Advances in detecting and characterizing environmental micro- and nanoplastic particles in complex environmental matrices
Bibliographic record
Abstract
Les micro- et nanoplastiques (MNPs) environnementaux sont devenus des préoccupations mondiales en raison de leurs effets négatifs sur les écosystèmes de la Terre et la santé humaine. Les MNPs existent dans diverses matrices telles que les océans, les précipités, le sol et l'air. En raison de leurs petites tailles et de leurs distributions généralisées, les MNP s'accumulent facilement dans les organismes et se transfèrent à travers les réseaux trophiques. Des enquêtes approfondies sur l'exposition environnementale et l'évaluation des risques associés aux MNP ont été identifiées comme des priorités de recherche par le Programme des Nations Unies pour l'environnement et l'Organisation mondiale de la santé.De nombreuses techniques existent pour la recherche sur les microplastiques, mais il est difficile de les adapter aux nanoplastiques en raison des contraintes de limite de détection. Les incertitudes associées à l'échantillonnage et à la préparation des échantillons compliquent encore l'interprétation des données et la comparaison entre les travaux individuels. À ce jour, il n'existe pas de capacités de détection environnementale des MNP en temps réel et in situ. Cette thèse comble ces lacunes en développant des techniques durables pour identifier, quantifier, caractériser et étudier dynamiquement les MNPs dans l'environnement.Le premier projet présente le développement et l'application de nanostructures construites en laboratoire pour l'analyse par désorption/ionisation laser à nanostructures couplée à la spectrométrie de masse à temps de vol (NALDI-TOF-MS) des MNPs et des polymères solubles dans l'eau dans la neige. La neige fraîchement tombée est un instantané des processus atmosphériques. Dans la neige urbaine fraîche à Montréal, Canada, ≥ 100 ng/mL de polyéthylène et 21.9 ng/mL de polyéthylène glycol ont été détectés. Une limite de détection à l'ordre du picogramme a été atteinte pour la neige ambiante sans pré-traitement de l'échantillon.Après la technique basée sur la spectrométrie de masse, nous sommes passés à une technique basée sur la microscopie nouvellement développée, la microscopie holographique numérique en ligne nano (nano-DIHM), qui permet des études physico-chimiques et dynamiques de particules et de clusters uniques. Nous avons exploré les capacités de la nano-DIHM à imager, caractériser et mesurer dynamiquement les MNPs dans l'eau. Les motifs de revêtement distincts de substances organiques, inorganiques et biologiques sur les MNPs ont été caractérisés. Les vitesses de sédimentation des principaux groupes de plastiques ont été mesurées et incorporées dans le modèle CaMPSim-3D pour simuler le transport et l'accumulation des particules plastiques dans l'estuaire de la rivière Saint-Jean.En s'appuyant sur le deuxième projet, nous avons amélioré la nano-DIHM en appliquant un réseau neuronal profond, permettant la détection automatisée in situ et en temps réel des MNPs. Le troisième projet présente le développement et l'application de la nano-DIHM assistée par intelligence artificielle qui quantifie automatiquement les paramètres physico-chimiques (par exemple, la taille, la forme, le périmètre, la rugosité de surface, la surface et le gradient des bords des particules) et classe les MNPs par rapport à d'autres substances dans les eaux naturelles non traitées. Des données structurales et spatiales 3D des particules et un suivi 4D avec une résolution temporelle de l'ordre de la milliseconde ont été présentés. Les résultats de modélisation complémentaires ont montré des distributions distinctes des MNP dans les systèmes aquatiques.En revenant sur nos projets précédents et d'autres publications dans le domaine, il n'existe pas de protocole universel pour la détection des MNPs dans les différentes matrices environnementales. Le quatrième projet présente un protocole hautement pratique, qui peuvent être adapté pour l'identification et la quantification systématiques des MNPs dans l'air et l'eau. La mise en œuvre de ce travail facilite la communication efficace et l'harmonisation des données qui feront progresser le domaine.Cette thèse contribue à des avancées fondamentales en dévoilant les distributions mondiales des particules de MNPs atmosphériques et aquatiques en intégrant des données expérimentales, des mesures de terrain et des simulations numériques. Ces compréhensions sont cruciales pour des études d'exposition précises et des évaluations des risques des MNPs. Les techniques développées dans cette thèse peuvent être adaptées pour enquêter sur d'autres contaminants émergents dans les écosystèmes. Cette thèse couvre un large champ de recherche, des transformations physico-chimiques dépendant du temps, des analyses de cycle de vie, aux stratégies de remédiation et de gestion de la pollution environnementale
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.001 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".