仅3个多月，中国海洋大学，连发2篇Nature大子刊！

微塑料检测

塑料碎片的微型化与纳米化正在成为全球公共健康的隐秘威胁。随着微塑料（1 μm–5 mm）和纳塑料（<1 μm）在水体、土壤和空气中被广泛发现，它们已经悄然渗入了动植物体乃至人类组织和器官。尽管科学界已开发出多种检测手段，这些方法大多用于理想介质如水样中的微纳塑料（MNPs）分析，而在复杂生物样本中识别MNPs仍面临巨大挑战。由于生物体中MNPs的最小粒径往往大于水中检测到的最小值，传统方法的局限性可能掩盖其真实暴露水平。因此，发展高灵敏度、适用于多种组织类型的检测技术，成为环境毒理和人类健康评估的核心诉求。

在此，中国海洋大学赵建教授联合江南大学王震宇教授、麻省大学安姆斯特分校邢宝山教授合作发表综述论文，首先介绍了目前常用以及新近发展的一些微纳塑料检测技术，并分析了它们的优缺点。接着，作者聚焦于在真实采样的生物体中对微纳塑料的体内（in vivo）和体外（in vitro）检测，并针对不同类型生物，提出了样本预处理和检测方面的建议。作者还讨论了微纳塑料在人体内的检测和分布方面的最新研究进展，以及它们与疾病之间的潜在关联。随后，作者提出了一些新策略，基于微纳塑料的物理化学性质和形态特征，对其在生物系统中的分布进行追踪和定量分析。最后，作者探讨了机器学习模型如何提升微纳塑料的识别与特征分析效率。相关成果以“Detection and characterization of microplastics and nanoplastics in biological samples”为题发表在《Nature Reviews Bioengineering》上，赵建教授为第一作者，邢宝山教授和王震宇教授 为通讯作者。

探测技术发展迅猛，谱图与质谱并行推进

图1展示了MNPs检测技术的发展轨迹及功能分布（图1a, 1b）。从传统的傅里叶变换红外光谱（FTIR）、微红外（μ-FTIR）、微拉曼（μ-Raman）等方法，到焦平面阵列FTIR（FPA-μ-FTIR）和近红外高光谱成像（NIR-HSI），科学家不断提升对不同粒径范围和聚合物类型的识别能力。新兴技术如光热红外光谱（O-PTIR）和表面增强拉曼光谱（SERS）可将识别粒径进一步推进至纳米级，甚至可达20 nm。同时，热裂解-气质联用（Py-GC/MS）和高效液相-质谱联用（HPLC-MS/MS）等技术，则在定量分析方面展现出高灵敏度。

形貌表征方面，研究者采用了扫描电镜（SEM）、原子力显微镜（AFM）以及其与红外和拉曼的联合技术（如SEM-Raman、AFM-IR），可在纳米尺度下对MNPs进行成像与定性分析。此外，纳米粒子追踪分析（NTA）和库尔特计数器则为颗粒计数和粒径分布提供支持。对于追踪分布和迁移路径，激光扫描共 聚焦显微镜（LSCM）、刺激发射耗尽显微镜（STED）和高光谱成像（HSI）等技术也逐步投入使用。

图1：MNP在生物样品中的分析工作流程和开发检测技术的时间表

检测MNP的技术

图2展示了不同生物类群（无骨架类、含几丁质类、含纤维素类）MNPs提取与分析的流程（图2a–2c）。在自然采样生物体中，拉曼与SRS技术可用于非破坏性的原位检测。例如，研究团队利用μ-Raman在野生轮虫中识别出3–30 μm的微塑料，而SRS则克服了荧光干扰，在原生动物和桡足类中成功成像MNPs。此外，对于组织不透明的生物，如鱼类或昆虫，可通过蛋白酶K与H₂O₂对组织进行透明化处理，提高成像深度和信噪比。

体外检测方面，MNPs的丰度受生物种类、取样部位和处理方式影响较大。图2显示，针对脂肪含量高或含有复杂基质的样本，研究者采用了碱性（KOH）、氧化性（H₂O₂）、酸性（HNO₃ /HCl）及酶解（cellulase）等多种消化策略组合，并通过膜过滤和质谱技术进行富集和定量分析。这一流程提高了纳米级MNPs的回收率，如在野生蜗牛消化液中检测到的PMMA NPs回收率高达89.1%。

图2：改善三类生物体中MNP的消化，分离，富集和检测的策略。

MNPs在人体各系统中普遍分布

图3全面展示了MNPs在人体不同组织器官中的分布与丰度（图3a–3c）。借助LDIR技术，研究者发现骨髓中的MPs浓度高达19.72 MPs/g，PVC、PET和PP是最常见的聚合物类型。Py-GC/MS则揭示了动脉粥样斑块中的PE浓度高达21,700 μg/g，而大脑中的MNPs质量浓度也显著高于肝脏与肾脏。尺寸在0.65–1,750 μm之间的颗粒形态多样，说明MNPs可能通过不同路径进入循环系统甚至穿越血脑屏障。

MNPs的来源主要包括室内空气、饮用水、食物等 。如图中所示，人体呼吸系统中检测到的聚合物与室内空气中的种类高度一致；而消化系统中发现的MNPs也与常见饮食来源如鱼类、贝类、奶制品密切相关。这些发现为揭示MNPs体内迁移路径和外源来源提供了重要线索。

图3：人体中MNP的检测，浓度和分布

潜在致病性不容忽视：MNPs或与多种疾病相关

进一步研究指出，MNPs可能参与多种疾病的发生与发展。例如，在16例胆结石患者中，LDIR与Py-GC/MS分别检测到12.69 MPs/g和14.56 μg/g的MNPs。动物实验表明，暴露于10 mg/L MNPs的饮水可加速胆结石形成并导致肠道菌群失调。此外，研究还在子宫、精液、动脉斑块、前列腺肿瘤等组织中发现MNPs的存在，并与不育、心脑血管疾病等风险提升相关联。尽管尚无法确认因果关系，但这些结果提示MNPs在特定组织中可能具有病理意义。

可追踪塑料颗粒的设计与应用

图4介绍了用于毒理研究的标记策略，包括荧光、金属和同位素标记。荧光标记因易发生淬灭与染料泄露，已逐步向聚集诱导发光（AIE）材料和量子点演进。金属标记如金、钯、镧等则可通过ICP-MS或LA-ICP-MS实现高灵敏度检测。而同位素标记（如¹³C、²H、14C）具备长期稳定性和高信噪比，特别适合追踪NPs在复杂组织中的累积与降解过程。

研究者建议采用“核壳结构”避免标签对表面性质的影响，并以14 C标记为优选方案开展真实暴露实验。这类设计不仅有助于揭示颗粒在体内的迁移路径，还能用于探索其生物降解机理。

图4：MNP和相关检测技术的标记策略。

机器学习助力MNPs图谱识别

图5描绘了机器学习在MNPs检测中的应用框架。从图像预处理、分割、特征提取到分类识别，U-Net、ResNet和CNN等深度学习模型大幅提升了塑料颗粒的识别效率。例如，ResNet50可在数分钟内对100个MPs形态进行分类，大大节省人工识别时间。PlasticNet模型在识别废水处理厂样本中的MNPs准确率提升近50%。

此外，机器学习还被用于红外光谱和高光谱图像的解析，实现非预处理条件下对微纳塑料的快速分类与定量。特别是在自然样本中，由于生物膜和老化效应可能改变颗粒的光谱特征，因此需要建立涵盖老化MNPs的多维数据库，提升模型的泛化能力和可 追溯性。

图5：机器学习集成

小结与展望

当前，MNPs的检测方法在样品采集、消化、富集和分析等环节仍缺乏统一标准，影响了不同研究之间的可比性。未来亟需构建标准化操作流程，并加强对特殊类型塑料（如可降解塑料、混合聚合物和寡聚物）的监测能力。与此同时，建立“指纹数据库”，提升MNPs在复杂组织中的可追踪性，亦是推动毒理研究和临床诊断的核心路径。随着EUROqCHARM、AMAP、ISO等国际组织推动的标准化进程逐步深入，未来MNPs的风险评估、数据互通和监管将更为科学与高效。微纳塑料 污染不再仅仅是环境问题，它正转化为与人类健康息息相关的生物医学前沿话题。

来源：高分子科学前沿

声明：仅代表作者个人观点，作者水平有限，如有不科学之处，请在下方留言指正！