21 Oct 2026 Identificación y caracterización de microplásticos mediante espectroscopía de imágenes Raman
La contaminación por plásticos en los ambientes acuáticos es extremadamente perjudicial y actualmente está extendida por todo el mundo. La enorme producción mundial de plásticos, de 299 millones de toneladas por año,¹ vinculada al aumento del uso de
Microplásticos: espectroscopía de imágenes Raman | Guíalab
La contaminación por plásticos en los ambientes acuáticos es extremadamente perjudicial y actualmente está extendida por todo el mundo. La enorme producción mundial de plásticos, de 299 millones de toneladas por año,¹ vinculada al aumento del uso de productos desechables, combinada con la baja degradabilidad de los polímeros, ha contribuido a la acumulación de residuos plásticos en los hábitats naturales.²
A pesar de la durabilidad de los polímeros sintéticos, los artículos plásticos grandes pueden sufrir procesos de fragmentación, principalmente como consecuencia de la degradación mecánica causada por la abrasión con arena y otros materiales o por la acción de las olas, y esta fragmentación se ve favorecida por procesos fotoquímicos desencadenados por la luz UV-B.3,4,5 Los fragmentos plásticos más pequeños, con diámetros de 5 mm o menos, se han categorizado como microplásticos.6,7 Esta categoría se ha dividido además en microplásticos grandes (L-MPP, de entre 1 y 5 mm) y partículas microplásticas pequeñas (S-MPP ≤ 1 mm), con diámetros de 1 mm o menos.8
Los microplásticos pueden absorber tanto contaminantes orgánicos persistentes (COP) como metales pesados del agua y los sedimentos, y las partículas más pequeñas pueden ingresar en la red trófica,9,10 lo que representa un grave riesgo para la salud de la fauna silvestre y, en última instancia, de los seres humanos.
La identificación y cuantificación de los microplásticos constituyen importantes desafíos analíticos, y la falta de métodos analíticos oficiales dificulta la comparación entre distintos estudios. La mayoría de los estudios de investigación realizados hasta la fecha comienzan con una clasificación visual de las partículas bajo un estereomicroscopio para separar los posibles microplásticos de otros residuos.11
La principal limitación de la clasificación visual es el tamaño de las partículas: cuanto menor es el tamaño, mayor es la dificultad para discriminar los microplásticos de las partículas que interfieren.12,13 Por lo tanto, se recomienda encarecidamente analizar las partículas clasificadas mediante técnicas que permitan una identificación adecuada de los plásticos, como las técnicas espectroscópicas o la pirólisis-GC/MS (py-GC/MS), aunque estos enfoques son menos eficientes y no detectan las partículas microplásticas descartadas durante la clasificación visual.
Un estudio reciente14 indicó que las técnicas espectroscópicas, como FTIR, NIR y Raman, para la identificación y cuantificación de microplásticos aumentan la sensibilidad y la exactitud del análisis, pero existen pocos métodos que permitan un análisis rápido y fiable. En general, los enfoques espectroscópicos son análisis de un solo punto que no están automatizados; solo se han realizado unos pocos estudios de análisis de filtros semiautomatizados, que emplearon mapeo químico mediante µFTIR con detector MCT único15,16 para analizar solo algunas subáreas de la superficie del filtro y, más recientemente, µFTIR de imágenes basado en una matriz de plano focal (FPA) para escanear toda la superficie de un filtro pequeño con diámetro superior a 10 mm.17 Aunque este último enfoque proporcionó muy buenos resultados, con alta resolución lateral y que permitió detectar partículas de tan solo 20 µm, las micropartículas más pequeñas y las submicropartículas no pueden analizarse mediante técnicas µFTIR debido a fenómenos de difracción que se producen por debajo de 10 µm en FTIR. Otro inconveniente es el largo tiempo de análisis, que puede ser del orden de decenas de horas.18 Para superar estas limitaciones, la técnica más prometedora es la microscopía de imágenes Raman, que combina la alta resolución espacial característica de la microscopía Raman con la velocidad de una técnica de obtención de imágenes.
Este artículo presenta una simulación del análisis de partículas microplásticas utilizando materiales de referencia para proporcionar un modelo analítico ideal de posibles muestras ambientales.
Experimental
Materiales y métodos
Se utilizaron tres materiales de referencia diferentes para simular residuos microplásticos con distintos tamaños de partícula: partículas de polietileno de forma irregular tamizadas a 74 µm (Sigma-Aldrich S.r.l.); microesferas de poliestireno-divinilbenceno, PS-DVB (2 % de DVB; Sigma-Aldrich), tamizadas entre 37 y 74 µm; y microesferas de polietileno-dióxido de titanio, PE-TiO2, con un intervalo de tamaño de 27–45 µm (microesferas poliméricas opacas blancas de polietileno; densidad de 1,25 g/cm³; Cospheric LLC). Unos pocos miligramos de cada tipo de partículas se mezclaron con 0,5 L de agua y se filtraron a través de una membrana de policarbonato recubierta de oro (membrana Whatman® Nuclepore™ Track-Etched 800195), de 13 mm de diámetro y tamaño de poro de 0,8 µm.
Después de la filtración, la membrana se secó en una estufa a 60 °C durante 2 h antes de las mediciones de microscopía Raman, para evitar que el filtro se contrajera bajo la iluminación láser. Luego, el filtro se colocó entre dos cubreobjetos de vidrio delgados (de 180 µm de espesor) para mejorar su planitud y se midió en modo confocal con el microscopio de imágenes Raman Thermo Scientific™ DXR™2xi. Se eligió el filtro de oro por su versatilidad, ya que puede utilizarse tanto para mediciones Raman como para mediciones de microscopía infrarroja.
Análisis Raman
Los datos Raman se recopilaron utilizando el microscopio de imágenes Raman DXR3xi y el software de imágenes Raman Thermo Scientific™ OMNIC™xi correspondiente. El microscopio Raman DXR3xi puede recopilar hasta 600 espectros por segundo, lo que permite analizar toda la superficie de un filtro.
Este enfoque amplía considerablemente las posibilidades analíticas para los microplásticos y los submicroplásticos, hasta el rango de los nanoplásticos, y también reduce significativamente el tiempo de análisis. Este aumento de la velocidad de adquisición significa que la obtención de imágenes Raman de grandes áreas ahora no solo es práctica, sino que puede convertirse en una rutina. El software OMNICxi también representa una evolución del software diseñado específicamente para la obtención de imágenes y proporciona una interfaz gráfica cómoda y fácil de usar para aprovechar todos los datos adicionales. El software también contiene potentes algoritmos analíticos para procesar los datos y convertirlos en imágenes Raman informativas en tiempo real. Durante la adquisición de datos, se utiliza la resolución multivariante de curvas (MCR) para calcular el número, la concentración relativa y la distribución de los componentes de una mezcla desconocida sin información previa.
Resultados de las imágenes Raman
El filtro de oro de 13 mm tiene un área activa de 10 mm de diámetro que puede analizarse fácilmente mediante imágenes con el microscopio Raman DXR3xi. Se seleccionó un área de 10 mm × 10 mm, como se muestra mediante el marco rojo en la Figura 1A, y se utilizó un objetivo de 10× para escanear toda la superficie activa. La velocidad de adquisición fue de 400 Hz (400 espectros/segundo) y se recogieron 13 exposiciones en cada punto utilizando un láser de 532 nm, una potencia láser de 10 mW medida en la muestra y una apertura de pinhole de 25 µm. El tamaño de píxel de la imagen fue de 10 µm y se adquirieron más de 600.000 espectros. Las Figuras 1B, 1C y 1D muestran, respectivamente, la distribución de las partículas microplásticas de PE, PS-DVB y PE-TiO2 sobre la superficie del filtro después de adquirir la imagen espectral Raman. La identificación de las partículas se realizó utilizando la herramienta de búsqueda en bibliotecas del software OMNICxi.
El modo de adquisición del software OMNICxi permite obtener una exposición sobre toda la región de interés, lo que posibilita una visualización rápida de la información química en toda la imagen. La calidad de la imagen puede mejorarse sumando exposiciones a la primera exposición, con el mismo modo de adquisición. Esta función permite al usuario observar distintos tipos de información química, como la altura del pico, el área del pico, la posición del pico, la relación entre áreas de picos, la relación entre alturas de picos y MCR durante la adquisición, y detener el experimento tan pronto como se obtiene la información deseada.
Figura 1: A, imagen óptica del filtro de oro; B, distribución de partículas de PE de forma irregular, resaltadas en verde; C, distribución de PS-DVB, resaltadas en azul; D, distribución de microesferas de PE-TiO2, resaltadas en rojo.
Los espectros de los tres materiales particulados de referencia de microplásticos se muestran en la Figura 2 y se utilizaron para crear una biblioteca. La capacidad de búsqueda del software de imágenes Raman OMNICxi, que permite identificar partículas mediante bibliotecas incorporadas, se ilustra en la Figura 3.
El análisis de los espectros Raman destaca el valor de la microscopía Raman en comparación con la microscopía infrarroja. La microscopía Raman no solo tiene una mejor resolución espacial que la microscopía infrarroja, sino que también permite identificar el aditivo plástico dióxido de titanio (TiO2) en este caso específico, ya que mediante la espectroscopía Raman se puede acceder al rango de bajo número de onda hasta 50 cm-1. La identificación y cuantificación del TiO2 son importantes debido a estudios recientes sobre su toxicidad potencial18 y porque se utiliza ampliamente en materiales de envasado, así como en cosméticos como cremas exfoliantes, pasta dental y otros productos comunes de uso extendido. El detector infrarrojo FPA, que se utiliza con mayor frecuencia para esta aplicación, tiene un límite inferior de 900 cm-1 y, por lo tanto, no es adecuado para determinar TiO2.
El análisis de mapas mediante el algoritmo MCR calcula la distribución y el tamaño de las tres partículas estándar y facilita la visualización de cada material de referencia con un color diferente. La Figura 1 muestra la imagen completa del filtro con los materiales particulados identificados, mientras que la Figura 4B muestra una ampliación de una región específica donde se puede apreciar cómo el análisis Raman permite identificar partículas pequeñas.
Figura 2: Espectros Raman de los estándares de microplásticos: PE, polietileno; PE-TiO2, polietileno-dióxido de titanio; PS-DVB, poliestireno-divinilbenceno.
Figura 3: Identificación de partículas desconocidas mediante la búsqueda en biblioteca de los estándares de microplásticos.
Figura 4: B, distribución de partículas de PE de forma irregular; C, distribución de PS-DVB; D, distribución de microesferas de PE-TiO2. Ampliación de una región específica de la Figura 1 para destacar la resolución de imagen química alcanzable con un tamaño de píxel de 10 µm.
La Figura 5 muestra un mapa de aproximadamente 1,5 mm × 2 mm, adquirido con un tamaño de píxel de imagen menor, de 3 µm, y un objetivo de larga distancia de trabajo de 50×. Se utilizaron los mismos parámetros de adquisición; se recogieron tres exposiciones para cada punto y se adquirieron más de 400.000 espectros. El menor tamaño de píxel mejora la calidad de la imagen y permite identificar correctamente la forma circular de las microesferas estándar más pequeñas de PE-TiO2, como se muestra en la Figura 5D. Estas partículas no estaban bien definidas en el mapa anterior. El software OMNICxi permite al usuario ver la imagen química superpuesta a la imagen óptica y controlar su transparencia, lo que permite una correlación directa entre la imagen y la información química.
Figura 5: A, imagen óptica del filtro de oro; B, distribución de partículas de PE de forma irregular, resaltadas en verde; C, distribución de PS-DVB, resaltadas en azul; D, distribución de microesferas de PE-TiO2, resaltadas en rojo. Superposición de las imágenes óptica y química para una correlación directa entre la imagen de la muestra y la información química.
Conclusión
Este artículo ilustra cómo puede utilizarse la microscopía de imágenes Raman para analizar e identificar partículas microplásticas pequeñas. Presenta una alternativa válida y, en algunos casos, una técnica más atractiva que la microscopía de imágenes infrarrojas. De hecho, la microscopía Raman permite analizar partículas de tamaño inferior a 1 micrón e identificar correctamente materiales plásticos, así como materiales inorgánicos como el dióxido de titanio u otros aditivos.
Agradecimientos
Agradecemos al Consejo Nacional de Investigación, Unidad de Padua (CNR-IDPA, Venecia), por proporcionar el estándar de micropartículas y por las fructíferas conversaciones científicas.
M. Rocchia¹, I. Ruff² y A. Vianello³
¹ Thermo Fisher Scientific, stradaRivoltana, I-20090 Milán, Italia; ² Thermo Fisher Scientific, Im Steingrund 4-6, 63303 Dreieich, Alemania; ³ National Research Council – Institute for the Dynamics of Environmental Processes, Corso Stati Uniti 4, 35127 Padua, Italia.
Referencias
1. PlasticsEurope. Plastics – The Facts 2014/2015. An Analysis of European Plastics Production, Demand and Waste Data. http://www.plasticseurope.org/documents/document/20150227150049-final_plastics_the_facts_2014_2015_260215.pdf (consultado el 26 de julio de 2015).
2. Barnes, D.K.; Galgani, F.; Thompson, R.C.; Barlaz, M. Accumulation and Fragmentation of Plastic Debris in Global Environments. Philos. Trans. R. Soc. London, Ser. B. 2009, 364 (1526), 1985-1998.
3. Andrady, A.L. Microplastics in the Marine Environment. Mar. Pollut. Bull. 2011, 62 (8), 1596-1605.
4. Cooper, D.; Corcoran, P.L. Effects of Mechanical and Chemical Processes on the Degradation of Plastic Beach Debris on the Island of Kauai, Hawaii. Mar. Pollut. Bull. 2010, 60 (5), 650-654.
5. Corcoran, P.L.; Biesinger, M.C.; Grifi, M. Plastics and Beaches: A Degrading Relationship. Mar. Pollut. Bull. 2009, 58 (1), 80-84.
6. Moore, C.J. Synthetic Polymers in the Marine Environment: A Rapidly Increasing, Long-Term Threat. Environ. Res. 2008, 108 (2), 131-139.
7. Thompson, R.C.; Olsen, Y.; Mitchell, R.P.; Davis, A.; Rowland, S.J.; John, A.W.G.; McGonigle, D.; Russell, A.E. Lost at Sea: Where is All the Plastic? Science. 2004, 304 (5672), 838.
8. Imhof, H.K.; Schmid, J.; Niessner, R.; Ivleva, N.P.; Laforsch, C. A Novel, Highly Efficient Method for the Separation and Quantification of Plastic Particles in Sediments of Aquatic Environments. Limnol. Oceanogr.: Methods. 2012, 10 (7), 524-537.
9. Farrell, P.; Nelson, K. Trophic Level Transfer of Microplastic: Mytilus edulis (L.) to Carcinus maenas (L.). Environ. Pollut. 2013, 177, 1-3.
10. Setälä, O.; Fleming-Lehtinen, V.; Lehtiniemi, M. Ingestion and Transfer of Microplastics in the Planktonic Food Web. Environ. Pollut. 2014, 185, 77-83.
11. Hidalgo-Ruz, V.; Gutow, L.; Thompson, R.C.; Thiel, M. Microplastics in the Marine Environment: A Review of the Methods Used for Identification and Quantification. Environ. Sci. Technol. 2012, 46 (6), 3060-3075.
12. Dekiff, J.H.; Remy, D.; Klasmeier, J.; Fries, E. Occurrence and Spatial Distribution of Microplastics in Sediments from Norderney. Environ. Pollut. 2014, 186, 248-256.
13. Fries, E.; Dekiff, J.H.; Willmeyer, J.; Nuelle, M.-T.; Ebert, M.; Remy, D. Identification of Polymer Types and Additives in Marine Microplastic Particles using Pyrolysis-GC/MS and Scanning Electron Microscopy. Environ. Sci.: Processes Impacts. 2013, 15 (10), 1949-1956.
14. Song, Y.K.; Hong, S.H.; Jang, M.; Han, G.M.; Rani, M.; Lee, J.; Shim, W.J. A Comparison of Microscopic and Spectroscopic Identification Methods for Analysis of Microplastics in Environmental Samples. Mar. Pollut. Bull. 2015, 93 (1-2), 202-209.
15. Harrison, J.P.; Ojeda, J.J.; Romero-González, M.E. The Applicability of Reflectance Micro-Fourier-Transform Infrared Spectroscopy for the Detection of Synthetic Microplastics in Marine Sediments. Sci. Total Environ. 2012, 416, 455-463.
16. Vianello, A.; Boldrin, A.; Guerriero, P.; Moschino, V.; Rella, R.; Sturaro, A.; Da Ros, L. Microplastic Particles in Sediments of Lagoon of Venice, Italy: First Observations on Occurrence, Spatial Patterns and Identification. Estuarine, Coastal and Shelf Science. 2013, 130, 54-61.
17. Löder, M.G.J.; Kuczera, M.; Lorenz, C.; Gerdts, G. Focal Plane Array Detector-Based Micro-Fourier-Transform Infrared Imaging for the Analysis of Microplastics in Environmental Samples. Environ. Chem. 2015, 12 (5), 563-581.
18. Shi, H.; Magaye, R.; Castranova, V.; Zhao, J. Titanium Dioxide Nanoparticles: A Review of Current Toxicological Data. Part. Fibre Toxicol. 2013, 10 (15), 1-33.
¿Necesitás cotizar microscopios raman? Buscá proveedores:
Seguir leyendo: