《Frontiers in Environmental Science》：Profiling autofluorescence signatures of microplastics from commercial plastic products by flow cytometry and multivariate analysis
编辑推荐：
微塑料具有自发荧光（autofluorescence, AF），然而这种光学特性在来自商业塑料制品的颗粒之间如何变化，以及其在无染色鉴别中的潜力仍未得到充分认识。本研究利用多通道流式细胞术（flow cytometry, FCM），研究了从各种包装、家用和建筑
微塑料具有自发荧光（autofluorescence, AF），然而这种光学特性在来自商业塑料制品的颗粒之间如何变化，以及其在无染色鉴别中的潜力仍未得到充分认识。本研究利用多通道流式细胞术（flow cytometry, FCM），研究了从各种包装、家用和建筑材料中碎裂得到的聚对苯二甲酸乙二醇酯（polyethylene terephthalate, PET）、高密度聚乙烯（high-density polyethylene, HDPE）、聚氯乙烯（polyvinyl chloride, PVC）、聚丙烯（polypropylene, PP）和聚苯乙烯（polystyrene, PS）的自发荧光特征。研究人员在11个荧光检测通道以及前向散射（forward scatter, FSC）和侧向散射（side scatter, SSC）上测量了自发荧光，并使用多元分析评估这些参数对聚合物区分的贡献。还进行了互补光谱分析，以识别塑料制品中配方特异性的组分。自发荧光特征随聚合物类型、颜色、不透明度和产品配方而变化，峰值发射通常出现在565至620 nm之间。聚合物区分依赖于多通道自发荧光特征而非单独的荧光强度，其中在聚合物类型间表现出最大方差的荧光检测通道推动了区分。不同类型聚合物之间观察到显著差异（p < 0.001）。侧向散射始终比前向散射提供更大的区分能力，而基于散射的标准化显著降低了区分能力（p < 0.001）。互补光谱分析在白色聚氯乙烯中识别出碳酸钙填料，在透明聚氯乙烯中识别出邻苯二甲酸酯类增塑剂，在黑色高密度聚乙烯中识别出铜酞菁颜料。总的来说，这些发现证明了基于自发荧光的流式细胞术在微塑料区分中的潜力，同时为未来涉及更复杂和环境代表性样本的研究奠定了基础。
研究背景：全球塑料大量生产及废物管理不善，导致微塑料（microplastics, MPs）广泛分布于水生、陆生和大气环境中。MPs由合成或半合成聚合物与多种化学添加剂混合而成，部分添加剂具有内在光学特性，包括自发荧光（autofluorescence, AF）。尽管AF常被视为背景干扰，但其在颗粒检测与表征中具有应用价值，且已在淡水生物膜、海水、道路尘和空气等环境基质中检测到塑料AF。然而，商业塑料制品来源MPs的AF特征如何随聚合物类型、颜色、透明度及产品配方变化，以及其能否支持无染色（stain-free）区分，仍缺乏系统认识。传统显微与光谱技术通量低，许多荧光方法依赖Nile Red等染料，存在非特异性结合、染料聚集和错误分类等问题。流式细胞术（flow cytometry, FCM）具有每秒分析超过10,000个事件的高通量、多参数优势，适合MP分析。因此，研究人员开展了本研究，旨在表征五种常见聚合物来源MPs的AF特征，评估多通道FCM能否区分聚合物类型，并识别贡献最大的荧光检测通道和散射特征。
研究人员选取10种商品塑料制品（来源覆盖包装、家用和建筑用途），涵盖聚对苯二甲酸乙二醇酯（PET）、高密度聚乙烯（HDPE）、聚氯乙烯（PVC）、聚丙烯（PP）和聚苯乙烯（PS），颜色与透明度各异；经机械碎裂和过滤制成小于100 μm的MP悬浮液。通过多通道FCM、荧光显微镜、互补光谱分析和多元统计，研究发现AF特征随聚合物类型、颜色、不透明度和产品配方变化，最强发射通常位于约565–620 nm；多通道AF特征比单一荧光强度更能区分聚合物；侧向散射（side scatter, SSC）的区分能力优于前向散射（forward scatter, FSC）；基于散射的标准化总体上降低了区分能力。这些结果确立了AF多通道FCM作为MP无染色高通量筛检平台的潜力，并为后续环境复杂样本研究提供了基础。
关键方法（不超过250字）：样本来自10种商品塑料制品（包装、家用和建筑用途），覆盖PET、HDPE、PVC、PP和PS，颜色与透明度各异；经机械碎裂和过滤制成<100 μm的MP悬浮液。主要技术方法包括：多通道流式细胞术（FCM）在405/488/561/638 nm激发下采集11个荧光检测通道及前向散射（FSC）和侧向散射（SSC）；典型主坐标分析（Canonical Analysis of Principal Coordinates, CAP）联合线性判别、排列多元方差分析（permutational multivariate analysis of variance, PERMANOVA）、Mantel检验、Procrustes分析、Wilcoxon检验和方差比分析进行多元统计；荧光显微镜独立评估粒径与AF；衰减全反射傅里叶变换红外光谱（attenuated total reflectance Fourier-transform infrared, A
