Abstract
Le submicroplastiche (SMP), particelle inquinanti derivanti dalla degradazione dei materiali e dai processi industriali, presentano numerose sfide nella loro caratterizzazione poiché i. Variano in composizione e dimensione e sono troppo piccole per essere identificate con strumenti ottici; ii. Sono onnipresenti; iii. Sono eterogenee, caratterizzate da dimensione, forma e morfologia uniche inquanto derivanti da una moltitudine di processi di degradazione; e, cosa più importante, iv. Le SMP cambiano identità nei mezzi di esposizione, poiché l'elevata area superficiale e la forte affinità di legame consentono la formazione di eco-corona e bio-corona sulla superficie delle particelle in diversi ambienti. La formazione della corona è spontanea, inevitabile e dipende dalle condizioni di esposizione e dalla composizione della matrice. Ad oggi, rimane in gran parte inesplorato il modo in cui la corona determina gli effetti biologici delle SMP. Sono necessari ulteriori sforzi per elaborare approcci generici o matrice-specifici adeguati all’analisi delle SMP e delle relative corone nei campioni ambientali e alimentari. Molte tecniche analitiche sono state impiegate o proposte per l'analisi delle SMP, tra cui imaging, spettroscopia e separazione, tutte con l'obiettivo di estrarre le SMP e caratterizzare il campione. Tuttavia, da questo approccio particle-oriented viene generata una moltitudine di set di dati che devono essere correlati per migliorarne l’informatività e ridurne la complessità. Allo stesso tempo, gli approcci chemiometrici multiblocco e di machine learning (ML) sono sorprendentemente inesplorati. DOMANI si propone di raggiungere due obiettivi ortogonali. Il primo è la comprensione delle eco-corone SMP attraverso la profilazione, il frazionamento e la caratterizzazione quali-quantitativa delle SMP nei mezzi di esposizione. Il secondo e più ambizioso è la progettazione di approcci di modellazione per profilare dinamicamente e riconoscere matrici quali acqua/cibo pulite ed inquinate in modalità fast-result/fast-action, creando strumenti di screening basati su analisi più semplici prima di ricorrere a strategie più dispendiose al livello di tempo, denaro e impatto ambientale. DOMANI unisce competenze interdisciplinari per ideare strategie matrix-oriented, sfruttando la metrologia e la chimica analitica, superficiale e colloidale e beneficiando della chemiometria, dell'analisi multiblocco e del Machine Learning.
Responsabile scientifico per il Dipartimento
Valentina Marassi (coordinatrice nazionale)
Partnership
IMM-INRIM – Torino (Italy)
CNR-ISSMC – Faenza (Italy)