تم التنزيل عبر جامعة فريي برلين في 21 مارس 2024 الساعة 12:54:03 (UTC).
انظرhttps://pubs.acs.org/sharingguidelinesلخيارات حول كيفية مشاركة المقالات المنشورة بشكل قانوني.

استشهد بهذا: Environ. Sci. Technol. 2024، 58، 4060-4069
اقرأ على الإنترنت

الكلمات الرئيسية: تلوث الميكروبلاستيك، الميكروبلاستوم، التوقيع متعدد الأبعاد، التوصيف الجماعي، تقييم المخاطر، تحديد المصادر

تلوث الجسيمات البلاستيكية الدقيقة (الجسيمات البلاستيكية) )، كتهديد حرج لحدود الكوكب، هو حالياً قضية بيئية عالمية تثير قلقاً عالياً. توجد الجسيمات البلاستيكية الدقيقة في جميع مكونات النظام البيئي غير الحية (بما في ذلك المائية، والبرية، والجو) والبيولوجية (بما في ذلك النباتات، والحيوانات، والبشر) على الأرض. نظرًا للزيادة المستمرة في الإنتاج السنوي والتخلص من المنتجات البلاستيكية ومع إعادة التدوير وإعادة الاستخدام المحدود، فضلاً عن ضعف قابلية تحلل المواد، تمثل هذه المشكلة البيئية تحديًا كبيرًا يصعب عكسه. يمكن أن تؤثر الجسيمات البلاستيكية الدقيقة على جودة البيئة والصحة البيولوجية من خلال خصائصها الفيزيائية والكيميائية الخاصة وتفاعلاتها مع المواد الكيميائية والميكروبات في الوسط المحيط. على وجه الخصوص، تسافر هذه الجسيمات الحاملة للمواد الممتصة مثل المواد الكيميائية والميكروبات عبر المكونات الحية وغير الحية، مما يؤدي إلى تأثيرات تلوث مشتركة. علاوة على ذلك، تأثير ديون السمية (العواقب المحتملة على المدى الطويل لتدهور البلاستيك وإطلاق التلوث) للميكروبلاستيك
يؤدي إلى ذروة سُمّية محتملة في المستقبل. بجانب طبيعة الانتشار والسمية البيئية، تُعرف مشكلة تلوث الميكروبلاستيك بتعقيدها العالي. تتميز الميكروبلاستيك الملوثة بتنوع كبير في الخصائص الفيزيائية والكيميائية بما في ذلك الحجم، الشكل، نوع البوليمر، الإضافات، مدة الشيخوخة، والمواد المرتبطة. لقد تم إثبات أن التباينات في هذه الجوانب من الميكروبلاستيك لها مصائر مميزة وتؤدي إلى عواقب وتأثيرات بيئية مختلفة. نظرًا لأن تلوث الميكروبلاستيك في العالم الحقيقي هو مجموعة مختلطة من جزيئات متنوعة والملوثات المرتبطة بها، هناك حاجة إلى نهج أكثر شمولية لأبحاث الميكروبلاستيك الفعالة لدعم السياسات العامة.

تكنولوجيا الكشف عن الميكروبلاستيك تتقدم حاليًا بسرعة كبيرة. التطبيق الناجح وتحسين تقنيات الكشف المتقدمة، مثل مطيافية الكتلة (MS) والأشعة تحت الحمراء الدقيقة بتقنية فورييه ( طيفية FTIR، ميكرو-رامان لقد عززت تقنيات التحليل الطيفي (رامان)، وتحليل الطيف المباشر بالأشعة تحت الحمراء (LD-IR)، وصبغة نيل الأحمر (NR) الفلورية، بالإضافة إلى تركيباتها، بشكل كبير من كفاءة تحديد وقياس الميكروبلاستيك في العينات البيولوجية والبيئية المعقدة. علاوة على ذلك، مع تطور الذكاء الاصطناعي (AI)، فإن التعرف التلقائي وتصنيف الميكروبلاستيك استنادًا إلى التعلم الآلي أصبح أيضًا أكثر تطورًا. يسهل التقدم السريع في تكنولوجيا الكشف عن الميكروبلاستيك وتحليلها الحصول على بيانات واسعة عن الميكروبلاستيك. في هذا السياق، يصبح من الضروري بشكل خاص الاقتراب من أبحاث الميكروبلاستيك من منظور شامل لكشف توزيع الميكروبلاستيك ومصيرها وأنماط نقلها، فضلاً عن تأثيراتها على البيئة والكائنات الحية.

في أعمال سابقة، من خلال إقامة تشابه بين الميكروبلاستيك والمجتمعات الميكروبية، قدمنا مفهوم “مجتمع الميكروبلاستيك” وقمنا بتوصيف الميكروبلاستيك البيئي عبر أنواع مختلفة من النظم البيئية. استنادًا إلى مبادئ معالجة البيانات متعددة الأبعاد
تم استخدامه بشكل متكرر في أبحاث علم البيئة المجتمعية، احتفظنا بالطبيعة متعددة الأبعاد لتلوث الميكروبلاستيك وحققنا في التباين والروابط بين الميكروبلاستيك في أنواع النظم البيئية المختلفة. لقد تم التعرف على مفهومنا ومنهجيتنا على نطاق واسع واعتمادها في الدراسات اللاحقة حول الميكروبلاستيك البيئي.
بينما نستخدم مصطلح “مجتمع الميكروبلاستيك”، أدركنا وجود مصدر محتمل للارتباك لبعض الباحثين الذين قد يسيئون فهمه كإشارة إلى المجتمع الميكروبي المرتبط بالميكروبلاستيك، والذي يتم التعبير عنه بشكل أفضل بمصطلح “مجتمع الميكروبات البلاستيكية”. هذا القلق دفعنا للبحث عن مصطلح أكثر ملاءمة للدلالة على مجموع الميكروبلاستيك في موقع معين في وقت محدد. اللاحقة “-وم” تشير تقليديًا إلى “جميع المكونات التي تُعتبر بشكل جماعي”، مما يدل على نهج شامل ومنهجي لدراسة وتصنيف المكونات والعمليات أو الكيانات المختلفة ضمن سياق معين. لقد اكتسبت هذه اللاحقة قبولًا واسعًا عبر مجالات البحث المتنوعة، متجاوزةً تطبيقها الأصلي في توصيف مجموعات الجزيئات البيولوجية مثل الجينوم، والترانسكريبتوم، والبروتيوم. تشمل الأمثلة الميتالوم (بما في ذلك تقسيمات مثل الإنفايروميتالوم والأغرو-ميتالوم). والإكسبوزوم. بناءً على هذا الأساس، نقترح بموجب هذا المصطلح الجديد “الميكروبلاستوم”، مع نطاق أوسع
أكثر معنى من “مجتمع الميكروبلاستيك” السابق، الذي تم تعريفه على أنه “مجموعة كاملة من جزيئات البلاستيك المختلفة ( )، والمسائل المرتبطة بها مثل المواد الكيميائية والميكروبات، الموجودة داخل عينة، وتأثيراتها البيئية والسمية العامة”. مع هذا المفهوم الجديد، نهدف إلى التأكيد على أهمية تصنيف وقياس الميكروبلاستيك وتأثيراتها في كل من العينات البيئية والبيولوجية (الشكل 1). مستمدًا من هذه العدسة الجديدة، نحدد بعض الأفكار الجديدة أدناه بشأن أبحاث الميكروبلاستيك باستخدام منظور شامل للمساعدة في تحديد وتقييم التأثيرات الواقعية للميكروبلاستيك.

تتطلب وصف ومقارنة تلوث الميكروبلاستيك عبر الزمن والمكان منظورًا شاملاً بشأن خصائصها متعددة الأبعاد، مثل الحجم، اللون، الشكل، البوليمر، الإضافات، زمن الشيخوخة، والمسائل المرتبطة. إن تجاهل التباينات والترابطات داخل التوقيعات التركيبية متعددة الأبعاد للميكروبلاستيك سيهمل معلومات قيمة. على سبيل المثال، تشير تركيبة متشابهة لميكروبلاستيكين إلى خاصية متجانسة لوسائطها البيئية المدمجة، فضلاً عن تشابه في ملفات مصادر التلوث. وبالمثل، يمكن أن تشير التباينات في تركيبة الميكروبلاستيك إلى اختلافات في المصفوفات البيئية أو تفاوتات في مصادر التلوث وتأثيراتها المختلفة على النظم البيئية وسكانها. علاوة على ذلك، قد تشير العلاقة الكبيرة بين التباينات التركيبية إلى إمكانية انتقال أو تبادل الميكروبلاستيك بين الموقعين أو تدفقات عبر النظم البيئية. سيساعد دراسة أنماط الديناميات والتركيبات للميكروبلاستيك مع الحفاظ على ميزاتها متعددة الأبعاد في توضيح المصادر، والمصير، وآليات النقل للميكروبلاستيك، مما يكون له أهمية كبيرة لدعم إدارة المخاطر الفعالة.

يمكن استخدام أدوات تحليل البيانات متعددة الأبعاد لاستكشاف الديناميات والروابط للميكروبلاستيك تحت سيناريوهات مختلفة، بما في ذلك مواقع مختلفة، وأقسام النظام البيئي، أو مقاييس زمنية. على سبيل المثال، يمكن أن تساعد تحليل المكونات الرئيسية (PCA)/تحليل الإحداثيات الرئيسية (PCoA) في تصور التباينات التركيبية (غير) المتشابهة للميكروبلاستيك في عينات مختلفة ومجموعات مختلفة. عند تحليل بيانات تركيبة نوع الميكروبلاستيك جنبًا إلى جنب مع العوامل البيئية الخارجية مثل الخصائص الفيزيائية والكيميائية المحيطة والعوامل البشرية، يمكن أن تكون أدوات مثل تحليل التكرار (RDA) واختبار مانتل مفيدة في تحديد العوامل المحتملة التي تؤثر على تباين الميكروبلاستيك. يسمح تحديد المحركات الرئيسية وراء تركيبات الميكروبلاستيك عالية المخاطر باتخاذ إجراءات مستنيرة للتخفيف من هذه المخاطر (تتم مناقشة الطرق لتحديد مستوى خطر الميكروبلاستيك مع ميزات تركيبية متغيرة في القسم التالي).

ما يحتاج إلى التأكيد عليه هو الإمكانات الكبيرة لتطبيق التعلم الآلي في أبحاث الميكروبلاستيك. من ناحية، استنادًا إلى الميزات التركيبية الفيزيائية والكيميائية للميكروبلاستيك في عينات معروفة تحت سيناريوهات مختلفة، يمكننا تطوير نماذج تعلم آلي، مثل الغابة العشوائية، وآلة الدعم الناقل، والتعلم العميق، لتحديد التغيرات الأكثر تمثيلًا في تركيبة نوع الميكروبلاستيك الناتجة عن المتغيرات المعروفة. يساعد ذلك في توضيح خصائص التلوث وآليات توزيع الميكروبلاستيك في سيناريوهات مختلفة. من ناحية أخرى، يمكن استخدام هذه النماذج، بمجرد تدريبها على الميزات التركيبية
للميكروبلاستيك من سيناريوهات معروفة، لاستنتاج مصادر العينات غير المعروفة بناءً على تركيبة نوع الميكروبلاستيك الخاصة بها. علاوة على ذلك، فإن تدريب هذه النماذج على تركيبات وأنواع الميكروبلاستيك المعروفة وتركيزاتها تحت ظروف بيئية محددة يمكّن من التنبؤ بحالة تلوث الميكروبلاستيك من خلال إدخال المعلمات البيئية. يتم تفصيل التطبيقات المحتملة للتعلم الآلي في تقييم المخاطر وتوزيع المصادر في الأقسام التالية.

تعكس تنوع الميكروبلاستيك التعقيد الكامن في تلوث الميكروبلاستيك داخل المصفوفات غير الحية والحية وتبرز أيضًا التحديات الكبرى في مراقبة وإدارة الميكروبلاستيك (الشكل 1). قد يشير تنوع أعلى من أنواع الميكروبلاستيك إلى مجموعة أوسع من مصادر التلوث ويبرز صعوبات الإدارة الفعالة لكل من المصادر النقطية وغير النقطية. علاوة على ذلك، في الحالات التي تتكون فيها مجموعة التلوث من تنوع أكبر من أنواع الميكروبلاستيك، يتطلب معالجة تلوث الميكروبلاستيك النظر في مجموعة من الاستراتيجيات لإزالتها. لذلك، فإن تنوعها يعني أيضًا التعقيدات المعنية في إدارة البيئة بعد الإطلاق. بالإضافة إلى ذلك، لا يزال غير واضح ما إذا كانت التباينات في تنوع أنواع الميكروبلاستيك يمكن أن تؤدي إلى تأثيرات مختلفة وما إذا كانت العلاقة بين تنوع النوع وتأثير الميكروبلاستيك محددة بالسيناريو والسياق. إذا كان الأمر كذلك، فهناك حاجة أكبر لتوصيف تنوع الميكروبلاستيك بشكل كمي في الأبحاث ذات الصلة للإشارة إلى شدة العواقب البيئية المحتملة، ويجب أن تنظر الأبحاث المستقبلية في الروابط بين تنوع الميكروبلاستيك والعواقب البيئية في سيناريوهات مختلفة. في دراستنا السابقة، أنشأنا مؤشر تنوع الميكروبلاستيك المتكامل (MDII) مع الأخذ في الاعتبار الأبعاد المتعددة معًا (المعادلة 1)، والتي يمكن أن تعطي توصيفًا شاملاً نسبيًا وكميًا لتعقيد الميكروبلاستيك البيئي

حيث هو عدد أبعاد الميزات للميكروبلاستيك، وSimpson هو تنوع Simpson للميكروبلاستيك في البعد . تشمل أبعاد الميكروبلاستيك الحجم، اللون، الشكل، البوليمر، التركيب الكيميائي، الإضافات، زمن الشيخوخة، إلخ. مشابهًا لمؤشر Simpson، تتراوح قيمة MDII أيضًا من 0 إلى 1، مع تمثيل القيمة الأعلى تنوعًا أعلى.
علاوة على ذلك، يعتمد تحليل التركيب وتنوع الميكروبلاستيك على الوفرة النسبية لأنواع الميكروبلاستيك المختلفة بغض النظر عن كمياتها المطلقة. هذا يعالج بشكل فعال عقبة ضعف القابلية للتكرار والمقارنة للتحليلات الكمية للميكروبلاستيك عبر المختبرات والبيئات المختلفة – الناتجة عن بروتوكولات الدراسة غير المتسقة. داخل التحقيقات الفردية، من المهم إجراء ملف تعريف شامل لتوصيف ظروف الميكروبلاستيك في العينات البيئية أو البيولوجية من حيث الوفرة/التركيز، تنوع النوع، والأنماط، والديناميات، والعوامل المحركة للتوقيعات التركيبية.

فهم التأثيرات البيئية والصحية العامة المحتملة لتلوث الميكروبلاستيك هو شرط أساسي لتقييم شامل لمخاطرها. علاوة على ذلك، فإن تقييم مخاطر الميكروبلاستيك أمر ضروري لتحديد النقاط الساخنة والأوقات الساخنة التي تحتاج إلى أولوية للإدارة الفعالة. نظرًا لأن التغيرات في الميزات، مثل الحجم، اللون، الشكل، البوليمر، والمسائل المرتبطة، للميكروبلاستيك يمكن أن تؤدي إلى تأثيرات بيئية مختلفة، قد يؤدي التلوث بتركيزات قابلة للمقارنة من الميكروبلاستيك إلى عواقب بيئية مختلفة جدًا بسبب الاختلافات التركيبية (الشكل 1). في ضوء هذا التأثير المختلط، يتطلب تقييم مخاطر الميكروبلاستيك الاعتراف بطبيعته المختلطة وتعقيده الفريد ولا يمكن الاعتماد فقط على بيانات التركيز. إذا استطعنا تخصيص درجة خطر لكل نوع من الميكروبلاستيك، واستنادًا إلى الوفرة النسبية لكل نوع من الميكروبلاستيك بالإضافة إلى الوفرة المطلقة، والكتلة، أو حجم مجموعة الميكروبلاستيك بالكامل، فقد نحصل على تقييم شامل نسبيًا، مع الأخذ في الاعتبار الميزات متعددة الأبعاد لجزيئات البلاستيك وتأثيراتها السمية البيئية المتفاوتة (المعادلات 2 و3، المقترحة من هذه الدراسة)

حيث (مؤشر الخطر البعدي) هو مؤشر الخطر للميكروبلاستيك في بعد معين (مثل الحجم، الشكل، أو البوليمر)، هو عدد أنواع الميكروبلاستيك في هذا البعد، الوفرة هو الوفرة النسبية لنوع من الميكروبلاستيك، ودرجة هو درجة خطر نوع الميكروبلاستيك

حيث هو مؤشر الخطر العام للميكروبلاستوم، الكمية هي الوفرة المطلقة، الكتلة، أو الحجم من إجمالي الميكروبلاستيك لكل وحدة كتلة أو حجم من العينة، هو عدد أبعاد الميزات للميكروبلاستوم، و هو قيمة الخطر للميكروبلاستوم في البعد . تشمل أبعاد الميكروبلاستوم الحجم، اللون، الشكل، التركيب البوليمري، المضافات، وقت الشيخوخة، إلخ.

من بين المعلمات الكمية الثلاث (الوفرة المطلقة، الكتلة، والحجم)، يجب أن تكون الوفرة المطلقة التي تم قياسها بعدد الأفراد هي الأكثر كفاءة من حيث العمل وكذلك الأكثر انخفاضًا في حد الكشف لحجم الجسيمات، والتي يمكن تحديدها بدقة وسرعة أكبر مع تطوير تكنولوجيا تحديد الميكروبلاستيك عالية الإنتاجية. الحجم، الذي يتضمن الخصائص ثلاثية الأبعاد (3D) للميكروبلاستيك، هو ربما المقياس الأكثر شمولاً. يمكن تقدير الحجم الكلي للميكروبلاستوم باستخدام نموذج بارشيسي الذي تم إنشاؤه حديثًا. حاليًا، لا يزال تصنيف أو تقييم خطر الميزات المختلفة للميكروبلاستيك بدقة يمثل تحديًا. قام بوشي وروشمان مؤخرًا بتصنيف خطر أنواع مختلفة في كل بعد من أبعاد الميكروبلاستيك (بما في ذلك الحجم، الشكل، البوليمر، والكيمياء البيئية للوسط) بناءً على الأدبيات وفهمهم. يقدم هذا العمل معلومات عملية لتصنيف خطر ميزات الميكروبلاستيك بناءً على مجموعة المعرفة المتاحة حاليًا. هناك حاجة إلى جهود بحثية مستقبلية لإنشاء نظام تصنيف أو تقييم شامل ومُحسن لميزات الميكروبلاستيك المتنوعة.
يمكن تحقيق ذلك من خلال تجارب سمية بيئية تركز على بعد معين مع الحفاظ على الأبعاد الأخرى ثابتة، مما يؤدي في النهاية إلى تحليل التأثير الجماعي والمستقل لكل بعد على (السمية) البيئية. من الجدير بالذكر أن تصنيف أو تقييم خطر ميزات الميكروبلاستيك يحتاج إلى أخذ في الاعتبار كل من التأثيرات المباشرة وغير المباشرة بما في ذلك تفاعلاتها مع ملوثات كيميائية أخرى والميكروبات في بيئتها المباشرة. كما يجب أخذ العواقب طويلة الأجل لتدهور البلاستيك وإطلاق التلوث في الاعتبار في تقييم الخطر.
على الرغم من أننا نقدم نموذج تقييم خطر محتمل للميكروبلاستيك مع الأخذ في الاعتبار ميزاتها متعددة الأبعاد وتركيبتها المختلطة، إلا أنه لا يزال تبسيطًا لما يبدو عليه الميكروبلاستيك في العالم الحقيقي. لا يمكن معادلة التأثيرات العامة للميكروبلاستوم بالكامل، سواء كانت جسدية أو كيميائية أو بيولوجية، بمجموع التأثيرات الفردية. قد تحدث تأثيرات متضادة أو تآزرية عندما يتم تجميع أنواع مختلفة من الميكروبلاستيك. على سبيل المثال، يمكن أن تغطي التأثيرات الفيزيائية للتجمعات التي تتشكل بواسطة الميكروبلاستيك الليفي المتشابك أشكالًا أخرى من الميكروبلاستيك الموجودة فيها، وقد تحدث تفاعلات كيميائية بين المضافات الناتجة عن تدهور أنواع مختلفة من الميكروبلاستيك. لذلك، لفهم الخطر الفعلي الذي تشكله الميكروبلاستيك بالكامل، فإن دراسة ونمذجة من منظور شامل أمر ضروري في المستقبل.

لتحقيق ذلك، سيتم استخدام تقييم الميكروبلاستوم الكامل للتجارب السمومية البيئية ذات الصلة بدلاً من تقييد الدراسات إلى بوليمرات أو أشكال أو أحجام فردية. يمكن الحصول على الميكروبلاستوم الكامل إما عن طريق استخراج خلطات الميكروبلاستيك من عينات فعلية أو عن طريق تكوين أنواع تمثيلية من الميكروبلاستيك بناءً على التركيز المعروف والميزات التركيبية للميكروبلاستيك في البيئة المستهدفة (تم مناقشة طرق الحصول على خصائص تلوث الميكروبلاستيك في القسم السابق.). إن استخدام هذه الميكروبلاستومات المعدة للتجارب الميكروسكوبية يسهل التقاط تأثيراتها السمومية البيئية في العالم الحقيقي. ومن المشجع أن الأبحاث الحديثة بدأت في الاستفادة من هذه الفكرة، ساعية إلى إعادة بناء التأثيرات البيئية للميكروبلاستيك المعقدة في البيئات البيئية الفعلية. من خلال تعديل التركيبة (تعديل النسب النسبية لأنواع مختلفة من الميكروبلاستيك) مع تركيز ثابت وتعديل التركيز مع تركيبة ثابتة، يمكن تطوير نموذج تأثير التركيز-التركيب باستخدام التعلم الآلي. يمكّننا هذا النموذج من تحديد أي التوقيعات التركيبية تشكل خطرًا أكبر وتحديد أنواع الميكروبلاستيك الرئيسية التي تهيمن على التأثيرات السمومية البيئية العامة. من خلال دمج العوامل البيئية الخارجية، مثل الخصائص الفيزيائية والكيميائية للوسائط والتأثيرات البشرية، يمكننا تمييز المحركات الخارجية لخطر الميكروبلاستيك. تساعد هذه الفهم في تحديد البيئات التي تكون عرضة بشكل خاص للميكروبلاستيك عالي الخطر وصياغة استراتيجيات تخفيف محتملة.

سيتم تحديد عتبات خطر تلوث الميكروبلاستيك لمستوى المجتمع البيولوجي من خلال إنشاء نماذج توزيع حساسية الأنواع (SSD) بناءً على تجارب سمية بيئية معقدة على مستوى الأنواع، والتي ستُعزز إذا كان يمكن دمج السلاسل الغذائية كآثار على مستوى النظام البيئي يتم تنظيمها بواسطة سلاسل غذائية معقدة في النظم البيئية. تُهمل تأثيرات الميكروبلاستيك على العمليات البيئية عادةً في

تقييمات المخاطر من وجهة نظر السموم البيئية. كعامل تغيير عالمي ناشئ، يمكن أن تغير الميكروبلاستيك الخصائص الفيزيائية والكيميائية للوسائط البيئية، وتتدخل في الدورة البيوجيوكيميائية للعناصر، وتؤثر على نمو المحاصيل وأمان الغذاء في النظم البيئية الأرضية والمائية. لذلك، يجب أيضًا أخذ العواقب البيئية في الاعتبار بشكل أكثر شمولاً للحصول على تقييم شامل لخطر الميكروبلاستيك. على سبيل المثال، يمكن دمج تأثير الميكروبلاستيك على (الميكرو)تنوع البيولوجي، وتخزين الكربون العضوي في النظام البيئي، وجودة المياه، وانبعاثات غازات الدفيئة، وعوائد المحاصيل كنقاط نهاية سمية بيئية. علاوة على ذلك، تختلف التأثيرات العامة الناتجة عن الميكروبلاستيك اعتمادًا على السيناريو (مثل نوع النظام البيئي ). من ناحية، قد تمارس الميكروبلاستيك في سيناريوهات مختلفة تأثيرات جسدية وكيميائية وبيولوجية متميزة بسبب تفاعلاتها مع المواد المحيطة ذات الخصائص المختلفة. من ناحية أخرى، حتى مع ظروف تلوث الميكروبلاستيك المتطابقة، يمكن أن يختلف التأثير العام بشكل كبير عبر مجموعات ومجتمعات وأنظمة بيئية مختلفة. لذلك، هناك حاجة إلى تحقيقات مستقبلية حول مخاطر الميكروبلاستيك تحت سيناريوهات مختلفة حتى يتمكن صانعو السياسات والمنظمون من تطوير إجراءات محددة للسيناريو. أخيرًا، من خلال الاستفادة من البيانات العامة المتاحة على نطاق واسع والتعلم الآلي، سنقوم بإنشاء أدوات قوية يمكن أن تُعلم مستوى الخطر في سيناريوهات محددة من خلال إدخال بيانات تركيز وتركيب الميكروبلاستيك.

إن فك شفرة مصادر التلوث وطرق النقل للميكروبلاستيك أمر حيوي لتطوير استراتيجيات دقيقة وتدابير مضادة لدعم الحد من التلوث والإدارة الفعالة. ومع ذلك، فإن الطبيعة المعقدة لتلوث الميكروبلاستيك تؤدي إلى صعوبات في تحديد المصادر ونسبها، وحتى الآن، لم يتم التحقق من أطر تحليل المصادر.
تفتقر. يتطلب توزيع مصادر الميكروبلاستيك أيضًا منظورًا مجمعًا بدلاً من مجرد استنتاج المصادر المحتملة للجزيئات الفردية أو نوع معين من الجزيئات بشكل منفصل. على سبيل المثال، في سياق مكونات النظام البيئي الكبيرة، ما هي النسبة المئوية للميكروبلاستيك في البيئات البحرية التي تنشأ من نقل الأنهار مقابل الترسيب الجوي؟ إلى أي مدى تستمد الميكروبلاستيك في الأنهار من الأراضي القريبة، ومحطات معالجة مياه الصرف الصحي، والصناعات، والترسيب الجوي؟ على نطاق أصغر، ما هي النسب المئوية للميكروبلاستيك في التربة الزراعية التي تنتج عن ري المجاري، وإعادة استخدام الحمأة، والتربة الملوثة المجاورة؟ علاوة على ذلك، كيف تقارن المساهمات من مصادر مثل الطعام، والمشروبات، والهواء، والأسطح التي يتم لمسها بشكل متكرر مثل الهواتف المحمولة ومقابض الأبواب من حيث وجود الميكروبلاستيك داخل جسم الإنسان؟

بمجرد أن نتأكد من مساهمات مصادر التلوث المحتملة للميكروبلاستيك في الموقع المستهدف، يمكننا تمييز المناطق التي تستدعي إدارة ذات أولوية أو تركيز خاص. لتحقيق ذلك، يجب إنشاء سجل انبعاثات (الميكرو) بلاستيك يسجل المعلومات التركيبية عن الميكروبلاستيك من مصادر تلوث الميكروبلاستيك الرئيسية لتسهيل توزيع المصادر على العينات المستهدفة. ثم، من خلال مقارنة التوقيعات التركيبية الملحوظة للميكروبلاستيك في هذه العينات مع تلك من المصادر المعروفة، يمكننا تتبع أصول تلوثها المحتملة بأثر رجعي. قد تكون النماذج متعددة المتغيرات، مثل تحليل المكونات الرئيسية-الانحدار الخطي المتعدد (PCA-MLR)، UNMIX، وتحليل المصفوفة الإيجابية (PMF)، والتي تُستخدم عادةً لتوزيع المصادر للملوثات الأخرى مثل المواد الجسيمية، المعادن الثقيلة، والمضادات الحيوية، أدوات فعالة لتحليل مصدر الميكروبلاستيك. علاوة على ذلك، قد تكون الأدوات المعروفة مثل SourceTracker والتوقع السريع-التعظيم لتتبع مصادر الميكروبات (FEAST)، والتي تُستخدم عادةً في توزيع المصادر للميكروبات، قابلة للتطبيق أيضًا لتحليل مصدر الميكروبلاستيك. من الجدير بالذكر أنه بالإضافة إلى الخصائص الفيزيائية
والكيميائية لجزيئات الميكروبلاستيك نفسها، فإن المواد المرتبطة بها، مثل المواد الكيميائية الممتصة والميكروبات، ستكون أيضًا جزءًا مهمًا من المؤشرات لهذه النماذج لتوزيع المصادر. من المهم تقييم أداء النموذج بناءً على مجموعات البيانات المحددة مسبقًا لتوضيح قابلية تطبيق هذه النماذج وموثوقيتها. بشكل عام، مع التفكير في البيانات متعددة الأبعاد، لا يزال من الضروري تطوير أدوات تحليل المصدر المصممة خصيصًا لتلوث الميكروبلاستيك لتحقيق توزيع أكثر دقة للمصادر. عندما نحصل على بيانات كافية عن تركيبة مصدر الميكروبلاستيك من الدراسات الفردية، يمكن أن يمكّننا النمذجة المعتمدة على التعلم الآلي من تحديد مساهمة المصدر للعينات المعطاة من خلال إدخال بياناتها التركيبية للميكروبلاستيك.

معترفًا بتعقيد وتنوع الميكروبلاستيك كفئة من الملوثات، نقدم مفهوم الميكروبلاستوم للدعوة إلى نهج أكثر شمولية في أبحاث الميكروبلاستيك. في هذا السياق، يشمل مصطلح “الميكروبلاستوم” جميع جزيئات البلاستيك التي تقل عن 5 مم بما في ذلك الميكروبلاستيك على النطاق النانوي. ومع ذلك، يفضل بعض الباحثين التعامل مع النانوبلاستيك بشكل منفصل عن الميكروبلاستيك الأكبر بسبب خصائصها الفريدة، مثل أنماط النقل المميزة، والتفاعلات مع الضوء والمواد الغروية الطبيعية، والتوافر البيولوجي. في الأبحاث التي تركز بشكل خاص على النانوبلاستيك، قد يكون مفهوم “النانوبلاستوم” مفيدًا بالمثل، مما يبرز أهمية نهج شامل لفهم الاختلافات، والروابط، والأثر العام للجزيئات النانوية عبر مختلف المكونات الحية وغير الحية. ما يؤكده هذا البحث، كفكرة أساسية، هو التقاط نمط التوزيع، والمصير، والتأثيرات الواقعية لهذه الجزيئات البلاستيكية الصغيرة من خلال اعتبارها ككيان جماعي واستغلال تعقيدها.

استنادًا إلى هذا المنظور، شاركنا في حوار حول أفكارنا المبتكرة لأبحاث الميكروبلاستيك القادمة، والتي تشمل جوانب من التوصيف، وتقييم المخاطر، وتوزيع المصادر (الشكل 2). فهم خصائص تلوث الميكروبلاستيك هو شرط أساسي لتطوير استراتيجيات إدارة فعالة. لذلك، أولاً، نقترح احتضان التوقيعات التركيبية متعددة الأبعاد للميكروبلاستيك المعقد بالكامل. سيساعد تحليل الأنماط الديناميكية لهذه التوقيعات تحت سيناريوهات مختلفة في تعزيز فهمنا لتوزيع الميكروبلاستيك، ومصيره، والآليات التي تدفع هذه العمليات. بعد ذلك، من الضروري وجود إطار قوي لتقييم مخاطر الميكروبلاستيك لتقييم المخاطر، وتحديد النقاط الساخنة الحرجة واللحظات التي تتطلب أولوية في السيطرة أو اهتمام خاص. للتطبيق العملي، نقترح استخدام خلطات الميكروبلاستيك المستخرجة من عينات فعلية أو تلك التي تم تكوينها بناءً على معلومات التوقيع التركيبية عن البيئة المستهدفة لاستعادة حالاتهم الواقعية للتجارب السمية البيئية. من خلال إنشاء نماذج التركيز-التكوين-التأثير ونموذج SSD، يمكننا تحديد عتبات المخاطر وتقييم مستوى خطر تلوث الميكروبلاستيك في السياق المدروس. إذا تم تشخيص مستوى خطر مرتفع، فإن توزيع المصادر يصبح ضروريًا لتحديد وإدارة مصادر التلوث الرئيسية. لا يزال البحث الحالي حول أدوات تحليل مصدر الميكروبلاستيك في مراحله الأولى. نقترح مخططًا لتوزيع المصادر بناءً على الميزات التركيبية للميكروبلاستيك المعقدة مع نماذج المستقبلات. يمكن إعطاء الأولوية للمصادر التي تم تحديدها كمساهمين رئيسيين في خطر الميكروبلاستيك العالي
لتدابير السيطرة. بشكل عام، من خلال الاعتراف الكامل بتعقيد تلوث الميكروبلاستيك واعتبار الميكروبلاستيك المعقد ككيان جماعي، نقترح نموذجًا جديدًا للتقدم من الفهم إلى السيطرة على التلوث.

مع التطور السريع لتقنيات التعرف، والتquantification، والتصنيف عالية الإنتاجية والأوتوماتيكية للميكروبلاستيك، يمكن أن تكون بيانات الميكروبلاستيك على نطاق واسع متاحة بشكل أكبر للباحثين. في هذا السياق، ستعمل هذه الدراسة كدليل للتحقيق في توزيع، ونقل، وتأثير، ومخاطر الميكروبلاستيك من بيانات الميكروبلاستيك الضخمة والمتعددة الأبعاد. نتوقع أن يكون هذا النموذج الجديد بمثابة محفز لتوليد رؤى ومفاهيم جديدة داخل المجتمع العلمي وبين صانعي السياسات. نعتقد أن تطوير هذا النموذج سيساهم بشكل كبير في كشف التأثيرات البيئية للميكروبلاستيك، مما يساعد في إدارة وحل هذه القضية البيئية العالمية الملحة.

لينغ جين – قسم الهندسة المدنية والبيئية، جامعة بوليتكنيك هونغ كونغ، كولون 999077، هونغ كونغ؛ المختبر الوطني الرئيسي لتلوث البحار، جامعة مدينة هونغ كونغ، كولون تونغ 999077، هونغ كونغ؛ قسم تكنولوجيا الصحة والمعلومات، جامعة بوليتكنيك هونغ كونغ، كولون 999077، هونغ كونغ؛ ©orcid.org/0000-0003-1267-7396; البريد الإلكتروني: ling.jin@polyu.edu.hk
جيان ليو – معهد أبحاث البيئة، جامعة شاندونغ، كينغداو 266237، الصين؛ البريد الإلكتروني: ecology@sdu.edu.cn

تشانغتشاو لي – معهد أبحاث البيئة، جامعة شاندونغ، كينغداو 266237، الصين؛ قسم الهندسة المدنية والبيئية، جامعة بوليتكنيك هونغ كونغ، كولون 999077، هونغ كونغ؛ ©orcid.org/ 0000-0002-3943-6413
شينيو لي – قسم الهندسة المدنية والبيئية، جامعة بوليتكنيك هونغ كونغ، كولون 999077، هونغ كونغ
مايكل س. بانك – معهد الأبحاث البحرية، 5005 بيرغن، النرويج؛ جامعة ماساتشوستس أمهيرست، أمهيرست، ماساتشوستس 01003، الولايات المتحدة؛ ©orcid.org/0000-0001-5194-7171
تاو دونغ – قسم المناعة والميكروبيولوجيا، كلية علوم الحياة، الجامعة الجنوبية للعلوم والتكنولوجيا، شنتشن 518055، الصين؛ orcid.org/0000-0003-3557-1850
جيمس كار-هاي فنج – قسم علوم الغذاء والتغذية ومعهد أبحاث الغذاء المستقبلي، جامعة بوليتكنيك هونغ كونغ، كولون 999077، هونغ كونغ؛ المختبر الوطني الرئيسي لتلوث البحار، جامعة مدينة هونغ كونغ، كولون تونغ 999077، هونغ كونغ؛ © orcid.org/0000-0002-2969-7978
فريدريك د. ل. لووش – معهد الأنهار الأسترالية، كلية البيئة والعلوم، جامعة غريفيث، جولد كوست 4222 كوينزلاند، أستراليا؛ © orcid.org/0000-0002-69344587

ماتياس سي. ريلغ – معهد البيولوجيا، جامعة فريي برلين، 14195 برلين، ألمانيا؛ © orcid.org/0000-0003-3541-7853
جي وانغ – مختبر بكين الرئيسي للوقاية من تلوث التربة الزراعية وإصلاحها، كلية الموارد والعلوم البيئية، جامعة الزراعة الصينية، بكين 100193، الصين
لي وانغ – المختبر الرئيسي لعمليات التلوث والمعايير البيئية، كلية العلوم البيئية والهندسة، جامعة نانكاي، تيانجين 300350، الصين؛ © orcid.org/0000-0002-8193-9954
يو شيا – كلية العلوم البيئية والهندسة، كلية الهندسة، الجامعة الجنوبية للعلوم والتكنولوجيا، شنتشن 518055، الصين
إلفيس جينبو شو – قسم البيولوجيا، جامعة جنوب الدنمارك، أودنسه 5230، الدنمارك؛ © orcid.org/ 0000-0002-4414-1978
يوي يانغ – المختبر الرئيسي لعلم النبات المائي وإيكولوجيا حوض المياه، حديقة ووهان النباتية، الأكاديمية الصينية للعلوم، ووهان 430070، الصين؛ © orcid.org/ 0000-0001-9807-6844
تشاو زانغ – معهد أبحاث البيئة، جامعة شاندونغ، كينغداو 266237، الصين
دونغ زو – المختبر الرئيسي للبيئة الحضرية والصحة، معهد البيئة الحضرية، الأكاديمية الصينية للعلوم، شيامن 361021، الصين؛ orcid.org/0000-0002-0826-6423

معلومات الاتصال الكاملة متاحة على:
https://pubs.acs.org/10.1021/acs.est.3c08849

سي. لي، ل. جين، وج. ليو قاموا بتصور هذا العمل. سي. لي قاد كتابة وتحرير المخطوطة تحت إشراف ل. جين وج. ليو. سي. لي و إكس. لي صمما المخططات التخطيطية. جميع المؤلفين الآخرين قدموا مدخلات فكرية كبيرة في تطوير هذا المنظور وتم إدراجهم بترتيب أبجدي حسب الاسم الأخير. جميع المؤلفين راجعوا المخطوطة بعناية ووافقوا على التقديم.

يعلن المؤلفون عدم وجود مصلحة مالية متنافسة.

جيان ليو، أستاذ في معهد أبحاث البيئة، مدير معهد البيئة البيئية، جامعة شاندونغ. البروفيسور ليو هو باحث نشط في مجالات البحث في إيكولوجيا الأراضي الرطبة، إيكولوجيا غزو النباتات، وإيكولوجيا التغير العالمي. يركز بحثه على استجابات النظم البيئية والآليات ذات الصلة للتغيرات البيئية مثل التلوث، غزو النباتات، واستخدام الأراضي
التغيرات. كما يركز على فك آليات احتجاز الكربون في النظم البيئية للأراضي الرطبة. حاليًا، يشغل البروفيسور ليو منصب عضو في هيئة التحرير لمجلة PLOS ONE وWater.

لينغ جين، أستاذ مساعد معين بشكل مشترك في قسم الهندسة المدنية والبيئية وقسم تكنولوجيا الصحة والمعلومات، جامعة بوليتكنيك هونغ كونغ. الدكتور جين يعمل بنشاط في مجالات البحث بين الكيمياء، علم السموم، والميكروبيولوجيا كجزء من الحلول العالمية لقضايا صحة الكوكب. تشمل أبحاثه الجارية تلوث الهواء وصحة الإنسان، النقل البيئي لمقاومة مضادات الميكروبات والجراثيم في المجتمعات الحضرية، وكبت المناعة الناتج عن المواد الكيميائية في الأنواع البحرية المهددة بالانقراض. حاليًا، يشغل الدكتور جين منصب عضو في هيئة التحرير لمجلة ACS Environmental Au.

تم دعم هذا العمل من قبل برنامج البحث الاستراتيجي للأكاديمية الصينية للعلوم (XDB40020102)، مؤسسة العلوم الطبيعية الوطنية الصينية (32071523 و42007229)، صندوق البحث التعاوني للبذور للمختبر الوطني الرئيسي لتلوث البحار (SKLMP/SCRF/0030)، فرع هونغ كونغ لمختبر العلوم البحرية والهندسة الجنوبية (غوانغتشو) صندوق البحث التعاوني المفتوح (SMSEGL20SC02)، وبرنامج البحث والتطوير الوطني الرئيسي للصين (2022YFC3105304). يقر ل. جين و بدعم برنامج العلماء الشباب الرئاسي (P0040336) وزمالة ما بعد الدكتوراه المتميزة (P0044024) على التوالي، في جامعة بوليتكنيك هونغ كونغ. يقر إ. ج. ش. بدعم قسم البيولوجيا، جامعة جنوب الدنمارك، وصندوق الأبحاث الحرة الدنماركي (0165-00056B). نشكر البروفيسور ناتالي توفينكجي من جامعة مكغيل والبروفيسور كيفن ف. توماس من جامعة كوينزلاند على تعليقاتهم القيمة حول هذا العمل.

(1) Arp, H. P. H.; Kühnel, D.; Rummel, C.; MacLeod, M.; Potthoff, A.; Reichelt, S.; Rojo-Nieto, E.; Schmitt-Jansen, M.; Sonnenberg, J.; Toorman, E.; Jahnke, A. Weathering plastics as a planetary boundary threat: Exposure, fate, and hazards. Environ. Sci. Technol. 2021, 55 (11), 7246-7255.
(2) Persson, L.; Carney Almroth, B. M.; Collins, C. D.; Cornell, S.; de Wit, C. A.; Diamond, M. L.; Fantke, P.; Hassellöv, M.; MacLeod, M.; Ryberg, M. W.; Søgaard Jørgensen, P.; Villarrubia-Gómez, P.; Wang, Z.; Hauschild, M. Z. Outside the safe operating space of the planetary boundary for novel entities. Environ. Sci. Technol. 2022, 56 (3), 1510-1521.
(3) Rochman, C. M.; Hoellein, T. The global odyssey of plastic pollution. Science 2020, 368 (6496), 1184-1185.
(4) MacLeod, M.; Arp, H. P. H.; Tekman, M. B.; Jahnke, A. The global threat from plastic pollution. Science 2021, 373 (6550), 61-65.
(5) Bank, M. S.; Hansson, S. V. The plastic cycle: A novel and holistic paradigm for the Anthropocene. Environ. Sci. Technol. 2019, 53 (13), 7177-7179.
(6) Li, C.; Gan, Y.; Zhang, C.; He, H.; Fang, J.; Wang, L.; Wang, Y.; Liu, J. “Microplastic communities” in different environments: Differences, links, and role of diversity index in source analysis. Water Res. 2021, 188, 116574.
(7) Vethaak, A. D.; Legler, J. Microplastics and human health. Science 2021, 371 (6530), 672-674.
(8) Li, L.; Luo, Y.; Li, R.; Zhou, Q.; Peijnenburg, W. J. G. M.; Yin, N.; Yang, J.; Tu, C.; Zhang, Y. Effective uptake of submicrometre plastics by crop plants via a crack-entry mode. Nat. Sustain. 2020, 3 (11), 929-937.
(9) Yang, Y.; Xie, E.; Du, Z.; Peng, Z.; Han, Z.; Li, L.; Zhao, R.; Qin, Y.; Xue, M.; Li, F.; Hua, K.; Yang, X. Detection of various microplastics in patients undergoing cardiac surgery. Environ. Sci. Technol. 2023, 57 (30), 10911-10918.
(10) Xiao, S.; Cui, Y.; Brahney, J.; Mahowald, N. M.; Li, Q. Longdistance atmospheric transport of microplastic fibres influenced by their shapes. Nat. Geosci. 2023, 16, 863.
(11) Geyer, R.; Jambeck, J. R.; Law, K. L. Production, use, and fate of all plastics ever made. Sci. Adv. 2017, 3 (7), e1700782.
(12) Alava, J. J.; Jahnke, A.; Bergmann, M.; Aguirre-Martínez, G. V.; Bendell, L.; Calle, P.; Domínguez, G. A.; Faustman, E. M.; Falman, J.; Kazmiruk, T. N.; Klasios, N.; Maldonado, M. T.; McMullen, K.; Moreno-Báez, M.; Öberg, G.; Ota, Y.; Price, D.; Shim, W. J.; Tirapé, A.; Vandenberg, J. M.; Zoveidadianpour, Z.; Weis, J. A call to include plastics in the global environment in the class of Persistent, Bioaccumulative, and Toxic (PBT) pollutants. Environ. Sci. Technol. 2023, 57 (22), 8185-8188.
(13) Rillig, M. C.; Kim, S. W.; Kim, T.-Y.; Waldman, W. R. The global plastic toxicity debt. Environ. Sci. Technol. 2021, 55 (5), 27172719.
(14) Bank, M. S.; Mitrano, D. M.; Rillig, M. C.; Lin, C. S. K.; Ok, Y. S. Embrace complexity to understand microplastic pollution. Nat. Rev. Earth Environ. 2022, 3, 736-737.
(15) Al Harraq, A.; Brahana, P. J.; Arcemont, O.; Zhang, D.; Valsaraj, K. T.; Bharti, B. Effects of weathering on microplastic dispersibility and pollutant uptake capacity. ACS Environ. Au 2022, 2 (6), 549-555.
(16) Hofmann, T.; Ghoshal, S.; Tufenkji, N.; Adamowski, J. F.; Bayen, S.; Chen, Q.; Demokritou, P.; Flury, M.; Hüffer, T.; Ivleva, N. P.; Ji, R.; Leask, R. L.; Maric, M.; Mitrano, D. M.; Sander, M.; Pahl, S.; Rillig, M. C.; Walker, T. R.; White, J. C.; Wilkinson, K. J. Plastics can be used more sustainably in agriculture. Commun. Earth Environ. 2023, 4 (1), 332.
(17) Pikuda, O.; Roubeau Dumont, E.; Chen, Q.; Macairan, J.-R.; Robinson, S. A.; Berk, D.; Tufenkji, N. Toxicity of microplastics and nanoplastics to Daphnia magna: Current status, knowledge gaps and future directions. TrAC Trends Anal. Chem. 2023, 167, 117208.
(18) Wang, F.; Wong, C. S.; Chen, D.; Lu, X.; Wang, F.; Zeng, E. Y. Interaction of toxic chemicals with microplastics: A critical review. Water Res. 2018, 139, 208-219.
(19) Li, C.; Gillings, M. R.; Zhang, C.; Chen, Q.; Zhu, D.; Wang, J.; Zhao, K.; Xu, Q.; Leung, P. H.; Li, X.; Liu, J.; Jin, L. Ecology and risks of the global plastisphere as a newly expanding microbial habitat. The Innovation 2024, 5 (1), 100543.
(20) Chen, X.; Yu, X.; Zhang, L.; Zhao, W.; Sui, Q. Organic pollutants adsorbed on microplastics: Potential indicators for source appointment of microplastics. J. Hazard. Mater. 2024, 465, 133225.
(21) Bank, M. S.; Ok, Y. S.; Swarzenski, P. W. Microplastic’s role in antibiotic resistance. Science 2020, 369 (6509), 1315-1315.
(22) Rochman, C. M.; Brookson, C.; Bikker, J.; Djuric, N.; Earn, A.; Bucci, K.; Athey, S.; Huntington, A.; McIlwraith, H.; Munno, K.; De Frond, H.; Kolomijeca, A.; Erdle, L.; Grbic, J.; Bayoumi, M.; Borrelle,
S. B.; Wu, T.; Santoro, S.; Werbowski, L. M.; Zhu, X.; Giles, R. K.; Hamilton, B. M.; Thaysen, C.; Kaura, A.; Klasios, N.; Ead, L.; Kim, J.; Sherlock, C.; Ho, A.; Hung, C. Rethinking microplastics as a diverse contaminant suite. Environ. Toxicol. Chem. 2019, 38 (4), 703-711.
(23) Wang, Y.; Xiang, L.; Amelung, W.; Elsner, M.; Gan, J.; Kueppers, S.; Christian, L.; Jiang, X.; Adu-Gyamfi, J.; Heng, L.; Ok, Y. S.; Ivleva, N. P.; Luo, Y.; Barceló, D.; Schäffer, A.; Wang, F. Microand nanoplastics in soil ecosystems: Analytical methods, fate, and effects. TrAC Trends Anal. Chem. 2023, 169, 117309.
(24) Koelmans, A. A.; Redondo-Hasselerharm, P. E.; Nor, N. H. M.; de Ruijter, V. N.; Mintenig, S. M.; Kooi, M. Risk assessment of microplastic particles. Nat. Rev. Mater. 2022, 7 (2), 138-152.
(25) Bucci, K.; Rochman, C. M. Microplastics: a multidimensional contaminant requires a multidimensional framework for assessing risk. Micropl. Nanopl. 2022, 2 (1), 7.
(26) Liu, M.; Feng, J.; Shen, Y.; Zhu, B. Microplastics effects on soil biota are dependent on their properties: A meta-analysis. Soil Biol. Biochem. 2023, 178, 108940.
(27) Wang, P.-Y.; Zhao, Z.-Y.; Xiong, X.-B.; Wang, N.; Zhou, R.; Zhang, Z.-M.; Ding, F.; Hao, M.; Wang, S.; Ma, Y.; Uzamurera, A. G.; Xiao, K.-W.; Khan, A.; Tao, X.-P.; Wang, W.-Y.; Tao, H.-Y.; Xiong, Y.C. Microplastics affect soil bacterial community assembly more by their shapes rather than the concentrations. Water Res. 2023, 245, 120581.
(28) Gao, H.; Liu, Q.; Yan, C.; Mancl, K.; Gong, D.; He, J.; Mei, X. Macro-and/or microplastics as an emerging threat effect crop growth and soil health. Resour. Conserv. Recycl. 2022, 186, 106549.
(29) Whiting, Q. T.; O’Connor, K. F.; Potter, P. M.; Al-Abed, S. R. A high-throughput, automated technique for microplastics detection, quantification, and characterization in surface waters using laser direct infrared spectroscopy. Anal. Bioanal. Chem. 2022, 414 (29), 83538364.
(30) Brandt, J.; Bittrich, L.; Fischer, F.; Kanaki, E.; Tagg, A.; Lenz, R.; Labrenz, M.; Brandes, E.; Fischer, D.; Eichhorn, K.-J. Highthroughput analyses of microplastic samples using fourier transform infrared and raman spectrometry. Appl. Spectrosc. 2020, 74 (9), 1185-1197.
(31) Ivleva, N. P. Chemical analysis of microplastics and nanoplastics: Challenges, advanced methods, and perspectives. Chem. Rev. 2021, 121 (19), 11886-11936.
(32) Hufnagl, B.; Stibi, M.; Martirosyan, H.; Wilczek, U.; Möller, J. N.; Löder, M. G. J.; Laforsch, C.; Lohninger, H. Computer-assisted analysis of microplastics in environmental samples based on FTIR imaging in combination with machine learning. Environ. Sci. Technol. Lett. 2022, 9 (1), 90-95.
(33) Lorenzo-Navarro, J.; Castrillón-Santana, M.; Sánchez-Nielsen, E.; Zarco, B.; Herrera, A.; Martínez, I.; Gómez, M. Deep learning approach for automatic microplastics counting and classification. Sci. Total Environ. 2021, 765, 142728.
(34) Giardino, M.; Balestra, V.; Janner, D.; Bellopede, R. Automated method for routine microplastic detection and quantification. Sci. Total Environ. 2023, 859, 160036.
(35) Yuan, W.; Christie-Oleza, J. A.; Xu, E. G.; Li, J.; Zhang, H.; Wang, W.; Lin, L.; Zhang, W.; Yang, Y. Environmental fate of microplastics in the world’s third-largest river: Basin-wide investigation and microplastic community analysis. Water Res. 2022, 210, 118002.
(36) Wang, B.; Chen, X.; Xiong, X.; Wu, W.; He, Q.; Hu, H.; Wu, C. Spatial analysis of the influence on “microplastic communities” in the water at a medium scale. Sci. Total Environ. 2023, 885, 163788.
(37) Guo, Z.; Boeing, W. J.; Xu, Y.; Borgomeo, E.; Mason, S. A.; Zhu, Y.-G. Global meta-analysis of microplastic contamination in reservoirs with a novel framework. Water Res. 2021, 207, 117828.
(38) Chen, Y.; Niu, J.; Xu, D.; Zhang, M.; Sun, K.; Gao, B. Wet deposition of globally transportable microplastics ( ) hovering over the megacity of Beijing. Environ. Sci. Technol. 2023, 57 (30), 11152-11162.
(39) Zhang, Z.-A.; Qin, X.; Zhang, Y. Using data-driven methods and aging information to quantitatively identify microplastic environ-
mental sources and establish a comprehensive discrimination index. Environ. Sci. Technol. 2023, 57 (30), 11279-11288.
(40) Naidu, B. C.; Xavier, K. A. M.; Shukla, S. P.; Jaiswar, A. K.; Nayak, B. B. Comparative study on the microplastics abundance, characteristics, and possible sources in yellow clams of different demographic regions of the northwest coast of India. J. Hazard. Mater. Lett. 2022, 3, 100051.
(41) Cabanilles, P.; Acle, S.; Arias, A.; Masiá, P.; Ardura, A.; GarciaVazquez, E. Microplastics risk into a three-link food chain inside European hake. Diversity 2022, 14 (5), 308.
(42) Rillig, M. C.; Kim, S. W.; Zhu, Y.-G. The soil plastisphere. Nat. Rev. Microbiol. 2024, 22, 64.
(43) Amaral-Zettler, L. A.; Zettler, E. R.; Mincer, T. J. Ecology of the plastisphere. Nat. Rev. Microbiol. 2020, 18 (3), 139-151.
(44) Haraguchi, H. Metallomics as integrated biometal science. J. Anal. At. Spectrom. 2004, 19 (1), 5-14.
(45) Chen, B.; Hu, L.; He, B.; Luan, T.; Jiang, G. Environmetallomics: Systematically investigating metals in environmentally relevant media. TrAC Trends Anal. Chem. 2020, 126, 115875.
(46) Li, X.; Liu, T.; Chang, C.; Lei, Y.; Mao, X. Analytical Methodologies for Agrometallomics: A Critical Review. J. Agric. Food Chem. 2021, 69 (22), 6100-6118.
(47) Vrijheid, M. The exposome: a new paradigm to study the impact of environment on health. Thorax 2014, 69 (9), 876.
(48) Lei, L.; Pang, R.; Han, Z.; Wu, D.; Xie, B.; Su, Y. Current applications and future impact of machine learning in emerging contaminants: A review. Crit. Rev. Environ. Sci. Technol. 2023, 53 (20), 1817-1835.
(49) Hartmann, N. B.; Hüffer, T.; Thompson, R. C.; Hassellöv, M.; Verschoor, A.; Daugaard, A. E.; Rist, S.; Karlsson, T.; Brennholt, N.; Cole, M.; Herrling, M. P.; Hess, M. C.; Ivleva, N. P.; Lusher, A. L.; Wagner, M. Are we speaking the same language? Recommendations for a definition and categorization framework for plastic debris. Environ. Sci. Technol. 2019, 53 (3), 1039-1047.
(50) Koelmans, A. A.; Gebreyohanes Belay, B. M.; Mintenig, S. M.; Mohamed Nor, N. H.; Redondo-Hasselerharm, P. E.; de Ruijter, V. N. Towards a rational and efficient risk assessment for microplastics. TrAC Trends Anal. Chem. 2023, 165, 117142.
(51) Lehmann, A.; Leifheit, E. F.; Gerdawischke, M.; Rillig, M. C. Microplastics have shape- and polymer-dependent effects on soil aggregation and organic matter loss – an experimental and metaanalytical approach. Micropl. Nanopl. 2021, 1 (1), 7.
(52) Schwarzer, M.; Brehm, J.; Vollmer, M.; Jasinski, J.; Xu, C.; Zainuddin, S.; Fröhlich, T.; Schott, M.; Greiner, A.; Scheibel, T.; Laforsch, C. Shape, size, and polymer dependent effects of microplastics on Daphnia magna. J. Hazard. Mater. 2022, 426, 128136.
(53) Rillig, M. C.; Lehmann, A. Microplastic in terrestrial ecosystems. Science 2020, 368 (6498), 1430-1431.
(54) Barchiesi, M.; Kooi, M.; Koelmans, A. A. Adding depth to microplastics. Environ. Sci. Technol. 2023, 57 (37), 14015-14023.
(55) Sørensen, L.; Rogers, E.; Altin, D.; Salaberria, I.; Booth, A. M. Sorption of PAHs to microplastic and their bioavailability and toxicity to marine copepods under co-exposure conditions. Environ. Pollut. 2020, 258, 113844.
(56) Velzeboer, I.; Kwadijk, C. J. A. F.; Koelmans, A. A. Strong sorption of PCBs to nanoplastics, microplastics, carbon nanotubes, and fullerenes. Environ. Sci. Technol. 2014, 48 (9), 4869-4876.
(57) Luo, G.; Liang, B.; Cui, H.; Kang, Y.; Zhou, X.; Tao, Y.; Lu, L.; Fan, L.; Guo, J.; Wang, A.; Gao, S.-H. Determining the contribution of micro/nanoplastics to antimicrobial resistance: Challenges and perspectives. Environ. Sci. Technol. 2023, 57 (33), 12137-12152.
(58) Bowley, J.; Baker-Austin, C.; Porter, A.; Hartnell, R.; Lewis, C. Oceanic hitchhikers – Assessing pathogen risks from marine microplastic. Trends Microbiol. 2021, 29 (2), 107-116.
(59) Hale, R. C.; Seeley, M. E.; La Guardia, M. J.; Mai, L.; Zeng, E. Y. A global perspective on microplastics. J. Geophys. Res.: Oceans 2020, 125 (1), e2018JC014719.
(60) Zhang, K.; Hamidian, A. H.; Tubić, A.; Zhang, Y.; Fang, J. K. H.; Wu, C.; Lam, P. K. S. Understanding plastic degradation and microplastic formation in the environment: A review. Environ. Pollut. 2021, 274, 116554.
(61) de Ruijter, V. N.; Hof, M.; Kotorou, P.; van Leeuwen, J.; van den Heuvel-Greve, M. J.; Roessink, I.; Koelmans, A. A. Microplastic effect tests should use a standard heterogeneous mixture: Multifarious impacts among 16 benthic invertebrate species detected under ecologically relevant test conditions. Environ. Sci. Technol. 2023, 57 (48), 19430-19441.
(62) Abdolahpur Monikh, F.; Baun, A.; Hartmann, N. B.; Kortet, R.; Akkanen, J.; Lee, J.-S.; Shi, H.; Lahive, E.; Uurasjärvi, E.; Tufenkji, N.; Altmann, K.; Wiesner, Y.; Grossart, H.-P.; Peijnenburg, W.; Kukkonen, J. V. K. Exposure protocol for ecotoxicity testing of microplastics and nanoplastics. Nat. Protoc. 2023, 18 (11), 35343564.
(63) Zhu, D.; Bi, Q.-F.; Xiang, Q.; Chen, Q.-L.; Christie, P.; Ke, X.; Wu, L.-H.; Zhu, Y.-G. Trophic predator-prey relationships promote transport of microplastics compared with the single Hypoaspis aculeifer and Folsomia candida. Environ. Pollut. 2018, 235, 150-154. (64) Rillig, M. C.; Leifheit, E.; Lehmann, J. Microplastic effects on carbon cycling processes in soils. PLOS Biol. 2021, 19 (3), e3001130.
(65) Seeley, M. E.; Song, B.; Passie, R.; Hale, R. C. Microplastics affect sedimentary microbial communities and nitrogen cycling. Nat. Сотmun. 2020, 11 (1), 2372.
(66) Su, X.; Yang, L.; Yang, K.; Tang, Y.; Wen, T.; Wang, Y.; Rillig, M. C.; Rohe, L.; Pan, J.; Li, H.; Zhu, Y.-g. Estuarine plastisphere as an overlooked source of production. Nat. Commun. 2022, 13 (1), 3884.
(67) Kumar, A.; Mishra, S.; Pandey, R.; Yu, Z. G.; Kumar, M.; Khoo, K. S.; Thakur, T. K.; Show, P. L. Microplastics in terrestrial ecosystems: Un-ignorable impacts on soil characterises, nutrient storage and its cycling. TrAC Trends Anal. Chem. 2023, 158, 116869.
(68) Wang, Y.; Bai, J.; Liu, Z.; Zhang, L.; Zhang, G.; Chen, G.; Xia, J.; Cui, B.; Rillig, M. C. Consequences of microplastics on global ecosystem structure and function. Rev. Environ. Contam. Toxicol. 2023, 261 (1), 22.
(69) Zhang, J.; Ren, S.; Xu, W.; Liang, C.; Li, J.; Zhang, H.; Li, Y.; Liu, X.; Jones, D. L.; Chadwick, D. R.; Zhang, F.; Wang, K. Effects of plastic residues and microplastics on soil ecosystems: A global metaanalysis. J. Hazard. Mater. 2022, 435, 129065.
(70) Liu, X.; Wang, S.; Mu, L.; Xie, Y.; Hu, X. Microplastics reshape the fate of aqueous carbon by inducing dynamic changes in biodiversity and chemodiversity. Environ. Sci. Technol. 2023, 57 (28), 10415-10425.
(71) Li, C.; Wang, L.; Ji, S.; Chang, M.; Wang, L.; Gan, Y.; Liu, J. The ecology of the plastisphere: Microbial composition, function, assembly, and network in the freshwater and seawater ecosystems. Water Res. 2021, 202, 117428.
(72) Liao, K.; Wang, Q.; Wang, S.; Yu, J. Z. Bayesian inference approach to quantify primary and secondary organic carbon in fine particulate matter using major species measurements. Environ. Sci. Technol. 2023, 57 (13), 5169-5179.
(73) Dong, B.; Zhang, R.; Gan, Y.; Cai, L.; Freidenreich, A.; Wang, K.; Guo, T.; Wang, H. Multiple methods for the identification of heavy metal sources in cropland soils from a resource-based region. Sci. Total Environ. 2019, 651, 3127-3138.
(74) Wu, Q.; Xiao, S.-K.; Pan, C.-G.; Yin, C.; Wang, Y.-H.; Yu, K.-F. Occurrence, source apportionment and risk assessment of antibiotics in water and sediment from the subtropical Beibu Gulf, South China. Sci. Total Environ. 2022, 806, 150439.
(75) Knights, D.; Kuczynski, J.; Charlson, E. S.; Zaneveld, J.; Mozer, M. C.; Collman, R. G.; Bushman, F. D.; Knight, R.; Kelley, S. T. Bayesian community-wide culture-independent microbial source tracking. Nat. Methods 2011, 8 (9), 761-763.
(76) Shenhav, L.; Thompson, M.; Joseph, T. A.; Briscoe, L.; Furman, O.; Bogumil, D.; Mizrahi, I.; Pe’er, I.; Halperin, E. FEAST: fast expectation-maximization for microbial source tracking. Nat. Methods 2019, 16 (7), 627-632.
(77) Wu, N. Tracing microplastic footprints through the plastisphere. Nat. Rev. Earth Environ. 2022, 3 (8), 498-498.
(78) Gigault, J.; El Hadri, H.; Nguyen, B.; Grassl, B.; Rowenczyk, L.; Tufenkji, N.; Feng, S.; Wiesner, M. Nanoplastics are neither microplastics nor engineered nanoparticles. Nat. Nanotechnol. 2021, 16 (5), 501-507.

Downloaded via FREIE UNIV BERLIN on March 21, 2024 at 12:54:03 (UTC).
See https://pubs.acs.org/sharingguidelines for options on how to legitimately share published articles.

Cite This: Environ. Sci. Technol. 2024, 58, 4060-4069
Read Online

KEYWORDS: microplastic pollution, microplastome, multidimensional signature, collective characterization, risk assessment, source apportionment

The pollution of microplastics (plastic particles ), as a critical planetary boundary threat, is currently a global environmental issue of high concern. Microplastics are found in almost all abiotic (including aquatic, terrestrial, and atmospheric) and biotic (including plants, animals, and humans) ecosystem compartments on Earth. Given the increasing trajectory in annual production and disposal of plastic products and the limited recycling and reuse, as well as the poor degradability of the materials, this pollution issue represents a grand environmental challenge that is difficult to reverse. Microplastics can affect environmental quality and biological health through their own physicochemical properties and their interactions with chemicals and microorganisms in the ambient medium. In particular, these particles carrying adsorbed matters such as chemicals and microorganisms travel across biotic and abiotic compartments, resulting in combined contamination effects. Moreover, the toxicity-debt effect (potential long-term consequences of plastic degradation and pollution release) of microplastics
leads to a potential future toxicity peak. Beyond the nature of ubiquity and ecotoxicity, the microplastic pollution issue is known for its highly complexity. Polluted microplastics are highly variable in physicochemical properties including size, shape, polymer type, additive, aging time, and associated matter. Variances in these aspects of microplastics have been demonstrated to have distinct fates and yield distinct different ecological consequences and impacts. Given that real-world microplastic contamination is a mixed suite of diverse particles and their associated contaminants, a more holistic approach is required for effective microplastic research to support public policy.

The detection technology for microplastics is currently advancing at a rapid pace. The successful application and refinement of advanced detection techniques, such as mass spectrometry (MS), micro-Fourier-transform infrared ( FTIR) spectroscopy, micro-Raman ( -Raman) spectroscopy, laser direct infrared (LD-IR) spectroscopy, and Nile Red (NR) fluorescent staining, as well as their combinations, in microplastic research have significantly enhanced the efficiency of identifying and quantifying microplastics in complex biological and environmental samples. Furthermore, with the evolution of artificial intelligence (AI), the automatic identification and classification of microplastics based on machine learning are also becoming increasingly sophisticated. The swift progress in microplastic detection and analysis technology facilitates the acquisition of extensive microplastic data. In this context, it becomes particularly vital to approach microplastic research with a holistic perspective to unveil the distribution, fate, and transport patterns of microplastics, as well as their impacts on the environment and organisms.

In earlier work, by establishing an analogy between microplastics and microbial communities, we introduced the concept of the “microplastic community” and profiled environmental microplastics across diverse ecosystem types. Drawing on the multidimensional data handling principles
frequently utilized in community ecology research, we retained the multidimensional nature of microplastic pollution and investigated the variability and connections of microplastics in different ecosystem types. Our concept and methodology have been widely recognized and adopted in subsequent environmental microplastic studies.
While employing the term “microplastic community”, we recognized a potential source of confusion for certain researchers who might misconstrue it as a reference to the microbial community associated with microplastics, which is better captured by the term “plastisphere microbial community”. This concern prompted us to seek a more appropriate term for denoting the entirety of microplastics within a specific location at a given time. The suffix “-ome” conventionally signifies “all constituents considered collectively”, indicating a comprehensive and systematic approach to studying and categorizing various components, processes, or entities within a specific context. This suffix has gained broad acceptance across diverse research domains, extending beyond its original application in the characterization of pools of biological molecules such as the genome, transcriptome, and proteome. Examples encompass the metallome (including subdivisions like environmetallome and agrometallome) and exposome. Expanding upon this groundwork, we hereby propose the new term “microplastome”, with a broader
meaning than the previous “microplastic community”, defined as “the entirety of various plastic particles ( ), and their associated matters such as chemicals and microbes, found within a sample, and its overall environmental and toxicological impacts”. With this new concept, we aim to underscore the significance of collectively characterizing and quantifying microplastics and their impacts in both environmental and biological samples (Figure 1). Derived from this novel lens, we outline some new thinking below concerning microplastic research using a comprehensive perspective to help identify and assess realworld impacts of microplastics.

The description and comparison of microplastic pollution across time and space necessitate a comprehensive perspective regarding their multidimensional attributes, such as size, color, shape, polymer, additives, aging time, and associated matters. Overlooking the variations and interconnections within the multidimensional compositional signatures of microplastomes would disregard valuable information. For example, a similar composition of two microplastomes indicates a homogeneous property of their embedded environmental media, as well as a similarity in the pollution source profiles. Likewise, variation in the composition of microplastomes can signal dissimilarities in environmental matrices or disparities in pollution sources and their different impacts on ecosystems and their inhabitants. Moreover, a significant correlation between compositional variations could indicate the potential transfer or exchange of microplastics between the two locations or fluxes across ecosystems. Studying compositional patterns and dynamics of the microplastome by maintaining its multidimensional features would help elucidate the sources, fate, and transport mechanisms of microplastics, thus being of great importance to support effective risk management.

Multidimensional data analysis tools can be employed to explore the dynamics and connections of microplastomes under various scenarios, including different sites, ecosystem compartments, or time scales. For instance, principal component analysis (PCA)/principal coordinate analysis (PCoA) can effectively visualize the compositional (dis)similarities of microplastomes in different samples and different groups. When analyzing microplastic type compositional data alongside external environmental factors such as ambient physicochemical properties and anthropogenic factors, tools like redundancy analysis (RDA) and the Mantel test can be instrumental in identifying potential factors driving microplastome variability. Pinpointing key drivers behind high-risk microplastic compositions allows for informed actions to mitigate these risks (The methods for determining the risk level of microplastomes with varying compositional features are discussed in the following section.).

What needs to be emphasized is the immense application potential of machine learning in microplastic research. On one hand, based on the physical and chemical compositional features of microplastomes in known samples under different scenarios, we can develop machine learning models, such as random forest, support vector machine, and deep learning, to determine the most representative changes in the microplastic type composition resulting from known variables. This aids in clarifying pollution characteristics and distribution mechanisms of microplastics in different scenarios. On the other hand, these models, once trained with compositional features
of microplastomes from known scenarios, could potentially be used to deduce the sources of unknown samples based on their microplastic type composition. Moreover, training these models with known microplastic type compositions and concentrations under specific environmental conditions enables the prediction of the microplastic pollution status by inputting environmental parameters. The potential applications of machine learning in risk assessment and source apportionment are detailed in subsequent sections.

The diversity of microplastics reflects the inherent complexity of microplastic pollution within abiotic and biotic matrices and also highlights the grand challenges in microplastic monitoring and management (Figure 1). A higher diversity of microplastic types may indicate a broader array of pollution sources and highlights the difficulties of effective management of both point and nonpoint sources. Furthermore, in cases where the contamination suite comprises a greater variety of microplastic types, addressing microplastic pollution necessitates considering an array of strategies for their removal. Therefore, their diversity also implies the intricacies involved in postrelease environmental management. In addition, it is still unclear whether variations in the diversity of microplastic types can result in different impacts and whether the relationship between the type diversity and impact of microplastics is scenario and context specific. If so, then there is a greater need for quantitatively characterizing the microplastic diversity in relevant research to indicate the potential severity of ecological consequences, and future research needs to look at the links between microplastic diversity and ecological consequences in different scenarios. In our previous study, we established a microplastic diversity integrated index (MDII) considering multidimensions together (eq 1), which can give a relatively comprehensive and quantitative characterization of the complexity of environmental microplastics

where is the number of feature dimensions of a microplastome, and Simpson is the Simpson diversity of microplastics in the dimension . Dimensions of a microplastome include size, color, shape, polymer, chemical composition, additives, aging time, etc. Similar to the Simpson index, the value of MDII also ranges from 0 to 1 , with a higher value representing a higher diversity.
Furthermore, analysis of the composition and diversity of the microplastome relies on the relative abundance of different types of microplastics irrespective of their absolute quantities. This effectively addresses the obstacle-poor reproducibility and comparability of quantitative analyses for microplastics across laboratories and different environments-caused by inconsistent study protocols. Within individual investigations, it is important to undertake a comprehensive characterization profile of microplastic conditions in environmental or biological samples from abundance/concentration, type diversity, and patterns, dynamics, and driving factors of compositional signatures.

Understanding potential ecological and public health effects of microplastic pollution is a prerequisite for a comprehensive assessment of their risk. Furthermore, evaluating risk of microplastics is essential to identify hot spots and hot moments that need to be prioritized for effective management. Given that changes in features, such as size, color, shape, polymer, and associated matters, of microplastics can lead to different ecological impacts, pollution with comparable concentrations of microplastics may result in very different ecological consequences due to compositional differences (Figure 1). In light of this cocktail effect, the evaluation of microplastic risk necessitates acknowledging its mixture nature and unparalleled complexity and cannot rely solely on concentration data. If we can assign a risk score to each type of microplastics, and based on relative abundance of each type of microplastics as well as the absolute abundance, mass, or volume of the entire set of microplastics, we may obtain a relatively comprehensive evaluation, considering the multidimensional features of plastic particles and their varying degrees of ecotoxicological impact (eqs 2 and 3, proposed by this study)

where (dimensional risk index) is the risk index of microplastics in a given dimension (such as size, shape, or polymer), is the number of types of microplastics in this dimension, Abundance is the relative abundance of the type of microplastics, and Score is the risk score of the microplastic type

where is the overall risk index of a microplastome, Amount is the absolute abundance, mass, or volume of total microplastics per unit mass or volume of sample, is the number of feature dimensions of a microplastome, and is the risk value of a microplastome in the dimension . Dimensions of a microplastome include size, color, shape, polymer composition, additive, aging time, etc.

Of the three quantitative parameters (absolute abundance, mass, and volume), absolute abundance quantified by number of individuals should be the most labor-efficient one as well as the one with the lowest detection limit for particle size, which can be more accurately and rapidly determined with the development of high-throughput microplastic identification technology. Volume, which incorporates the threedimensional (3D) properties of microplastics, is perhaps the most comprehensive metric. The overall volume of a microplastome can be estimated using the newly established Barchiesi model. Currently, accurately ranking or scoring the risk of various features of microplastics is still challenging. Bucci and Rochman recently ranked the risk of different types in each microplastic dimension (including size, shape, polymer, and environmental chemistry of the medium) based on the literature and their understandings. This work offers pragmatic information for risk ranking of microplastic features based on the currently available body of knowledge. Future research endeavors are needed to establish a comprehensive
and refined ranking or scoring system for diverse features of microplastics. This could be achieved through ecotoxicological experiments that concentrate on one given dimension while holding the other dimensions constant, ultimately analyzing the collective and independent impact of each dimension on (eco)toxicity. Notably, the risk ranking or scoring of microplastic features needs to take into account both direct and indirect effects including their interactions with other chemical contaminants and microorganisms in their immediate environment. The long-term consequences of plastic degradation and pollution release also need to be considered in the risk scoring.
Although we introduce a potential risk assessment model for microplastics while concomitantly considering their multidimensional features and mixed composition, ultimately, it is still a simplification of what microplastics are like in the real world. The overall effects of the entire microplastome, whether physical, chemical, or biological, cannot be equated to the sum of the individual effects. Antagonistic or synergistic effects may occur when different types of microplastics are aggregated. For example, the physical effects of clusters formed by entangled fibrous microplastics can cover other shapes of microplastics contained therein, and chemical reactions may happen among the additives released from the degradation of different types of microplastics. Therefore, to fully elucidate the actual risk posed by microplastics, studying and modeling from a holistic perspective are essential in the future.

To achieve this, an assessment of the complete microplastome would be employed for relevant ecotoxicological experiments instead of limiting studies to single polymers, shapes, or sizes. The full microplastome can be obtained either by extracting microplastic mixtures from actual samples or by configuring representative types of microplastics based on the known concentration and compositional features of microplastics in the target environment (The methods for obtaining microplastic pollution characteristics are discussed in the previous section.). Utilizing these prepared microplastomes for microcosmic experiments facilitates the capture of their realworld ecotoxicological effects. Encouragingly, recent research has started to leverage this idea, striving to reconstruct the ecological impacts of complex microplastics in actual environmental settings. By adjusting the composition (adjusting the relative proportions of different types of microplastics) with a constant concentration and adjusting the concentration with a constant composition, a concentration-compositioneffect model can be developed with machine learning. This model enables us to identify which compositional signatures pose a higher risk and to pinpoint the key microplastic types that dominate the overall ecotoxicological effects. By integrating external environmental factors, such as the physicochemical properties of the media and anthropogenic influences, we can discern the external drivers of microplastic risk. This understanding aids in identifying environments that are particularly susceptible to high-risk microplastics and formulating potential mitigation strategies.

The risk thresholds of microplastic pollution for the biological community level would be determined by establishing species sensitivity distribution (SSD) models based on complex, species-level, ecotoxicological experiments, which would be sublimated if trophic cascades can be incorporated as the ecosystem-level effects of microplastics are regulated by complex trophic cascades in ecosystems. The effects of microplastics on ecological processes are usually overlooked in

risk assessments from the viewpoint of ecotoxicology. As an emerging global change factor, microplastics can alter the physicochemical properties of environmental media, intervene with the biogeochemical cycling of elements, and affect crop growth and food security and safety in terrestrial and aquatic ecosystems. Therefore, ecological consequences need to also be considered more fully to obtain a comprehensive assessment of microplastic risk. For example, the impact of microplastics on (micro)biodiversity, ecosystem organic carbon sequestration, water quality, greenhouse gas emissions, and crop yields may be incorporated as ecotoxicological end points. Furthermore, the overall impacts caused by microplastics vary depending on the scenario (e.g., ecosystem type ). On one hand, microplastics in various scenarios may exert distinct physical, chemical, and biological effects due to their interactions with ambient substances of different properties. On the other hand, even with identical microplastic pollution conditions, the overall impact can vary significantly across different populations, communities, and ecosystems. Therefore, future investigations of microplastic risks under different scenarios are needed so that policymakers and regulators can develop scenario-specific actions. Finally, by harnessing publicly accessible extensive data and machine learning, we would establish robust tools that could inform the level of risk in specific scenarios by entering microplastic concentration and composition data.

Unraveling pollution sources and transport pathways of microplastics is pivotal for developing precise strategies and countermeasures to support pollution abatement and effective management. However, the complex nature of microplastic pollution leads to difficulties in source apportionment and attribution, and thus far, validated source analysis frameworks
are lacking. Source apportionment of microplastics also requires an aggregate perspective rather than just extrapolating separately the potential origins of individual particles or a given type of particles. For example, in the context of large ecosystem compartments, what proportion of microplastics in marine environments stems from river transport versus airborne deposition? To what extent do microplastics in rivers derive from nearby land, wastewater treatment plants, industries, and atmospheric deposition? On a smaller scale, what portions of microplastics in agricultural soils result from sewage irrigation, sludge reuse, and neighboring contaminated soils? Moreover, how do contributions from sources such as food, drinks, air, and frequently touched surfaces such as cell phones and door handles compare in terms of the microplastic presence within the human body?

Once we ascertain the contributions of potential contamination sources of microplastics at the target location, we can discern zones that warrant prioritized management or a special focus. To achieve this, a (micro)plastic emission inventory that catalogues the compositional information on microplastics from key microplastic pollution sources needs to be established to facilitate source apportionment of target samples. Then, by comparing observed compositional signatures of microplastics in these samples with those from known sources, we can retroactively trace their potential pollution origins. Multivariate receptor models, such as principal component analysis-multiple linear regression (PCA-MLR), UNMIX, and positive matrix factorization (PMF), which are commonly used for source apportionment of other contaminants such as particulate matter, heavy metals, and antibiotics, may be effective tools for the source analysis of microplastics. Furthermore, well-established tools such as SourceTracker and fast expectation-maximization for microbial source tracking (FEAST), which are commonly used in source apportionment for microorganisms, may also be applicable for the source analysis of microplastics. Notably, in addition to the physical
and chemical attributes of microplastic particles themselves, their associated matters, such as absorbed chemicals and microbes, would also be an important part of indicators for these source apportionment models. Importantly, assessing model performance based on predefined data sets is essential to illustrate the applicability and reliability of these models. Generally, with multidimensional data thinking, developing source analysis tools tailored specifically for microplastic pollution is still needed to achieve more precise source apportionment. When we have enough microplastic composi-tion-source profile data from individual studies, machine-learning-based modeling could enable us to profile the source contribution of given samples by inputting their microplastic compositional data.

Recognizing the complexity and diversity of microplastics as a class of contaminants, we introduce the concept of the microplastome to advocate for a more holistic approach in microplastic research. In this context, the term “microplastome” encompasses all plastic particles smaller than 5 mm including nanoscale microplastics. However, some researchers prefer to treat nanoplastics separately from larger microplastics due to their unique characteristics, such as distinct transport patterns, interactions with light and natural colloids, and bioavailability. In research specifically focusing on nanoplastics, the concept of a “nanoplastome” could be similarly useful, highlighting the importance of a comprehensive approach to understanding the differences, linkages, and overall impact of nanoparticles across various biotic and abiotic compartments. What this paper emphasizes, as a fundamental idea, is capturing the distribution pattern, fate, and real-world impacts of these tiny plastic particles by considering them as a collective entity and leveraging their complexity.

Building upon this perspective, we engaged in a dialogue regarding our innovative ideas for forthcoming microplastic research, encompassing facets of characterization, risk assessment, and source apportionment (Figure 2). Understanding the pollution characteristics of microplastics is a prerequisite for developing effective management strategies. Therefore, first, we suggest fully embracing the multidimensional compositional signatures of complex microplastics. Analyzing the dynamic patterns of these signatures under various scenarios will enhance our understanding of microplastic distribution, fate, and the mechanisms driving these processes. Following this, a robust microplastic risk assessment framework is necessary to evaluate risks, identifying critical hot spots and moments that require priority in control or special attention. For practical application, we suggest using microplastic mixtures extracted from actual samples or those configured based on the compositional signature information on the target environment to restore their real-world states for ecotoxicological experiments. By establishing concentration-composition-effect models and the SSD model, we can establish the risk thresholds and assess the risk level of microplastic pollution in the studied context. If a high-risk level is diagnosed, then source apportionment becomes necessary to identify and manage the primary pollution sources. Current research on microplastic source analysis tools is still in its early stages. We suggest a scheme for source apportionment based on the compositional features of complex microplastics combined with receptor models. Sources identified as major contributors to the high risk of microplastics can be prioritized
for control measures. Overall, by fully recognizing the complexity of microplastic contamination and considering complex microplastics as a collective entity, we propose a new paradigm for progressing from understanding to controlling pollution.

With the rapid development of high-throughput and automated identification, quantification, and classification technologies for microplastics, large-scale microplastic data can be more readily available to researchers. In this context, this work would serve as a guide for investigating the distribution, transport, effect, and risk of microplastics from massive and multidimensional microplastic data. We anticipate that this new paradigm will serve as a catalyst for the generation of novel insights and concepts within the scientific community and among policymakers. We believe that the development of this paradigm will go a long way toward unraveling the ecological impacts of microplastics, thereby aiding in the management and resolution of this pressing global environmental concern.

Ling Jin – Department of Civil and Environmental Engineering, The Hong Kong Polytechnic University, Kowloon 999077, Hong Kong; State Key Laboratory of Marine Pollution, City University of Hong Kong, Kowloon Tong 999077, Hong Kong; Department of Health Technology and Informatics, The Hong Kong Polytechnic University, Kowloon 999077, Hong Kong; © orcid.org/0000-0003-1267-7396; Email: ling.jin@polyu.edu.hk
Jian Liu – Environment Research Institute, Shandong University, Qingdao 266237, China; Email: ecology@ sdu.edu.cn

Changchao Li – Environment Research Institute, Shandong University, Qingdao 266237, China; Department of Civil and Environmental Engineering, The Hong Kong Polytechnic University, Kowloon 999077, Hong Kong; © orcid.org/ 0000-0002-3943-6413
Xinyu Li – Department of Civil and Environmental Engineering, The Hong Kong Polytechnic University, Kowloon 999077, Hong Kong
Michael S. Bank – Institute of Marine Research, 5005 Bergen, Norway; University of Massachusetts Amherst, Amherst, Massachusetts 01003, United States; © orcid.org/0000-0001-5194-7171
Tao Dong – Department of Immunology and Microbiology, School of Life Sciences, Southern University of Science and Technology, Shenzhen 518055, China; orcid.org/0000-0003-3557-1850
James Kar-Hei Fang – Department of Food Science and Nutrition and Research Institute for Future Food, The Hong Kong Polytechnic University, Kowloon 999077, Hong Kong; State Key Laboratory of Marine Pollution, City University of Hong Kong, Kowloon Tong 999077, Hong Kong; © orcid.org/0000-0002-2969-7978
Frederic D. L. Leusch – Australian Rivers Institute, School of Environment and Science, Griffith University, Gold Coast 4222 Queensland, Australia; © orcid.org/0000-0002-69344587

Matthias C. Rillig – Institute of Biology, Freie Universität Berlin, 14195 Berlin, Germany; © orcid.org/0000-0003-3541-7853
Jie Wang – Beijing Key Laboratory of Farmland Soil Pollution Prevention and Remediation, College of Resources and Environmental Sciences, China Agricultural University, Beijing 100193, China
Lei Wang – MOE Key Laboratory of Pollution Processes and Environmental Criteria, College of Environmental Science and Engineering, Nankai University, Tianjin 300350, China; © orcid.org/0000-0002-8193-9954
Yu Xia – School of Environmental Science and Engineering, College of Engineering, Southern University of Science and Technology, Shenzhen 518055, China
Elvis Genbo Xu – Department of Biology, University of Southern Denmark, Odense 5230, Denmark; © orcid.org/ 0000-0002-4414-1978
Yuyi Yang – Key Laboratory of Aquatic Botany and Watershed Ecology, Wuhan Botanical Garden, Chinese Academy of Sciences, Wuhan 430070, China; © orcid.org/ 0000-0001-9807-6844
Chao Zhang – Environment Research Institute, Shandong University, Qingdao 266237, China
Dong Zhu – Key Laboratory of Urban Environment and Health, Institute of Urban Environment, Chinese Academy of Sciences, Xiamen 361021, China; orcid.org/0000-0002-0826-6423

Complete contact information is available at:
https://pubs.acs.org/10.1021/acs.est.3c08849

C. Li, L. Jin, and J. Liu conceptualized this work. C. Li led the manuscript writing and editing under the guidance of L . Jin and J. Liu. C. Li and X. Li designed the schematic diagrams. All other authors contributed significant intellectual input to the development of this perspective and are listed in alphabetical order by last name. All authors carefully revised the manuscript and approved the submission.

The authors declare no competing financial interest.

Jian Liu, Professor of Environment Research Institute, Director of Institute of Environmental Ecology, Shandong University. Prof. Liu is an active researcher in the research fields of wetland ecology, plant invasion ecology, and global change ecology. His research focuses on the responses and relevant mechanisms of ecosystems to environmental changes such as pollutions, plant invasions, and land use
changes. He also focuses on unraveling the carbon sequestration mechanisms in wetland ecosystems. Currently, Prof. Liu serves as an Editorial Board Member for PLOS ONE and Water.

Ling Jin, Assistant Professor jointly appointed in the Department of Civil and Environmental Engineering & Department of Health Technology and Informatics, The Hong Kong Polytechnic University. Dr. Jin has been working actively in the interdisciplinary research fields between chemistry, toxicology, and microbiology as part of the global solutions to planetary health issues. His ongoing research includes air pollution and human health, environmental transmission of antimicrobial resistance and pathogens in urban communities, and chemical-induced immunosuppression in endangered marine megafauna. Currently, Dr. Jin serves as an Editorial Board Member of ACS Environmental Au.

This work was supported by the Strategic Priority Research Program of the Chinese Academy of Sciences (XDB40020102), the National Natural Science Foundation of China (32071523 and 42007229), the State Key Laboratory of Marine Pollution Seed Collaborative Research Fund (SKLMP/SCRF/0030), the Hong Kong Branch of the Southern Marine Science and Engineering Guangdong Laboratory (Guangzhou) Open Collaborative Research Fund (SMSEGL20SC02), and the National Key Research and Development Program of China (2022YFC3105304). L. Jin and acknowledge the support of the Presidential Young Scholar Scheme (P0040336) and the Distinguished Postdoctoral Fellowship (P0044024), respectively, at The Hong Kong Polytechnic University. E.G.X. acknowledges the support of the Department of Biology, University of Southern Denmark, and Danmarks Frie Forskningsfond (0165-00056B). We thank Prof. Nathalie Tufenkji of McGill University and Prof. Kevin V. Thomas of The University of Queensland for their valuable comments on this work.

(1) Arp, H. P. H.; Kühnel, D.; Rummel, C.; MacLeod, M.; Potthoff, A.; Reichelt, S.; Rojo-Nieto, E.; Schmitt-Jansen, M.; Sonnenberg, J.; Toorman, E.; Jahnke, A. Weathering plastics as a planetary boundary threat: Exposure, fate, and hazards. Environ. Sci. Technol. 2021, 55 (11), 7246-7255.
(2) Persson, L.; Carney Almroth, B. M.; Collins, C. D.; Cornell, S.; de Wit, C. A.; Diamond, M. L.; Fantke, P.; Hassellöv, M.; MacLeod, M.; Ryberg, M. W.; Søgaard Jørgensen, P.; Villarrubia-Gómez, P.; Wang, Z.; Hauschild, M. Z. Outside the safe operating space of the planetary boundary for novel entities. Environ. Sci. Technol. 2022, 56 (3), 1510-1521.
(3) Rochman, C. M.; Hoellein, T. The global odyssey of plastic pollution. Science 2020, 368 (6496), 1184-1185.
(4) MacLeod, M.; Arp, H. P. H.; Tekman, M. B.; Jahnke, A. The global threat from plastic pollution. Science 2021, 373 (6550), 61-65.
(5) Bank, M. S.; Hansson, S. V. The plastic cycle: A novel and holistic paradigm for the Anthropocene. Environ. Sci. Technol. 2019, 53 (13), 7177-7179.
(6) Li, C.; Gan, Y.; Zhang, C.; He, H.; Fang, J.; Wang, L.; Wang, Y.; Liu, J. “Microplastic communities” in different environments: Differences, links, and role of diversity index in source analysis. Water Res. 2021, 188, 116574.
(7) Vethaak, A. D.; Legler, J. Microplastics and human health. Science 2021, 371 (6530), 672-674.
(8) Li, L.; Luo, Y.; Li, R.; Zhou, Q.; Peijnenburg, W. J. G. M.; Yin, N.; Yang, J.; Tu, C.; Zhang, Y. Effective uptake of submicrometre plastics by crop plants via a crack-entry mode. Nat. Sustain. 2020, 3 (11), 929-937.
(9) Yang, Y.; Xie, E.; Du, Z.; Peng, Z.; Han, Z.; Li, L.; Zhao, R.; Qin, Y.; Xue, M.; Li, F.; Hua, K.; Yang, X. Detection of various microplastics in patients undergoing cardiac surgery. Environ. Sci. Technol. 2023, 57 (30), 10911-10918.
(10) Xiao, S.; Cui, Y.; Brahney, J.; Mahowald, N. M.; Li, Q. Longdistance atmospheric transport of microplastic fibres influenced by their shapes. Nat. Geosci. 2023, 16, 863.
(11) Geyer, R.; Jambeck, J. R.; Law, K. L. Production, use, and fate of all plastics ever made. Sci. Adv. 2017, 3 (7), e1700782.
(12) Alava, J. J.; Jahnke, A.; Bergmann, M.; Aguirre-Martínez, G. V.; Bendell, L.; Calle, P.; Domínguez, G. A.; Faustman, E. M.; Falman, J.; Kazmiruk, T. N.; Klasios, N.; Maldonado, M. T.; McMullen, K.; Moreno-Báez, M.; Öberg, G.; Ota, Y.; Price, D.; Shim, W. J.; Tirapé, A.; Vandenberg, J. M.; Zoveidadianpour, Z.; Weis, J. A call to include plastics in the global environment in the class of Persistent, Bioaccumulative, and Toxic (PBT) pollutants. Environ. Sci. Technol. 2023, 57 (22), 8185-8188.
(13) Rillig, M. C.; Kim, S. W.; Kim, T.-Y.; Waldman, W. R. The global plastic toxicity debt. Environ. Sci. Technol. 2021, 55 (5), 27172719.
(14) Bank, M. S.; Mitrano, D. M.; Rillig, M. C.; Lin, C. S. K.; Ok, Y. S. Embrace complexity to understand microplastic pollution. Nat. Rev. Earth Environ. 2022, 3, 736-737.
(15) Al Harraq, A.; Brahana, P. J.; Arcemont, O.; Zhang, D.; Valsaraj, K. T.; Bharti, B. Effects of weathering on microplastic dispersibility and pollutant uptake capacity. ACS Environ. Au 2022, 2 (6), 549-555.
(16) Hofmann, T.; Ghoshal, S.; Tufenkji, N.; Adamowski, J. F.; Bayen, S.; Chen, Q.; Demokritou, P.; Flury, M.; Hüffer, T.; Ivleva, N. P.; Ji, R.; Leask, R. L.; Maric, M.; Mitrano, D. M.; Sander, M.; Pahl, S.; Rillig, M. C.; Walker, T. R.; White, J. C.; Wilkinson, K. J. Plastics can be used more sustainably in agriculture. Commun. Earth Environ. 2023, 4 (1), 332.
(17) Pikuda, O.; Roubeau Dumont, E.; Chen, Q.; Macairan, J.-R.; Robinson, S. A.; Berk, D.; Tufenkji, N. Toxicity of microplastics and nanoplastics to Daphnia magna: Current status, knowledge gaps and future directions. TrAC Trends Anal. Chem. 2023, 167, 117208.
(18) Wang, F.; Wong, C. S.; Chen, D.; Lu, X.; Wang, F.; Zeng, E. Y. Interaction of toxic chemicals with microplastics: A critical review. Water Res. 2018, 139, 208-219.
(19) Li, C.; Gillings, M. R.; Zhang, C.; Chen, Q.; Zhu, D.; Wang, J.; Zhao, K.; Xu, Q.; Leung, P. H.; Li, X.; Liu, J.; Jin, L. Ecology and risks of the global plastisphere as a newly expanding microbial habitat. The Innovation 2024, 5 (1), 100543.
(20) Chen, X.; Yu, X.; Zhang, L.; Zhao, W.; Sui, Q. Organic pollutants adsorbed on microplastics: Potential indicators for source appointment of microplastics. J. Hazard. Mater. 2024, 465, 133225.
(21) Bank, M. S.; Ok, Y. S.; Swarzenski, P. W. Microplastic’s role in antibiotic resistance. Science 2020, 369 (6509), 1315-1315.
(22) Rochman, C. M.; Brookson, C.; Bikker, J.; Djuric, N.; Earn, A.; Bucci, K.; Athey, S.; Huntington, A.; McIlwraith, H.; Munno, K.; De Frond, H.; Kolomijeca, A.; Erdle, L.; Grbic, J.; Bayoumi, M.; Borrelle,
S. B.; Wu, T.; Santoro, S.; Werbowski, L. M.; Zhu, X.; Giles, R. K.; Hamilton, B. M.; Thaysen, C.; Kaura, A.; Klasios, N.; Ead, L.; Kim, J.; Sherlock, C.; Ho, A.; Hung, C. Rethinking microplastics as a diverse contaminant suite. Environ. Toxicol. Chem. 2019, 38 (4), 703-711.
(23) Wang, Y.; Xiang, L.; Amelung, W.; Elsner, M.; Gan, J.; Kueppers, S.; Christian, L.; Jiang, X.; Adu-Gyamfi, J.; Heng, L.; Ok, Y. S.; Ivleva, N. P.; Luo, Y.; Barceló, D.; Schäffer, A.; Wang, F. Microand nanoplastics in soil ecosystems: Analytical methods, fate, and effects. TrAC Trends Anal. Chem. 2023, 169, 117309.
(24) Koelmans, A. A.; Redondo-Hasselerharm, P. E.; Nor, N. H. M.; de Ruijter, V. N.; Mintenig, S. M.; Kooi, M. Risk assessment of microplastic particles. Nat. Rev. Mater. 2022, 7 (2), 138-152.
(25) Bucci, K.; Rochman, C. M. Microplastics: a multidimensional contaminant requires a multidimensional framework for assessing risk. Micropl. Nanopl. 2022, 2 (1), 7.
(26) Liu, M.; Feng, J.; Shen, Y.; Zhu, B. Microplastics effects on soil biota are dependent on their properties: A meta-analysis. Soil Biol. Biochem. 2023, 178, 108940.
(27) Wang, P.-Y.; Zhao, Z.-Y.; Xiong, X.-B.; Wang, N.; Zhou, R.; Zhang, Z.-M.; Ding, F.; Hao, M.; Wang, S.; Ma, Y.; Uzamurera, A. G.; Xiao, K.-W.; Khan, A.; Tao, X.-P.; Wang, W.-Y.; Tao, H.-Y.; Xiong, Y.C. Microplastics affect soil bacterial community assembly more by their shapes rather than the concentrations. Water Res. 2023, 245, 120581.
(28) Gao, H.; Liu, Q.; Yan, C.; Mancl, K.; Gong, D.; He, J.; Mei, X. Macro-and/or microplastics as an emerging threat effect crop growth and soil health. Resour. Conserv. Recycl. 2022, 186, 106549.
(29) Whiting, Q. T.; O’Connor, K. F.; Potter, P. M.; Al-Abed, S. R. A high-throughput, automated technique for microplastics detection, quantification, and characterization in surface waters using laser direct infrared spectroscopy. Anal. Bioanal. Chem. 2022, 414 (29), 83538364.
(30) Brandt, J.; Bittrich, L.; Fischer, F.; Kanaki, E.; Tagg, A.; Lenz, R.; Labrenz, M.; Brandes, E.; Fischer, D.; Eichhorn, K.-J. Highthroughput analyses of microplastic samples using fourier transform infrared and raman spectrometry. Appl. Spectrosc. 2020, 74 (9), 1185-1197.
(31) Ivleva, N. P. Chemical analysis of microplastics and nanoplastics: Challenges, advanced methods, and perspectives. Chem. Rev. 2021, 121 (19), 11886-11936.
(32) Hufnagl, B.; Stibi, M.; Martirosyan, H.; Wilczek, U.; Möller, J. N.; Löder, M. G. J.; Laforsch, C.; Lohninger, H. Computer-assisted analysis of microplastics in environmental samples based on FTIR imaging in combination with machine learning. Environ. Sci. Technol. Lett. 2022, 9 (1), 90-95.
(33) Lorenzo-Navarro, J.; Castrillón-Santana, M.; Sánchez-Nielsen, E.; Zarco, B.; Herrera, A.; Martínez, I.; Gómez, M. Deep learning approach for automatic microplastics counting and classification. Sci. Total Environ. 2021, 765, 142728.
(34) Giardino, M.; Balestra, V.; Janner, D.; Bellopede, R. Automated method for routine microplastic detection and quantification. Sci. Total Environ. 2023, 859, 160036.
(35) Yuan, W.; Christie-Oleza, J. A.; Xu, E. G.; Li, J.; Zhang, H.; Wang, W.; Lin, L.; Zhang, W.; Yang, Y. Environmental fate of microplastics in the world’s third-largest river: Basin-wide investigation and microplastic community analysis. Water Res. 2022, 210, 118002.
(36) Wang, B.; Chen, X.; Xiong, X.; Wu, W.; He, Q.; Hu, H.; Wu, C. Spatial analysis of the influence on “microplastic communities” in the water at a medium scale. Sci. Total Environ. 2023, 885, 163788.
(37) Guo, Z.; Boeing, W. J.; Xu, Y.; Borgomeo, E.; Mason, S. A.; Zhu, Y.-G. Global meta-analysis of microplastic contamination in reservoirs with a novel framework. Water Res. 2021, 207, 117828.
(38) Chen, Y.; Niu, J.; Xu, D.; Zhang, M.; Sun, K.; Gao, B. Wet deposition of globally transportable microplastics ( ) hovering over the megacity of Beijing. Environ. Sci. Technol. 2023, 57 (30), 11152-11162.
(39) Zhang, Z.-A.; Qin, X.; Zhang, Y. Using data-driven methods and aging information to quantitatively identify microplastic environ-
mental sources and establish a comprehensive discrimination index. Environ. Sci. Technol. 2023, 57 (30), 11279-11288.
(40) Naidu, B. C.; Xavier, K. A. M.; Shukla, S. P.; Jaiswar, A. K.; Nayak, B. B. Comparative study on the microplastics abundance, characteristics, and possible sources in yellow clams of different demographic regions of the northwest coast of India. J. Hazard. Mater. Lett. 2022, 3, 100051.
(41) Cabanilles, P.; Acle, S.; Arias, A.; Masiá, P.; Ardura, A.; GarciaVazquez, E. Microplastics risk into a three-link food chain inside European hake. Diversity 2022, 14 (5), 308.
(42) Rillig, M. C.; Kim, S. W.; Zhu, Y.-G. The soil plastisphere. Nat. Rev. Microbiol. 2024, 22, 64.
(43) Amaral-Zettler, L. A.; Zettler, E. R.; Mincer, T. J. Ecology of the plastisphere. Nat. Rev. Microbiol. 2020, 18 (3), 139-151.
(44) Haraguchi, H. Metallomics as integrated biometal science. J. Anal. At. Spectrom. 2004, 19 (1), 5-14.
(45) Chen, B.; Hu, L.; He, B.; Luan, T.; Jiang, G. Environmetallomics: Systematically investigating metals in environmentally relevant media. TrAC Trends Anal. Chem. 2020, 126, 115875.
(46) Li, X.; Liu, T.; Chang, C.; Lei, Y.; Mao, X. Analytical Methodologies for Agrometallomics: A Critical Review. J. Agric. Food Chem. 2021, 69 (22), 6100-6118.
(47) Vrijheid, M. The exposome: a new paradigm to study the impact of environment on health. Thorax 2014, 69 (9), 876.
(48) Lei, L.; Pang, R.; Han, Z.; Wu, D.; Xie, B.; Su, Y. Current applications and future impact of machine learning in emerging contaminants: A review. Crit. Rev. Environ. Sci. Technol. 2023, 53 (20), 1817-1835.
(49) Hartmann, N. B.; Hüffer, T.; Thompson, R. C.; Hassellöv, M.; Verschoor, A.; Daugaard, A. E.; Rist, S.; Karlsson, T.; Brennholt, N.; Cole, M.; Herrling, M. P.; Hess, M. C.; Ivleva, N. P.; Lusher, A. L.; Wagner, M. Are we speaking the same language? Recommendations for a definition and categorization framework for plastic debris. Environ. Sci. Technol. 2019, 53 (3), 1039-1047.
(50) Koelmans, A. A.; Gebreyohanes Belay, B. M.; Mintenig, S. M.; Mohamed Nor, N. H.; Redondo-Hasselerharm, P. E.; de Ruijter, V. N. Towards a rational and efficient risk assessment for microplastics. TrAC Trends Anal. Chem. 2023, 165, 117142.
(51) Lehmann, A.; Leifheit, E. F.; Gerdawischke, M.; Rillig, M. C. Microplastics have shape- and polymer-dependent effects on soil aggregation and organic matter loss – an experimental and metaanalytical approach. Micropl. Nanopl. 2021, 1 (1), 7.
(52) Schwarzer, M.; Brehm, J.; Vollmer, M.; Jasinski, J.; Xu, C.; Zainuddin, S.; Fröhlich, T.; Schott, M.; Greiner, A.; Scheibel, T.; Laforsch, C. Shape, size, and polymer dependent effects of microplastics on Daphnia magna. J. Hazard. Mater. 2022, 426, 128136.
(53) Rillig, M. C.; Lehmann, A. Microplastic in terrestrial ecosystems. Science 2020, 368 (6498), 1430-1431.
(54) Barchiesi, M.; Kooi, M.; Koelmans, A. A. Adding depth to microplastics. Environ. Sci. Technol. 2023, 57 (37), 14015-14023.
(55) Sørensen, L.; Rogers, E.; Altin, D.; Salaberria, I.; Booth, A. M. Sorption of PAHs to microplastic and their bioavailability and toxicity to marine copepods under co-exposure conditions. Environ. Pollut. 2020, 258, 113844.
(56) Velzeboer, I.; Kwadijk, C. J. A. F.; Koelmans, A. A. Strong sorption of PCBs to nanoplastics, microplastics, carbon nanotubes, and fullerenes. Environ. Sci. Technol. 2014, 48 (9), 4869-4876.
(57) Luo, G.; Liang, B.; Cui, H.; Kang, Y.; Zhou, X.; Tao, Y.; Lu, L.; Fan, L.; Guo, J.; Wang, A.; Gao, S.-H. Determining the contribution of micro/nanoplastics to antimicrobial resistance: Challenges and perspectives. Environ. Sci. Technol. 2023, 57 (33), 12137-12152.
(58) Bowley, J.; Baker-Austin, C.; Porter, A.; Hartnell, R.; Lewis, C. Oceanic hitchhikers – Assessing pathogen risks from marine microplastic. Trends Microbiol. 2021, 29 (2), 107-116.
(59) Hale, R. C.; Seeley, M. E.; La Guardia, M. J.; Mai, L.; Zeng, E. Y. A global perspective on microplastics. J. Geophys. Res.: Oceans 2020, 125 (1), e2018JC014719.
(60) Zhang, K.; Hamidian, A. H.; Tubić, A.; Zhang, Y.; Fang, J. K. H.; Wu, C.; Lam, P. K. S. Understanding plastic degradation and microplastic formation in the environment: A review. Environ. Pollut. 2021, 274, 116554.
(61) de Ruijter, V. N.; Hof, M.; Kotorou, P.; van Leeuwen, J.; van den Heuvel-Greve, M. J.; Roessink, I.; Koelmans, A. A. Microplastic effect tests should use a standard heterogeneous mixture: Multifarious impacts among 16 benthic invertebrate species detected under ecologically relevant test conditions. Environ. Sci. Technol. 2023, 57 (48), 19430-19441.
(62) Abdolahpur Monikh, F.; Baun, A.; Hartmann, N. B.; Kortet, R.; Akkanen, J.; Lee, J.-S.; Shi, H.; Lahive, E.; Uurasjärvi, E.; Tufenkji, N.; Altmann, K.; Wiesner, Y.; Grossart, H.-P.; Peijnenburg, W.; Kukkonen, J. V. K. Exposure protocol for ecotoxicity testing of microplastics and nanoplastics. Nat. Protoc. 2023, 18 (11), 35343564.
(63) Zhu, D.; Bi, Q.-F.; Xiang, Q.; Chen, Q.-L.; Christie, P.; Ke, X.; Wu, L.-H.; Zhu, Y.-G. Trophic predator-prey relationships promote transport of microplastics compared with the single Hypoaspis aculeifer and Folsomia candida. Environ. Pollut. 2018, 235, 150-154. (64) Rillig, M. C.; Leifheit, E.; Lehmann, J. Microplastic effects on carbon cycling processes in soils. PLOS Biol. 2021, 19 (3), e3001130.
(65) Seeley, M. E.; Song, B.; Passie, R.; Hale, R. C. Microplastics affect sedimentary microbial communities and nitrogen cycling. Nat. Сотmun. 2020, 11 (1), 2372.
(66) Su, X.; Yang, L.; Yang, K.; Tang, Y.; Wen, T.; Wang, Y.; Rillig, M. C.; Rohe, L.; Pan, J.; Li, H.; Zhu, Y.-g. Estuarine plastisphere as an overlooked source of production. Nat. Commun. 2022, 13 (1), 3884.
(67) Kumar, A.; Mishra, S.; Pandey, R.; Yu, Z. G.; Kumar, M.; Khoo, K. S.; Thakur, T. K.; Show, P. L. Microplastics in terrestrial ecosystems: Un-ignorable impacts on soil characterises, nutrient storage and its cycling. TrAC Trends Anal. Chem. 2023, 158, 116869.
(68) Wang, Y.; Bai, J.; Liu, Z.; Zhang, L.; Zhang, G.; Chen, G.; Xia, J.; Cui, B.; Rillig, M. C. Consequences of microplastics on global ecosystem structure and function. Rev. Environ. Contam. Toxicol. 2023, 261 (1), 22.
(69) Zhang, J.; Ren, S.; Xu, W.; Liang, C.; Li, J.; Zhang, H.; Li, Y.; Liu, X.; Jones, D. L.; Chadwick, D. R.; Zhang, F.; Wang, K. Effects of plastic residues and microplastics on soil ecosystems: A global metaanalysis. J. Hazard. Mater. 2022, 435, 129065.
(70) Liu, X.; Wang, S.; Mu, L.; Xie, Y.; Hu, X. Microplastics reshape the fate of aqueous carbon by inducing dynamic changes in biodiversity and chemodiversity. Environ. Sci. Technol. 2023, 57 (28), 10415-10425.
(71) Li, C.; Wang, L.; Ji, S.; Chang, M.; Wang, L.; Gan, Y.; Liu, J. The ecology of the plastisphere: Microbial composition, function, assembly, and network in the freshwater and seawater ecosystems. Water Res. 2021, 202, 117428.
(72) Liao, K.; Wang, Q.; Wang, S.; Yu, J. Z. Bayesian inference approach to quantify primary and secondary organic carbon in fine particulate matter using major species measurements. Environ. Sci. Technol. 2023, 57 (13), 5169-5179.
(73) Dong, B.; Zhang, R.; Gan, Y.; Cai, L.; Freidenreich, A.; Wang, K.; Guo, T.; Wang, H. Multiple methods for the identification of heavy metal sources in cropland soils from a resource-based region. Sci. Total Environ. 2019, 651, 3127-3138.
(74) Wu, Q.; Xiao, S.-K.; Pan, C.-G.; Yin, C.; Wang, Y.-H.; Yu, K.-F. Occurrence, source apportionment and risk assessment of antibiotics in water and sediment from the subtropical Beibu Gulf, South China. Sci. Total Environ. 2022, 806, 150439.
(75) Knights, D.; Kuczynski, J.; Charlson, E. S.; Zaneveld, J.; Mozer, M. C.; Collman, R. G.; Bushman, F. D.; Knight, R.; Kelley, S. T. Bayesian community-wide culture-independent microbial source tracking. Nat. Methods 2011, 8 (9), 761-763.
(76) Shenhav, L.; Thompson, M.; Joseph, T. A.; Briscoe, L.; Furman, O.; Bogumil, D.; Mizrahi, I.; Pe’er, I.; Halperin, E. FEAST: fast expectation-maximization for microbial source tracking. Nat. Methods 2019, 16 (7), 627-632.
(77) Wu, N. Tracing microplastic footprints through the plastisphere. Nat. Rev. Earth Environ. 2022, 3 (8), 498-498.
(78) Gigault, J.; El Hadri, H.; Nguyen, B.; Grassl, B.; Rowenczyk, L.; Tufenkji, N.; Feng, S.; Wiesner, M. Nanoplastics are neither microplastics nor engineered nanoparticles. Nat. Nanotechnol. 2021, 16 (5), 501-507.