重新审视微塑料污染：一种用于检测自然水体中微小微塑料的新方法

《npj Clean Water》：Revisiting microplastic pollution: A novel method for detecting small-sized microplastics in natural waters

　　

微塑料（Microplastics，MPs）广泛存在，但能够同时测量聚合物类型和小于20 μm颗粒的方法有限，这阻碍了毒性评估和政策制定。研究人员引入了一种机器学习辅助光谱流式细胞术（machine learning-assisted spectral flow cytometry，MLA-SFC）方法，该方法可在5–100 μm范围内识别与环境及人类健康相关的六种主要聚合物，并允许在1–100 μm范围内进行投影。高通量、灵敏检测、简便采样和强有力的质量控制，使该技术适用于工业及自然水体的常规监测。在日内瓦湖（Lake Geneva）、附近河流以及表层水与深层水之间，发现了微塑料浓度和聚合物组成的明显差异。数据显示，高达97%的微塑料介于1至20 μm之间，表明污染被严重低估。与激光红外（laser-infrared）测量结果一致，小尺寸微塑料的浓度比以往湖泊水体的报告高出达656倍。微塑料的环境风险评估表明，部分采样点可能存在风险。

**论文解读：重新审视微塑料污染——自然水体中小尺寸微塑料的新型检测方法**

**研究背景与问题**

微塑料（Microplastics，MPs）是1至5000 μm的持久性颗粒，已在全球范围内广泛检出。小尺寸微塑料（<20 μm）因其更高的生物可利用性，更易被生物摄入并通过食物链传递，从而构成更大的环境风险。然而，现有环境监测报告大多以100 μm以上为检测阈值，极少有研究报道20 μm以下的微塑料，而毒性评估却多基于100 μm以下的颗粒。这种现场水平与毒性数据之间的脱节，严重制约了生态风险评估的准确性和政策制定。此外，现有分析方法在同时测定微塑料的聚合物类型和颗粒尺寸（尤其是小于100 μm）方面存在局限：拉曼光谱（Raman spectroscopy）受色素干扰，傅里叶变换红外光谱（FT-IR）和激光直接红外光谱（LDIR）对小于15–20 μm的颗粒检测统计能力不足，热解-气相色谱-质谱联用（Py-GC/MS）虽能检测质量但无法提供尺寸和颗粒浓度信息。因此，亟需开发一种高通量、高灵敏度、能同时识别聚合物类型和尺寸的检测方法，以填补现场观测与毒性评估之间的空白，为政策决策提供科学依据。本研究旨在解决这一关键需求，论文发表在《npj Clean Water》。

**研究内容与结论**

研究人员开发了一种机器学习辅助光谱流式细胞术（MLA-SFC），用于快速定量分析5–70 μm尺寸范围内的塑料微粒。该方法通过光谱流式细胞仪（配备64个检测器，覆盖373–812 nm光谱）采集颗粒的荧光散射信号，并利用多层感知器（MLP）深度学习算法区分微塑料与非微塑料（NMPs）以及不同聚合物类型。通过标准品加标实验（包括单一和混合聚合物）在超纯水和多种天然水体中验证，对聚乙烯-聚丙烯（PE-PP）、聚对苯二甲酸乙二醇酯（PET）、聚碳酸酯（PC）、聚氨酯（PU）和聚氯乙烯（PVC）五种聚合物的识别准确率超过95%，平均回收率87%。与LDIR的对比分析显示，两种技术在相同尺寸范围内测得的微塑料浓度处于同一数量级，验证了MLA-SFC的准确性。将该方法应用于日内瓦湖（Lake Geneva）及附近河流（如罗纳河、Venoge河等）的12个表层水样和垂直剖面（0–100 m）样本，发现微塑料浓度在5–70 μm范围内为32.9–687.1 MPs/L（表层水）和6.9–154.6 MPs/L（水柱）。小尺寸MPs（5–15 μm）占比最高（63.9–90%），且浓度随尺寸减小呈指数增加。通过指数衰减模型投影至1–100 μm，估计73–97%的微塑料处于1–20 μm范围，表明污染被严重低估，投影浓度比以往使用较大网目（100–300 μm）的报告高出高达656倍。环境风险评估采用风险表征比（RCR）方法，基于1–100 μm投影浓度和预测无效应浓度（PNEC）分布，结果显示20个采样点中有6个存在潜在风险（RCR≥1%），河流风险概率（22%）高于湖泊（0.1%），但排除异常值后降至2.2%。

**主要关键技术方法**

本研究采用的关键技术方法包括：（1）机器学习辅助光谱流式细胞术（MLA-SFC），利用多层感知器（MLP）算法对颗粒光谱进行分类，区分微塑料与非微塑料，并识别聚合物类型（PE-PP、PET、PC、PU、PVC）；（2）样本分离与富集流程：使用30% H₂O₂消化去除有机质，再通过聚钨酸钠（密度1.56–1.6）密度梯度离心分离微塑料与岩性颗粒，最后用离心（3200 g，1 h）和琼脂帽收集微塑料；（3）与激光直接红外光谱（LDIR）进行交叉验证，以保证方法准确性。样本来源包括日内瓦湖表层及深层水体（LéXPLORE平台）、附近四条河流（罗纳河、Venoge河等）表层水，以及合成标准溶液。

**研究结果**

**Validation of the MLA-SFC（MLA-SFC验证）**
通过标准品加标实验（单一和混合聚合物）在超纯水及多种天然水体（过滤湖水、过滤海水、全湖水、冰川湖等）中验证，直接分析时五种聚合物的回收率超过95%（平均104±1.1%）；但颗粒负荷高的水样（如罗纳河）出现PE假阳性，需进一步分离。开发了结合H₂O₂消化和密度离心的分离协议，平均回收率87%。以4 L为代表性采样体积（基于日内瓦湖验证），7次重复采样的标准偏差为38.7%，表明方法具有良好的重现性。与LDIR对比显示，在相同尺寸范围内（15–30 μm和30–70 μm），两种技术测得的微塑料浓度处于同一数量级，且MLA-SFC能检测到5–15 μm的较小颗粒。

**Small-sized MPs call for a reassessment of pollution impacts（小尺寸微塑料呼唤污染影响重新评估）**
对12个湖泊表层样、4个河流样以及垂直剖面（2–100 m）的分析表明，微塑料浓度（5–70 μm）在表层水中为32.9–687.1 MPs/L，水柱中为6.9–154.6 MPs/L。尺寸分布显示，5–15 μm颗粒占比最高（表层63.9%，河流71.2%，远岸/深层90%）。通过指数衰减模型（R2>0.937）投影1–100 μm，估计73–97%的微塑料处于1–20 μm，直接测量严重低估污染。考虑回收率（87.1%）和聚合物代表性（62.8%），投影后平均浓度分别为：湖泊表层338.6 MPs/L，深层680.7 MPs/L，河流983.4 MPs/L。与以往使用曼塔网（manta trawl）的报告相比，污染被低估226–656倍。

**Environmental risk assessment（环境风险评估）**
基于1–100 μm投影浓度（score 70）和PNEC分布（来自文献，针对风化微塑料，尺寸≤75 μm），采用风险表征比（RCR）评估。20个采样点中，6个点显示可能存在风险（RCR≥1%）。考虑暴露分布和蒙特卡洛模拟，日内瓦湖风险概率为0.1%，河流为22%（排除异常点后降至2.2%）。在LéXPLORE平台，7次重复采样的风险概率范围为1.6–59.6%，平均19.1%。表明部分采样点可能存在环境风险。

**讨论与结论总结**

本研究开发的MLA-SFC方法能够高效检测五种聚合物（PE-PP、PET、PC、PU、PVC），与LDIR结果一致，且可检测小至5 μm的颗粒。通过尺寸-浓度关系投影，揭示出小尺寸微塑料污染被严重低估（高达656倍），这主要源于以往方法对20 μm以下颗粒的忽视。环境风险评估指出，部分采样点（尤其是河流）存在潜在风险，但受限于毒性数据有限、聚合物覆盖不全等因素，结果需谨慎解读。MLA-SFC具有高通量（每日18个样品，是LDIR的9倍）、无需质谱、易于实施质量控制等优势，适用于工业与自然水体的常规监测。未来需通过进一步机器学习训练，扩展至更多聚合物类型（如PS、PA、PTFE、橡胶颗粒）及环境老化微塑料。研究结论：MLA-SFC为微塑料的浓度、类型和尺寸提供了有价值的信息，同时揭示了小尺寸微塑料污染的巨大低估，凸显了推进小尺寸微塑料检测、识别和监测与风险评估同步进行的紧迫性。