Optimisation du traitement de données de la méthode

Optimisation du traitement de données de la méthode « Single particle »-ICP-MS

Évolution du traitement de données en Sp-ICP-MS

Dans la littérature, les travaux de Pace et al. (2011) et de Laborda et al. (2011) ont permis d’accroître l’intérêt pour la méthode Sp-ICP-MS. Dans leur publication, ils présentent la théorie de la méthode SpICP-MS en détail et de nouvelles méthodes de calcul de l’efficacité de transport (TE), l’un des paramètres les plus critiques. Suite à ces travaux, l’institut du RIKILT au Pays-Bas a développé une feuille de calcul permettant d’automatiser le traitement de données et l’a mise à disposition en libre accès (Peters et al., 2014a, 2015 ; RIKILT Wageningen, 2015). Cette feuille de calcul est adaptée pour des temps d’acquisition suffisamment élevés (Dt > 3 ms). En utilisant des composants électroniques et/ou des ICP-MS de dernière génération qui n’étaient pas accessibles à la plupart des laboratoires, des études ont montré les avantages que procure une acquisition amplifiée du signal à une fréquence plus élevée (Engelhard, 2011 ; Olesik and Gray, 2012 ; Cornelis and Hassellöv, 2014). En effet, peu de temps après, plusieurs études (Hineman and Stephan, 2014 ; Montaño et al., 2014 ; Abad-álvaro et al., 2016) ont mis en avant le fait que des Dt plus faibles, de l’ordre de la microseconde (10-100 µs), peuvent augmenter le rapport signal sur bruit et ainsi améliorer les limites de détection en taille (LDt) des méthodes Sp-ICP-MS. Les constructeurs d’équipements se sont appuyés sur ces différentes études et sur la feuille de calcul du RIKILT pour développer des logiciels additionnels intégrés aux ICP-MS (Thermo Scientific, 2016). Le premier avantage est de pouvoir traiter les données directement plutôt que d’exporter et utiliser des feuilles de calcul internes. Perkin Elmer a été le premier constructeur d’ICP-MS à proposer un logiciel capable de traiter automatiquement des données Sp-ICP-MS à des Dt de l’ordre de 100 µs pour l’analyse de NPs d’argent (Hineman and Stephan, 2014), suivi par d’autres constructeurs comme Agilent (Nunez et al., 2016) et Thermo Fisher Scientific (Kutscher et al., 2016). Actuellement, le traitement de données en Sp-ICP-MS n’est pas harmonisé, certaines études utilisant leur propre feuille de calcul interne, inaccessible aux autres équipes de recherche, tandis que d’autres utilisent les logiciels constructeurs qui sont souvent des boîtes noires (Loeschner et al., 2018 ; Peters et al., 2018 ; Witzler et al., 2018).

Temps d’acquisition (Dt)

Ce paramètre sera largement détaillé car c’est celui qui a le plus fait évoluer les analyses Sp-ICP-MS. Les analyses Sp-ICP-MS conventionnelles utilisent des Dt compris entre 3 et 10 ms. Avec ces Dt, il est supposé que, lorsqu’un pic de signal est obtenu, il est assimilé à une particule complète (Figure 60A). Comme la plage de temps du nuage d’ions d’une particule est estimée entre 200 et 500 µs (Olesik and Gray, 2012), plusieurs biais peuvent survenir au cours de cette période : (i) deux particules peuvent être détectées dans un même Dt, ce qui entraînera une surestimation de la taille (Figure 60B) ; (ii) seulement une fraction de particule peut être détectée, ce qui provoquera une sous-estimation de la taille (Figure 60C) ; (iii) si la concentration en espèces ioniques est trop importante, le bruit de fond sera plus élevé et dégradera la limite de détection en taille (LDt) (Figure 60D) (Meermann and Nischwitz, 2018).Afin de minimiser ces biais, il est nécessaire de diluer les échantillons de manière adaptée pour n’envoyer qu’une seule particule sur un Dt donné (Meermann and Nischwitz, 2018). L’étude de Mitrano et al. (2012) a permis de déterminer un Dt optimal de 10 ms. Toutefois, il peut s’avérer avantageux d’utiliser des Dt plus faibles, entre 10 et 100 µs, car la fraction ionique contribuera nettement moins au bruit de fond, permettant d’obtenir de meilleures limites de détection. Cela Chapitre IV : Optimisation du traitement de données de la méthode Sp-ICP-MS 109 permet aussi d’éviter les étapes de dilution supplémentaires de l’échantillon. L’inconvénient majeur lié à l’utilisation de faibles Dt est la détection fractionnée systématique des particules puisque le Dt est inférieur à la plage de temps de passage de la particule (200-500 µs) qui nécessite un traitement des données adapté. Dans le cas classique du traitement de données en Sp-ICP-MS, plusieurs signaux consécutifs (supérieurs au seuil bruit de fond-particule) seront considérés comme plusieurs particules. La Figure 61, illustre un traitement de données non-adapté/adapté lors de l’acquisition de plusieurs signaux consécutifs d’une même particule.Pour utiliser des Dt entre 10 et 100 µs, inférieurs à la plage de temps d’une particule, il est nécessaire (i) d’avoir un temps mort du détecteur (temps entre deux acquisitions) le plus faible possible afin que la perte d’informations durant ce temps mort soit négligeable (Hineman and Stephan, 2014) et (ii) de disposer de logiciels adaptés au traitement des données, de façon à pouvoir recomposer le signal de la particule, comme le montre la Figure 61. Les logiciels et les performances techniques des ICP-MS ont donc évolués simultanément, entraînant une amélioration de l’acquisition des données, avec une résolution temporelle très élevée (Engelhard, 2011 ; Olesik and Gray, 2012 ; Cornelis and Hassellöv, 2014).

Optimisation de la feuille de calcul du RIKILT

Présentation de la feuille de calcul du RIKILT

La feuille de calcul développée par le RIKILT est en libre accès et permet de traiter des données brutes issues d’une analyse conventionnelle par Sp-ICP-MS, après les avoir exportées sous Excel. Elle est constituée de deux onglets, le premier est utilisé pour le calcul du TE et le deuxième (présenté dans la Figure 62) est dédié au traitement des données Sp-ICP-MS. On y distingue trois graphiques, le signal brut (Figure 62A), les signaux triés par fréquence (Figure 62B) et la distribution en taille des particules (Figure 62C). Ces graphiques sont obtenus à partir des données brutes de l’ICP-MS, qui sont exportées et insérées dans un tableau des données brutes de la feuille de calcul (Figure 62D). L’utilisateur doit renseigner les paramètres d’analyse tels que le TE ou le seuil bruit de fond-particule (Figure 62E) afin que les résultats de l’analyse se mettent à jour (Figure 62F). Ce dernier tableau fourni la concentration en nombre de particules, la concentration en masse, le diamètre moyen ainsi que la concentration ionique. Pour obtenir ces résultats, le traitement des données s’opère entre les colonnes « B » et « L » du fichier Excel. Cette partie est masquée afin de rendre l’interface plus confortable. Sur la Figure 63, il est possible de voir les colonnes non masquées dédiées au traitement des données brutes. Une fois les données brutes de l’ICP-MS insérées dans le tableau (Figure 63A), les colonnes B et C permettent de trier chaque signal en les identifiant comme bruit de fond (Figure 63B) ou particule (Figure 63C). Cette distinction peut se faire à l’aide du seuil bruit de fond-particule qui est indiqué par l’utilisateur. Les colonnes « D » (Figure 63D) et « E » (Figure 63E) correspondent respectivement aux conversions du signal des NPs en masse puis en diamètre en utilisant notamment les Équations 7 et 8 (paragraphe II.9.4.2). Enfin, les dernières colonnes (Figure 63F) sont utilisées pour répertorier la fréquence des diamètres et représenter une distribution en taille. Les données (Figure 63G) sont des paramètres statistiques (moyenne, écart-type, médiane…) pour les différentes colonnes (B, C, D et E) permettant d’extraire les résultats d’intérêts (diamètre moyen, nombre de particules analysées…). Bien que la feuille de calcul du RIKILT soit simple d’utilisation, celle-ci est limitée sur plusieurs points tels que le graphique de la distribution en taille (Figure 62C) par exemple. Les axes de ce graphique sont définis avec un maximum à 200 nm. Par conséquent, tout échantillon contenant des particules avec un diamètre > 200 nm aura une distribution en taille incomplète. Ce choix a probablement été fait pour se concentrer sur la fraction nanoparticulaire du matériau. Une autre limite concerne le seuil bruit de fond-particule qui doit être déterminé par l’utilisateur alors que Pace et al. (2011) proposaient un calcul itératif à partir des données brutes (voir paragraphe II.9.4.1). Une seule méthode de calcul de l’efficacité de transport est proposée (méthode basée sur la concentration des particules) alors qu’une deuxième méthode existe (méthode basée sur la masse des particules) et qu’elle peut fournir des résultats significativement différents (Aznar et al., 2017 ; Geertsen et al., 2018). Enfin, des paramètres importants pour ce type d’analyse, comme la fraction nanoparticulaire et la LDt, ne sont pas accessibles. La fraction nanoparticulaire peut être un critère pour définir un nanomatériau (Commision européenne, 2011) et la LDt permet de juger la performance de la méthode d’analyse. C’est pourquoi des modifications majeures ont été apportées à cette feuille de calcul au cours de cette thèse, afin de la rendre plus complète et plus polyvalente.