Des capteurs microfluidiques permettent la détection en temps réel de plusieurs métaux lourds dans l’eau


Schéma d’un réseau de capteurs fluorescents microfluidiques pour la détection d’ions de métaux lourds. Crédit : Li Lingfei

Un groupe de chercheurs des Instituts des sciences physiques de Hefei de l’Académie chinoise des sciences a conçu et développé des réseaux de capteurs microfluidiques avancés qui utilisent des sondes fluorescentes pour visualiser et détecter quantitativement simultanément plusieurs ions de métaux lourds dans l’eau de l’environnement en temps réel.

« Cette innovation fournit un nouvel outil puissant pour surveiller la qualité de l’eau et garantir la sécurité de l’eau », a déclaré le professeur Jiang Changlong, qui a dirigé l’équipe.

L’étude est publiée dans Journal de génie chimique.

Les métaux lourds tels que le mercure (Hg2+), plomb (Pb2+), chrome (Cr3+) et le cuivre (Cu2+) sont des polluants courants dans nos réseaux d’eau. Ces contaminants sont difficiles à éliminer et peuvent causer de graves dommages aux écosystèmes et à la santé humaine.

Les méthodes traditionnelles de détection de ces métaux sont souvent lentes et nécessitent l’analyse de chaque métal individuellement, ce qui n’est ni efficace ni pratique.

Pour surmonter ces limitations, l’équipe a conçu des capteurs microfluidiques sur des plaques acryliques en utilisant une combinaison astucieuse de la force capillaire et de la nature hydrophobe des surfaces internes des plaques. Cette configuration permet la création de canaux microfluidiques complexes où la magie opère.

La clé de ces capteurs réside dans l’utilisation de sondes fluorescentes organiques. Ces sondes sont non seulement peu coûteuses, mais aussi incroyablement sensibles et sélectives. Elles peuvent facilement se lier à des ions de métaux lourds spécifiques, ce qui les fait s’allumer et signaler la présence de ces contaminants.

Conception de réseaux de capteurs microfluidiques fluorescents et détection simultanée de métaux lourds. Crédit : Li Lingfei

Les chercheurs ont construit des puces microfluidiques contenant quatre sondes fluorescentes différentes, chacune conçue pour détecter l’un des métaux lourds ciblés. À l’aide de ces sondes, ils ont créé un système hautement sensible, sélectif et visuel capable de détecter et de mesurer simultanément les concentrations de mercure2+Pb2+Cr3+et Cu2+ dans l’eau.

Le système de détection fonctionne avec une puce microfluidique et un smartphone équipé d’une technologie de reconnaissance des couleurs. Cela signifie que non seulement ces métaux lourds peuvent être détectés en temps réel, mais que les résultats peuvent également être visualisés et quantifiés instantanément, ce qui en fait une solution conviviale et très efficace pour surveiller la qualité de l’eau.

Selon les chercheurs, cette approche offre un moyen plus rapide et plus précis de garantir que notre eau est protégée contre toute contamination par des métaux lourds nocifs.

Plus d’information:
Lingfei Li et al, Conception de réseaux de capteurs fluorescents microfluidiques pour la détection en temps réel et visualisée de manière synchrone d’ions de métaux lourds multicomposants, Journal de génie chimique (2024). DOI : 10.1016/j.cej.2024.152636

Fourni par l’Académie chinoise des sciences

Citation: Des capteurs microfluidiques permettent la détection en temps réel de plusieurs métaux lourds dans l’eau (2024, 19 juillet) récupéré le 19 juillet 2024 à partir de

Ce document est soumis au droit d’auteur. En dehors de toute utilisation équitable à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans autorisation écrite. Le contenu est fourni à titre d’information uniquement.



Related posts

L’analyse révèle que la plupart des LLM majeurs en open source et en source fermée ont tendance à pencher à gauche lorsqu’on leur pose des questions à forte connotation politique

Une étude examine la contagion du suicide après le décès de célébrités, ouvrant des pistes de prévention

Sonder la capture du carbone, atome par atome, avec un modèle d’apprentissage automatique