最近，美國聖母大學羅騰飛教授和合作者，首次揭示了自然界海水中納米塑膠的形态。
研究中，他們通過使用一種獨特的氣泡沉積技術（SSBD，shrinking surface bubble deposition），來捕獲和觀察海水中極微量的納米塑膠。
期間，課題組檢測了來自中國深圳、美國加利福尼亞州、美國德克薩斯州、南韓蔚山、以及墨西哥灣的海水樣品。
圖 | 羅騰飛（來源：羅騰飛）
該團隊發現世界各地海水中都普遍存在納米塑膠，并且形态和化學成分各異。更令人驚訝的是，他們在墨西哥灣 300 米深的海水裡發現了來自礦泉水瓶材料分化來的納米塑膠顆粒。
由于氣泡沉積能把這些納米顆粒集中在一個基地表面，課題組使用掃描電子顯微鏡，第一次直覺展現了自然界中包括聚苯乙烯、尼龍、和苯二甲酸乙二酯多個種類的納米塑膠的形态和尺寸。
這項研究不僅解決了目前自然界中納米塑膠檢測和可視化問題，同時也為環境與生物毒理性研究提供了新見解。
（來源：Science Advances）
總的來說，這項研究證明了納米塑膠在海洋中的普遍存在性，并第一次通過掃描電子顯微鏡和透射電子顯微鏡可視化，呈現了自然界中納米塑膠的真實形态，為納米塑膠的毒理性研究和海洋生态的研究提供了關鍵資訊。
針對相關論文，評審專家表示通過使用多種分析技術結合的方式，可以更加徹底地分析納米塑膠的方法。
例如在觀察聚苯乙烯時，盡管其在海洋中含量豐富，由于其極易分解成更小的苯乙烯低聚物，是以這些低聚物尺寸太小，無法通過掃描電子顯微鏡技術捕獲，而拉曼光譜的使用則可以檢測到聚苯乙烯。
據介紹，SSBD 技術可以直接将待測樣品與納米金屬顆粒懸浮液混合。研究中，課題組使用 10nm 的銀顆粒，在脈沖雷射的激發作用下産生等離子體效應進而生成氣泡。
等離子體效應導緻的溫度場變化，使得氣泡周圍形成“馬蘭戈尼流”——這是一種由表面張力梯度而造成的傳質現象。
形成的“馬蘭戈尼流”會将液體中懸浮的顆粒運送到氣泡表面，進而被氣泡“捕獲”，最終被堆積到三相接觸線處。
當停止雷射激發，氣泡慢慢變小并最終消失，氣泡捕捉的顆粒被最終沉積在基底上，以供後續的拉曼光譜和掃描電子顯微鏡等技術檢測分析。
相比于其他檢測方法要求對樣品進行繁瑣的過濾，SSBD 無需複雜的預處理操作便能檢測到超低濃度下的目标樣本。
除此之外，該團隊于 2020 在 Advanced Materials Interfaces 上發表的一項論文表明，SSBD 技術可以減輕傳統光熱沉積技術中生物分子降解的問題，即能在不損壞生物功能的情況下提高檢測極限。
基于這兩點，課題組認為這項研究成果在超低濃度下的微小固體污染物檢測和生物傳感上，可以發揮較大的潛力。
比如，利用 SSBD 來濃縮血液樣本中的生物标志物，進而提高靈敏度并改善早期癌細胞檢測，進而更早地檢測和治療癌症。
（來源：Science Advances）
每年有數百萬噸塑膠垃圾進入海洋
事實上，海洋中的納米塑膠顆粒到底是什麼樣？此前沒有人知道。
作為日常生産和生活的主要材料，塑膠的全球産量每年高達 4 億噸，而其中有多達數百萬噸塑膠垃圾會進入海洋。
随着時間推移，這些塑膠會由于紫外線的照射和海洋湍流的力學破壞，分解成肉眼不可見的微米或納米尺度的小顆粒。
通過目前的技術如掃描電子顯微鏡和拉曼光譜等，已經能在海洋和淡水水域中觀察到微米尺度（1-5000 微米）的塑膠顆粒。
但是，當這些塑膠顆粒的尺度到達納米尺度（<1 微米）時，現有的技術和手段便無法再觀察到自然環境下的納米塑膠。
此前已有研究發現：微米塑膠和納米塑膠對生物體的毒性，與顆粒尺寸和顆粒形态呈負相關。
這意味着更小的塑膠顆粒更容易穿透生物的保護膜，并且可能攜帶未知的有毒物質或重金屬滲透進入生物和人體系統。
是以，了解自然界中納米塑膠存在的形态，對其毒理性和環境研究尤為重要。目前，對于納米塑膠的檢測主要基于熱解耦合氣相色譜-質譜法。
但是，這項技術需要大量的過濾步驟和濃縮步驟，并且納米塑膠會在熱解偶的高溫環境下氣化，無法提供有效的自然環境下的尺寸和形态資訊。
（來源：Science Advances）
多位球友友情提供實驗海水
而針對氣泡生成，羅騰飛此前擁有一些成果積累。基于此，他想更深刻地了解微觀尺度下的傳熱傳質規律。
後來，他和團隊在實驗中觀察到氣泡收縮後形成的高濃縮沉積物，這為本次課題的确定打開了大門。
在與美國德州農工大學海洋生态學家胥炜教授交流之後，羅騰飛決定利用這項技術對海水納米塑膠污染物進行“捕獲”和識别。
之前，他們曾證明這項濃縮技術并不會因為高溫造成有機物分子降解的問題，其能在極低濃度條件下捕獲到樣本，并能最大程度上保留樣本原有的結構。
而這恰好為研究自然界中海洋納米塑膠的可視化提供了理論依據。
基本确定實驗可行性之後，他們便開始收集全球範圍的海水樣本，一共擷取到來自中國深圳、美國加利福尼亞州、美國德克薩斯州、南韓蔚山、以及墨西哥灣的海水樣品。
之後，他們便開始使用 SSBD 技術分析這些樣品，借此成功濃縮到了海洋中可能存在的數種納米塑膠，最終通過拉曼光譜和掃描電子顯微鏡完成了識别和可視化。
羅騰飛表示：“研究的成功離不開德州農工大學的胥教授，我們是讀博時一起踢球的好友。
幾年前胥教授看到我的氣泡實驗第一次在國際空間站完成的媒體報道，便問我有沒有考慮過将這項技術應用到海洋的納米塑膠檢測。”
基于這個想法，他們制定了詳細的實驗方案，并發動好幾個球友幫忙在全球範圍取水樣。
正是因為多方好友的幫助，才促成了這一系列從太空到海底縱跨 400 多公裡的研究。
（來源：Science Advances）
最終，相關論文以《海水中納米塑膠的直接觀察和識别》（Direct observation and identification of nanoplastics in ocean water）為題發在 Science Advances[1]。
Seunghyun Moon 是第一作者，胥炜和羅騰飛擔任共同通訊作者。
圖 | 相關論文（來源：Science Advances）
此外，盡管在這項研究中他們目前還未使用到 AI 技術，但是在羅騰飛的其他研究中，AI 已經發揮了至關重要的作用。
據了解，該團隊的大多數課題與計算機科學聯系緊密，比如在之前的聚合物的研究中，他們基于循環神經網絡對現有最大的聚合物資料庫進行訓練，生成了一個包含約一百萬個聚合物的基準資料庫——PI1M，這為高分子資訊學研究提供了良好的資料資訊。
而事實也确實如此，PI1M 在此後的聚合物資訊研究中，多次成為該領域研究人員所使用的測試資料庫。
除此之外，他們還使用主動學習政策來探索具有高熱導率的聚合物，這種機器學習與分子動力學相結合的研究，大大提升了他們對于大通量聚合物資料庫的篩選能力，并為工程領域發現了更多具有優秀性能的聚合物。
類似的機器學習政策，他們還應用在了熱電材料優化上。在 2023 年于 Advanced Materials 發表的論文裡，他們提出了一種內建貝葉斯優化和高斯過程回歸的混合資料驅動政策，以優化熱電材料中各種元素的成分。
人工智能的參與加速了各種材料系統的開發和優化，同時減少實驗次數，節約了時間和成本。
而對于本次研究來說，鑒于 SSBD 在超低濃度條件下的檢測靈敏度，他們目前正在嘗試将這項技術用于不同品牌的瓶裝水，對其中含有的納米塑膠種類進行統計并對其形态進行可視化研究。預計 AI 技術會極大地提升測試通量和靈敏度。
作為比較，他們還希望使用熱解耦合氣相色譜-質譜法來量化水樣中的總塑膠含量。
而為了了解顆粒密度與水中納米塑膠顆粒濃度之間的關系，他們計劃在特定海域海灘和遠海進行采樣，并将 SSBD 技術應用于這些樣品，最後進行不同種類和形态塑膠顆粒的統計分析。
同時，他們也想通過機器學習方法，将累積流量與實驗測量的沉積物密度關聯起來，借此建立非線性的相關性，進而确定納米塑膠檢測極限的最佳實驗條件。
參考資料：
1.Moon, S., Martin, L. M., Kim, S., Zhang, Q., Zhang, R., Xu, W., & Luo, T. (2024). Direct observation and identification of nanoplastics in ocean water.Science Advances, 10(4), eadh1675.
營運/排版：何晨龍