走向可靠的数据:验证基于机器学习的方法,用于使用尼罗河红色染色来分析海洋生物中的微塑料
Nelle Meyers1, Gert Everaert2, Kris Hostens3
1Flanders Research Institute for Agriculture, Fisheries and Food (ILVO), Marine Research, InnovOcean Campus, Jacobsenstraat 1, 8400 Ostend, Belgium; Flanders Marine Institute (VLIZ), InnovOcean Campus, Jacobsenstraat 1, 8400 Ostend, Belgium; Ghent University, Laboratory of Environmental Toxicology and Aquatic Ecology, Faculty of Bioscience Engineering, Coupure Links 653, 9000 Ghent, Belgium.
Marine pollution bulletin
|September 6, 2024
概括
这项研究验证了一种具有成本效益的,半自动化的方法,用于分析海洋生物中的微塑料 (MP). 新的工作流改善了研究塑料污染的研究人员的数据可靠性和可比性.
科学领域:
- 环境科学 环境科学
- 分析化学 分析化学
- 海洋生物学 海洋生物学
背景情况:
- 目前的微塑料 (MP) 分析方法往往昂贵,耗时,容易出现错误.
- 在不同研究中数据质量的变化阻碍了微塑料研究的可比性.
- 迫切需要可靠且具有成本效益的MP分析技术.
研究的目的:
- 为了验证在海洋生物中微塑料分析的半自动化工作流.
- 用关键验证参数评估方法的性能.
- 提高微塑料研究数据的可靠性和可比性.
主要方法:
- 开发了一种半自动化工作流程,涉及尼罗河红色染色和机器学习.
- 环境相关的微塑料被入海洋鱼的胃肠道 (GIT) 和蓝组织中.
- 方法验证包括真实性,精度,不确定性,量化极限,特异性,灵敏性,选择性和稳定性.
主要成果:
- 鱼类GIT的恢复率为95 ± 9%,贝的恢复率为87 ± 11%.
- 聚合物识别准确度为鱼类GIT的76 ± 8%,贝的80 ± 13%.
- 聚乙烯二甲酸碎片的变化性更高,识别准确性更低.
结论:
- 经过验证的半自动化工作流提供了一种可靠且具有成本效益的微塑料分析方法.
- 拟议的验证参数有助于制定微塑料研究质量管理指南.
- 这种方法促进了更大的跨研究可比性,并支持了未来的研究努力.
