Narrow your search

Library

KU Leuven (4)


Resource type

dissertation (4)


Language

English (4)


Year
From To Submit

2024 (4)

Listing 1 - 4 of 4
Sort by

Dissertation
Tantalum-based Electrodes for Selective Nitrate Reduction
Authors: --- --- ---
Year: 2024 Publisher: Leuven KU Leuven. Faculteit Wetenschappen

Loading...
Export citation

Choose an application

Bookmark

Abstract

Industrial activities influence the natural concentrations of nitrogen species on our planet. Many things such as combustion engines or fertilizers lead to emissions of nitrogen compounds that harm our ecosystems. As a result, soils can suffer from acidification or natural waters from eutrophication, leading to a loss in biodiversity. Especially agricultural fields are known to release a lot of nitrogen compounds, as often too much fertilizer gets applied on the fields which can’t be taken up by the plants and then ends up in water streams. There are ways to recover nitrogen compounds from these wastewater streams and there are possibilities to recycle certain products from it. One example is the fertilizer ammonium nitrate (NH4NO3) which can be produced by electrochemically recycling nitrate (NO3-) back to ammonium (NH4+). This process goes via intermediates that have different oxidation states and one needs a catalyst that is able to generate the wanted product ammonium. The metal Tantalum, which is also very stable in acid, has proven to be a good choice for this recycling reaction. Furthermore, using acidic reaction conditions shows certain advantages when doing the reaction. In this thesis, the goal was to make the most use of the catalytic Tantalum metal by applying it in the form of very small particles on a porous sponge-like support material made from carbon. The result was an electrode with a high surface area that can interact with the nitrate molecules to reduce them to ammonium. By experimenting with the pure metal, it was found that pH 2.12 provided the best results. The carbon felt was coated with an ink made from Ta nanoparticles and a polymer which acted like a glue to stick the particles to the carbon fibers. The electrodes made this way did produce ammonium, indicating that this coating strategy works. However, the coating showed some stability problems as the performance went down after the initial boosted performance. In a way to skip the coating part, a reactive species was deposited on the carbon fibers. This species then reacted with water to form a catalytic species of Tantalum. These electrodes also produced ammonium and multiple parameters were found that influenced the performance. If there is too much water present at the start, the reactive species will react before it can properly accumulate near the carbon felt, which in return leads to a lower performance. It was also shown that heating the carbon felt after treating it with the Ta-species positively impacted the catalytic layer. In conclusion, further improvements need to be done to make these electrodes suited for the recycling of nitrates back to ammonium, but it was shown that porous carbon material can be functionalized with Ta nanoparticles or reactive Ta species to result in functioning electrodes.

Keywords


Dissertation
Detection of micro- and nanoplastics in blood samples through optical techniques

Loading...
Export citation

Choose an application

Bookmark

Abstract

Recente studies wijzen op de aanwezigheid van microplastics in biologische stalen, waaronder bloed, en doen een verband vermoeden met verschillende gezondheidsrisico's. Deze thesis pakt de beperkingen van huidige technieken voor het detecteren van microplastics in bloed aan. Een nieuwe benadering wordt onderzocht, gebruik makend van optische klaring door middel van een techniek genaamd ‘expansiemicroscopie’. Door bloedstalen om te zetten in een gelmatrix vergroot de transparantie en kan licht beter doordringen in het staal, waardoor detectie van microplastics met fluorescentiemicroscopie wordt vergemakkelijkt. De fluorescente kleurstof Nijlrood vertoont hoge affiniteit voor microplastics en wordt daarom gekozen als label. Het gebruik van Nijlrood in combinatie met surfactant Tween 20 blijkt het meest effectief voor uniforme kleuring. Nijlrood wordt geëxciteerd door een geschikte laser, waarna het licht uitzendt dat gedetecteerd en weergegeven wordt in een fluorescentiebeeld. Het protocol voor gellering wordt geoptimaliseerd voor bloed, waarbij rekening gehouden wordt met de reeds hoge water inhoud en de aanwezigheid van zuurstof in bloed. Chemische bestanddelen worden rechtstreeks in bloed opgelost, in plaats van eerst in Milli-Q water, en dubbele concentraties TEMED, APS en 4-hydroxy-tempo worden toegevoegd, die het proces van gelvorming initiëren. De bloedgels worden verder behandeld met lipase en protease K om optische helderheid te verbeteren. Autofluorescentie en lichtabsorptie door biologische lipiden en eiwitten in de bloedmatrix worden daardoor vermeden. Ook co-kleuring met Nijlrood vanwege niet-specifieke affiniteit voor alle apolaire componenten (zoals microplastics) wordt belet. Verder wordt aangetoond dat het belangrijk is om bloed/bloedgels niet op vriestemperaturen te bewaren, om celdood te voorkomen. De kwantificering van niet-bevroren bloedcellen onthult echter nog steeds enige verdunningseffecten na expansie. Naast de uitdagingen rond het vormen van bloedgels en het detecteren van Nijlrood-gekleurde microplastics, is het vinden van geschikte fluorescerende labels voor rode en witte bloedcellen niet evident. Deze labels zijn noodzakelijk om plastics in hun biologische context te kunnen plaatsen en interacties te kunnen bestuderen. Het gebruik van de fluorescente kleurstof DAPI is effectief voor het labelen van celkernen in witte bloedcellen. Het labelen van het membraan of het cytoskelet van rode en witte bloedcellen blijft echter een uitdaging. Het gebruik van technieken zoals Triton-linkers en immuno-kleuring levert niet de gewenste resultaten op. Dit is mogelijks het gevolg van gebruik van bevroren stalen, waardoor verdere experimenten met verse stalen nodig zijn. Het gebruik van co-kleuring met Nijlrood werd ook onderzocht, waarbij een techniek genaamd ‘lambda-scan spectroscopie’ wordt gebruikt om onderscheid te maken tussen bloedcomponenten en microplastics op basis van het unieke golflengte spectrum van licht dat ze in hun geëxciteerde toestand uitzenden. Er wordt een verschil verwacht tussen celmembranen en plastics, op basis van de eigenschap van Nijlrood om verschillende emissiepieken te vertonen afhankelijk van de micro-omgeving waarin het zich bevindt. Ook deze aanpak blijkt echter niet effectief vanwege de waargenomen overlap in emissiespectra. Bevindingen omtrent de interacties tussen microplastics en bloedcellen blijven in dit stadium van het onderzoek beperkt.

Keywords


Dissertation
Nanoplastic Identification through Fluorescence Lifetime Imaging Analysis in Optically Cleared Biological Samples

Loading...
Export citation

Choose an application

Bookmark

Abstract

Met een jaarlijkse omzet van meer dan 600 miljard dollar behoort de plasticindustrie tot een van de grootste industrieën wereldwijd. Spullen van plastic zijn niet weg te denken uit ons dagelijkse leven. Helaas komt een groot deel ervan terecht in de natuur. Daar breken deze plastics door natuurlijke processen af in zeer kleine stukjes: microplastics (micrometers groot) en nanoplastics (nanometers groot). Via ons voedsel, het water, inademing of huidcontact worden deze deeltjes opgenomen in onze bloedbaan en weefsels. Eerder onderzoek toont toxiciteit van microplastics in het lichaam aan, maar de volledige gevolgen zijn nog onbekend. Nog minder is bekend over nanoplastics, die door hun kleinere formaat dieper in weefsels kunnen doordringen en mogelijk meer schade aanrichten. Om de effecten van microplastics en nanoplastics (MNPs) op het lichaam beter te begrijpen, en eventueel oplossingen te formuleren, is het van essentieel belang om ze vast te kunnen detecteren en identificeren. Momenteel gebruiken de meeste onderzoekers technieken gebaseerd op het filteren en afbreken van de biologische weefsels waarin de MNPs zich bevinden. Deze thesis onderzoekt een innovatieve analytische methode voor de detectie, identificatie en differentiatie van MNP's in biologische weefsels, zonder de weefsels af te breken. Hierdoor blijven de locatie en de omgevingscontext van de MNP's behouden. MNP’s worden gekleurd met een fluorescente kleurstof, genaamd Nijlrood. Deze kleurstof heeft verschillende fluorescentie-eigenschappen afhankelijk van de omgeving of het plastic waaraan het gebonden is. Aan de hand vaan twee fluorescentie microscopietechnieken bepalen we de spectrale respons (respons in de ruimte) en de levensduur van Nijlrood (respons in de tijd) om zo verschillende MNPs van elkaar te onderscheiden. De metingen werden uitgevoerd in gels waaraan de kleine plastic partikels zijn toegevoegd. Diezelfde gels gebruikten we ook om het gedrag van de plastics in weefsels te bekijken. Om dit beter te kunnen zien, maken we het weefsel doorzichtig met een techniek die 'optical clearing' heet. Hierdoor kunnen we naar het plastic partikel in het weefsel kijken zonder dat de biologische omgeving van de micro- en nanoplastics (MNP's) verloren gaat. De spectrale methode, waar we kijken naar de kleur van het licht dat MNPs uitstralen, blijkt in zijn huidige vorm onvoldoende om verschillende soorten plastic te onderscheiden. Een andere techniek, FLIM genaamd, die meet hoe lang een plastic stuk licht uitzendt, lijkt veel beter te werken om verschillende soorten plastics uit elkaar te halen. Dit onderzoek laat zien dat FLIM veelbelovend is voor het identificeren en onderscheiden van micro- en nanoplastics. De tijd die een plastic partikel nodig heeft om licht uit te zenden tijdens fluorescentiemetingen, kan een handig hulpmiddel zijn om verschillende soorten plastics te identificeren, vooral als we ook naar andere omgevings- en deeltjes-specifieke eigenschappen kijken. Het kan ook voordelig zijn om een geoptimaliseerde spectrale methode te combineren met FLIM, om nog meer differentiatie mogelijk te maken. Verder onderzoek naar de kleinste deeltjes, de nanoplastics, is nog nodig opdat ook zijn geïdentificeerd en gedifferentieerd kunnen worden.

Keywords


Dissertation
Machine learning models for the automated identification and classification of microplastic pollutant particles from Raman spectroscopic data

Loading...
Export citation

Choose an application

Bookmark

Abstract

I have created a full and comprehensive automated protocol for the detection of plastics from Raman spectra. This includes compiling the separate text files from individual spectra into a single, ordered csv file ready for further pre-processing fand machine learning steps. I provide all code for data-compilation, pre-processing and machine learning on my Github repository, and also provide the trained predicted models obtained from my data analysis. I decided to provide the data-compilation code so that any layman in the field of coding would be able to compile their data into a structure that is usable for the pre-processing and machine learning discussed in this thesis. It should be user-friendly, so that any researchers in the field of plastic (or other) pollutant particles, regardless of their programming background, can use this tool to advance the research around the collection and analysis of microparticle pollutants. This study aims to develop an automatic detection tool to achieve rapid analysis of micro-plastics (MPs) from Raman spectroscopic data. This automated detection protocol includes a preprocessing pipeline of Raman spectra and subsequent implementation of various machine learning algorithms. Random Forest (RF), Support Vector Machines (SVM) and K-Nearest-Neighbour (KNN) supervised learning algorithms were used. Models were made using Lei et al.data, or only in-house data, or a combined dataset, all with accuracy above 90%. The Lei et al. RF model was tested on in-house data with an accuracy of 76 %.The Raman data used for model training came from Lei et al.. and in-house data from the Membrane Separations, Adsorption, Catalysis, and Spectroscopy for Sustainable Solutions (cMACS) division headed by Prof. Maarten Roeffaers. Both Lei et al. data and in-house data were used for model testing. Dimensionality reduction techniques such as Principle Component Analysis (PCA) was trialled and implemented to reduce the number of features and observe the effect this had on the machine learning models.

Keywords

Listing 1 - 4 of 4
Sort by