Sorption Behavior of Trace Organic Chemicals on Carboxylated Polystyrene Nanoplastics
Notice bibliographique
Résumé
Nanoplastics possess unique characteristics (e.g., high surface area/volume ratio) that enhance the adsorption of organic chemicals onto their surface. Their occurrence raises human health and ecotoxicological concerns, as pollutants bound to nanoplastics can have a larger effect than they would on their own. This study assessed the sorption of plant protection products (glyphosate and methyl parathion), an antidepressant (fluoxetine), a perfluorochemical (perfluorooctanoic acid [PFOA]), and a polycyclic aromatic hydrocarbon (phenanthrene) onto commercially available carboxylated polystyrene (PS) nanoplastics (NPs, 500 and 20 nm). Based on the calculated sorption coefficients ( K d, L/kg), the sequence of chemicals displaying the highest to lowest affinity toward PSNPs is fluoxetine > phenanthrene > methyl parathion > PFOA > glyphosate, with 20 nm PS showing a higher potential to sorb organic chemicals. Cationic (fluoxetine) and hydrophobic (phenanthrene) substances were more amenable to sorption, whereas negatively charged and more hydrophilic ones (i.e., PFOA and glyphosate) showed poor sorption. pH influenced sorption for all target chemicals except phenanthrene. Sorption capacity was further reduced in water spiked with natural organic matter and in tertiary-treated wastewater effluent. Overall, our work enhances the understanding of how representative organic chemicals sorb onto nanoplastics and provides quantitative information (i.e., K d ) on future simulations of nanoplastics’ fate and transport.
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) | 0,000 | 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) | 0,001 | 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 ».