the source of the contamination of the environment. Here, we designed and developed a droplet-based microfluidic impedance flow cytometer for in situ detection of microplastics in water. Impedance spectroscopy enables the direct measurement of the electrical features of microplastics as they move in water, allowing for sizing and identification of concentration. To show the feasibility of the developed method, pure and functionalized polystyrene beads ranging from 500 nm to 6 μm in four size groups and different concentrations were used. Focusing on three different frequencies (4.4 MHz, 11 MHz, and 22.5 MHz), the changes in the signal phase at frequencies of 4.4 MHz and 11 MHz are a strong indicator of microplastic presence. In addition, the functionalized microplastics showed different magnitudes of the measured signal phase than the pure ones. A k-nearest neighbors classification model demonstrated our developed system’s impressive 97.4% sensitivity in accurately identifying microplastics based on concentration. The equivalent circuit model revealed that the double-layer capacity of water droplets is significantly impacted by the presence of the microplastics. Our findings show the potential of droplet-based microfluidic impedance flow cytometry as a practical method for detecting microplastics in water.
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 | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 ».