Mikroplaster under luppen: Metoder och fallgropar

Miljö
Unveiling Microplastics: Methods and Pitfalls
En praktisk guide till hur forskare extraherar, identifierar och kvantifierar mikroplaster från vatten, sediment och biota – och varför val inom digestion, densitetsseparation och spektroskopi formar vår kunskap.

Ingress: I laboratoriets glas och saltlake

Under ett dragskåp häller en forskare en tung zinkkloridlösning i en burk med kustsediment och ser lättare fragment flyta upp till ytan. Nästa dag kommer dessa uppflytna partiklar att färgas, fotograferas och matas in i spektrometrar som försöker läsa av plasternas kemiska fingeravtryck. Varje steg – kemikalien som används för att lösa upp organiskt material, saltlakens densitet, färgämnet eller instrumentet som valts för detektering – kan påverka vilka partiklar som återvinns, vilka som räknas och till och med om ett prov bedöms innehålla plaster överhuvudtaget.

Separation och förbehandling

Innan någon identifiering kan ske måste mikroplaster frigöras från de matriser som döljer dem: sand, slam, alger eller djurvävnad. Densitetsseparering – att tillsätta en saltlösning så att plaster med lägre densitet flyter – förblir standardmetoden. Forskare använder en rad olika salter: vanligt koksalt (NaCl) för polymerer med låg densitet, natriumjodid eller zinkklorid för mer densitetsstarka polymerer som polyetentereftalat (PET) och polyvinylklorid (PVC). Större och mer validerade saltlösningar återvinner generellt ett bredare spektrum av polymerdensiteter, men de innebär avvägningar gällande kostnad, toxicitet och avfallshantering. Kontrollerade tester visar att lösningar med högre densitet som ZnCl2 och NaI ger systematiskt högre återvinning av tunga polymerer än NaCl, men NaCl förblir attraktivt för rutinmässig övervakning till låg kostnad eftersom det är säkrare och allmänt tillgängligt.

Visuell screening och färgning

Efter extraktion använder många laboratorier visuell screening för att sortera partiklar. Färgning med Nilrött – ett lipofilt fluorescent färgämne – framhäver plaster under blått ljus och kan påskynda räkning och bildbehandling. När Nilrött appliceras under kontrollerade förhållanden är det snabbt, billigt och känsligt för en rad olika polymerer och storlekar, och metoden har anpassats för sediment, vatten och även vissa biologiska prover. Men Nilrött är ingen universallösning: det färgar även organiska rester och kan leda till överskattningar av partikelantalet om digestionen är ofullständig, och dess känslighet sjunker för mycket små fragment. Operatörer måste därför kombinera färgning med bekräftande kemisk analys för robusta resultat.

Spektroskopi och bildbehandling

Definitiv polymeridentifiering kräver vanligtvis vibrations- spektroskopi – Fourier-transform-infraröd (FTIR) eller Raman-spektroskopi – som läser av molekylvibrationer för att skapa polymera ”fingeravtryck”. Mikro-FTIR-avbildning och Raman-kartering kan identifiera partiklar ner till några mikrometers storlek och kan, i kombination med automatiserad bildanalys, kraftigt minska analytikerbias och tidsåtgång. Men teknikerna skiljer sig åt: Raman är utmärkt för mycket små partiklar och erbjuder hög spatial upplösning, medan FTIR-baserad fokalplanmatris-avbildning (FPA) är snabbare över större filterytor. Automatiserade plattformar byter hastighet mot potentiella falska positiva svar eller missade små partiklar; noggrann kalibrering, referensbibliotek och halvautomatiserade arbetsflöden levererar ofta den bästa kompromissen mellan genomströmning och noggrannhet.

Kvantitativa termiska metoder

Där massa eller polymerspecifika massuppskattningar krävs används ofta termiska tekniker som pyrolys-gaskromatografi-masspektrometri (Py-GC-MS). Dessa metoder bryter ner polymerer termiskt till karakteristiska fragment, som sedan separeras och identifieras för att fastställa polymertyp och massa. Py-GC-MS är kraftfullt för bulkkvantifiering och för komplexa matriser där spektroskopi på enskilda partiklar är opraktiskt, men metoden har kända begränsningar: matrisstörningar kan producera överlappande pyrolysprodukter och ge falska positiva svar, särskilt för polymerer som polyeten när prover innehåller fetter eller annat organiskt material. Nyare metodutveckling har förbätstrat strategier för extraktion och val av markörer för att minska antalet falska positiva svar och sänka detektionsgränserna, men tekniken kräver rigorösa blindprov, matrismatchade kontroller och en konservativ tolkning av svaga signaler.

Kvalitetskontroll, kontaminering och reproducerbarhet

Mikroplastanalys är exceptionellt sårbar för kontaminering – luftburna fibrer, syntetiska laboratoriekläder och plast i förbrukningsvaror kan alla dyka upp i blindprov och snedvrida resultaten. Studier av hög kvalitet inkluderar därför procedurblindprov, fältblindprov, spikning/utbytostester och replikerad bearbetning för att kvantifiera och korrigera för kontaminering och återvinningseffektivitet. Tidigare kritik av uppmärksammade studier på mänsklig vävnad understryker vad som står på spel: när matrisstörningar och svaga kontamineringskontroller förekommer kan kemiska signaler feltolkas som plaster, vilket har lett till krav på mer konservativa metoder och gemensamma valideringsstandarder. Fältet rör sig snabbt mot obligatoriska checklistor för kvalitetskontroll och interlaboratorie-jämförelser för att göra dataset jämförbara.

Praktiska rekommendationer för forskare och övervakningsprogram

Utforma arbetsflödet utifrån matrisen och frågeställningen. För strand- eller sedimentundersökningar som syftar till att räkna partiklar >300 µm kan en enkel NaCl-densitetsseparering plus visuell sortering vara tillräcklig; för omfattande polymerinventeringar eller mätningar av tunga polymerer bör lösningar med högre densitet användas och valideras med återvinningsexperiment. Kombinera ett snabbt screeningverktyg – Nilrött eller visuell avbildning – med bekräftande spektroskopi för verifiering av delmängder. För massbaserade bedömningar, använd Py-GC-MS men para ihop det med strikta matrismatchade kontroller och konservativa marköruppsättningar för att undvika falska positiva svar. Rapportera återvinningsgrad, blindprov och detektionsgränser tillsammans med antal eller massa så att läsaren kan bedöma hur metodvalen har format resultaten.

Vart fältet är på väg

Automatisering, maskininlärning och harmoniserade internationella standarder samverkar för att göra mätningar snabbare och mer jämförbara. Framsteg inom Raman- och FTIR-avbildning, samt hybrida arbetsflöden som förenar spektroskopi på enskilda partiklar med termiska bulkmetoder, utökar både detektionsområden och tillförlitligheten i polymeridentifieringen. Samtidigt tvingar kritiska metodgranskningar och interlaboratorie-jämförelser – inklusive insatser för att klargöra begränsningarna hos Py-GC-MS i biologiska matriser – forskarsamhället att anta striktare kontroller och tydligare rapportering. Dessa förändringar är viktiga: beslutsfattare, hälsoforskare och allmänheten förlitar sig på robusta metoder för att motivera regleringar, bedöma exponering och prioritera åtgärder.

Källor

  • Environmental Science & Technology (Hurley et al., 2018; metodvalidering för komplexa matriser)
  • University of Queensland (Rauert et al., 2025; Py-GC-MS effektivitet i mänskligt blod)
  • Marine Pollution Bulletin (studier av färgning med Nilrött)
  • Analytical Methods och MethodsX (valideringar av densitetsseparering och overflow-metod)
  • Scientific Reports och Chemosphere (jämförande studier om förbehandling och densitetslösningar)
  • ACS ES&T Engineering (Fentons reagens och termiska Fenton-metoder)
Wendy Johnson

Wendy Johnson

Genetics and environmental science

Columbia University • New York

Readers

Readers Questions Answered

Q Vilka laboratoriefaktorer avgör vilka mikroplaster som återvinns och räknas?
A Många steg i arbetsflödet påverkar resultaten: kemikalien som används för att lösa upp organiskt material, saltlösningens densitet, det färgämne eller instrument som valts för detektion, och hur dessa val påverkar vilka partiklar som frigörs, räknas och slutligen bedöms innehålla plast. Från extraktion via identifiering till kvantifiering kan varje beslut förändra återvinningsgrader, partikelantal och till och med närvarosignalen.
Q Varför är densitetsseparering central i arbetsflöden för mikroplast och vilka salter används?
A Densitetsseparering är den vanligaste metoden eftersom saltlösningar gör att plaster med lägre densitet kan flyta och separeras från sina matriser, såsom sand eller vävnad. Vanliga val inkluderar NaCl för lätta polymerer, och tyngre salter som natriumjodid eller zinkklorid för tyngre polymerer som PET och PVC; saltlösningar med högre densitet ökar återvinningen men medför högre kostnader, toxicitet och avfallsproblem.
Q Vilka är fördelarna och begränsningarna med Nilrött-färgning i arbete med mikroplast?
A Nilrött-färgning gör plaster synliga under blått ljus, vilket möjliggör snabbare räkning, avbildning och screening i sediment, vatten och vissa organismer. Det är snabbt, billigt och känsligt för många polymerer och storlekar, men det färgar även organiska rester och kan leda till en överskattning av antalet om uppslutningen är ofullständig; känsligheten minskar också för mycket små fragment, varför bekräftande kemisk analys är nödvändig.
Q När används Py-GC-MS och vilka förbehåll finns?
A Py-GC-MS används för bulkkvantifiering och i komplexa matriser där spektroskopi på enskilda partiklar är opraktiskt, eftersom det termiskt bryter ner polymerer till karakteristiska fragment som avslöjar polymertyp och massa. Dess begränsningar inkluderar matrisstörningar som kan ge överlappande produkter och falska positiva resultat, särskilt med polyeten i fetter eller organiskt material, vilket kräver noggranna blankprov och matris-matchade kontroller.
Q Vilka är de viktigaste rutinerna för kvalitetskontroll vid mikroplastanalyser?
A Kvalitetskontroll i mikroplastanalyser hanterar kontaminering och reproducerbarhet. Laboratorier använder procedurblankprov, fältblankprov, tillsats-/återvinningstester (spiking) och replikerad bearbetning för att kvantifiera och korrigera för kontaminering och återvinningseffektivitet. Området betonar alltmer konservativa metoder, gemensamma valideringsstandarder och jämförelser mellan laboratorier för att säkerställa att data är jämförbara och för att minska bias från matriseffekter eller hantering.

Have a question about this article?

Questions are reviewed before publishing. We'll answer the best ones!

Comments

No comments yet. Be the first!