CN115308319A - 一种全氟及多氟烷基化合物非靶向筛查的定量方法 - Google Patents

一种全氟及多氟烷基化合物非靶向筛查的定量方法 Download PDF

Info

Publication number
CN115308319A
CN115308319A CN202210741597.XA CN202210741597A CN115308319A CN 115308319 A CN115308319 A CN 115308319A CN 202210741597 A CN202210741597 A CN 202210741597A CN 115308319 A CN115308319 A CN 115308319A
Authority
CN
China
Prior art keywords
perfluoro
polyfluoroalkyl
sample
compounds
peak
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210741597.XA
Other languages
English (en)
Inventor
孙卫玲
胡景润
刘一
陈倩
倪晋仁
张同颖
王树磊
肖新宗
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China South To North Water Diversion Group Middle Line Co ltd
Peking University
Original Assignee
China South To North Water Diversion Group Middle Line Co ltd
Peking University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China South To North Water Diversion Group Middle Line Co ltd, Peking University filed Critical China South To North Water Diversion Group Middle Line Co ltd
Priority to CN202210741597.XA priority Critical patent/CN115308319A/zh
Publication of CN115308319A publication Critical patent/CN115308319A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G01N30/04—Preparation or injection of sample to be analysed
    • G01N30/06—Preparation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G01N30/62—Detectors specially adapted therefor
    • G01N30/72—Mass spectrometers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G01N30/86—Signal analysis
    • G01N30/8624—Detection of slopes or peaks; baseline correction
    • G01N30/8631—Peaks
    • G01N30/8634—Peak quality criteria
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G01N30/86—Signal analysis
    • G01N30/8696—Details of Software
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G01N30/04—Preparation or injection of sample to be analysed
    • G01N2030/042—Standards
    • G01N2030/045—Standards internal

Abstract

本发明公开一种全氟及多氟烷基化合物非靶向筛查的定量方法，包括如下步骤：利用固相萃取氮吹浓缩得到样品提取液；对提取液中全氟及多氟烷基化合物进行非靶向筛查，获得全氟及多氟烷基化合物筛查清单；利用全氟及多氟烷基化合物标样的响应因子和分子描述符建立预测模型；利用构建的预测模型预测无标样全氟及多氟烷基化合物的响应因子，计算无标样全氟及多氟烷基化合物的浓度。本发明结合靶向定量实现有标样全氟及多氟烷基化合物的准确定量，同时构建响应因子预测模型，实现无标样全氟及多氟烷基化合物的绝对定量，相较于传统半定量方法具有更低的定量误差，能提供更加准确的浓度信息，为后续风险评估和污染管控提供科学依据。

Description

一种全氟及多氟烷基化合物非靶向筛查的定量方法
技术领域
本发明属于环境分析化学技术领域，具体涉及一种全氟及多氟烷基化合物非靶向筛查的定量方法。
背景技术
全氟及多氟烷基化合物(per-and polyfluoroalkyl substances，PFAS)是一类具有良好化学稳定性、疏水疏油性和表面活性的人工合成物质，自上世纪50年代以来被大量应用于各类工业生产和商用消费品中。大量的全氟及多氟烷基化合物在地表水、地下水、海水、大气、沉积物和土壤等环境介质，以及人体、动物血液、肌肉和肝脏等生物样本中被检出。研究表明全氟及多氟烷基化合物具有持久性、长距离迁移性、生物富集性和毒性等特点，对生态环境和人体健康存在潜在危害，引起了社会的广泛关注。目前，在全球市场中存在超过3000种的全氟及多氟烷基化合物，但是仅有少部分被纳入常规环境监测中，大量全氟及多氟烷基化合物的结构和环境分布尚未可知。
目前，基于高分辨质谱的疑似和非靶向筛查是用于未知全氟及多氟烷基化合物识别的重要手段，已经应用于各种环境和生物样品，迄今已成功识别了700余种新兴全氟及多氟烷基化合物。由于大部分全氟及多氟烷基化合物缺少标准样品，难以获取准确的定量浓度信息，现有技术通常基于结构相似性原则选取有标样物质对环境样品中筛查出的无标样物质的全氟及多氟烷基化合物进行半定量。然而，不同物质在相同浓度下的仪器响应信号可能会有数量级的差异，所以上述方法得到的无标样物质的全氟及多氟烷基化合物浓度信息具有很大的不确定性。
发明内容
为解决现有技术中存在的不足，本发明的目的在于，提供一种全氟及多氟烷基化合物非靶向筛查的定量方法，以解决传统全氟及多氟烷基化合物非靶向筛查中无标样物质无法提供准确定量信息的问题，实现环境样品中的全氟及多氟烷基化合物的高通量非靶向筛查。
本发明提供一种全氟及多氟烷基化合物非靶向筛查的定量方法，该方法包括以下步骤：
计算待测环境样品中无标样全氟及多氟烷基化合物的分子描述符；
将所述无标样全氟及多氟烷基化合物的分子描述符作为预先建立的响应因子预测模型的输入，通过所述响应因子预测模型预测所述无标样全氟及多氟烷基化合物的响应因子，其中，所述响应因子预测模型包括响应因子和分子描述符之间的映射关系；
利用高分辨质谱确定所述无标样全氟及多氟烷基化合物的峰面积，以及，根据所述无标样全氟及多氟烷基化合物的峰面积和响应因子，得到所述无标样全氟及多氟烷基化合物的预测浓度。
可选的，所述响应因子预测模型通过以下方法得到：
配制多种全氟及多氟烷基化合物标样；
获取所述多种全氟及多氟烷基化合物标样在高分辨质谱全扫描模式下的峰面积；
根据所述多种全氟及多氟烷基化合物标样的峰面积与对应的浓度之比，得到每种全氟及多氟烷基化合物标样的响应因子；
计算每种全氟及多氟烷基化合物标样的分子描述符；
从训练样本集中学习获得响应因子的响应因子预测模型，所述训练样本包括全氟及多氟烷基化合物标样的响应因子和分子描述符之间的对应记录。
可选的，所述从训练样本集中学习获得响应因子的响应因子预测模型，包括基于随机森林算法，利用训练样本集优化随机森林算法中的ntree参数和mtry参数以建立响应因子预测模型。
可选的，所述分子描述符的计算方法采用PaDEL-Descriptor软件。
可选的，所述全氟及多氟烷基化合物标样和所述待测环境样品的质谱分析条件相同。
可选的，在所述计算待测环境样品中无标样全氟及多氟烷基化合物的分子描述符之前，还包括：
样品前处理：对待测环境样品进行固相萃取和氮吹浓缩，得到提取液；
质谱分析：利用色谱-高分辨质谱联用对所述提取液进行分析，得到质谱数据；
非靶向筛查：对所述质谱数据预处理得到峰列表，利用疑似物清单和同系物规则从所述峰列表中筛选出潜在的全氟及多氟烷基化合物峰，对所述潜在的全氟及多氟烷基化合物峰经过结构注释后，得到所述待测环境样品中全氟及多氟烷基化合物的鉴定清单；
其中，所述鉴定清单包括具有标样的全氟及多氟烷基化合物和无标样的全氟及多氟烷基化合物。
可选的，所述对所述质谱数据预处理得到峰列表非靶向筛查，包括：
利用Compound Discover软件对所述质谱数据进行峰提取、出峰时间对齐、峰组合和背景扣除，得到峰列表，所述峰列表包括离子质量、出峰时间和强度；
将所述峰列表和所述疑似物清单进行质量配对，得到配对疑似物；
将所述峰列表输入R语言nontarget包进行同系物查找，得到潜在的同系物列表；
对所述配对疑似物和所述同系物列表进行分子式预测和MS2谱图注释，确定全氟及多氟烷基化合物的鉴定清单。
可选的，还包括：
使用色谱串联三重四极杆质谱仪对所述鉴定清单中具有标样的全氟及多氟烷基化合物进行靶向定量。
可选的，所述利用高分辨质谱确定所述无标样全氟及多氟烷基化合物的峰面积，包括：
从所述鉴定清单中筛选出无标样全氟及多氟烷基化合物；
根据所述无标样全氟及多氟烷基化合物对应的峰列表，得到所述无标样全氟及多氟烷基化合物的峰面积。
本发明的有益效果在于，与现有技术相比：
(1)本发明的全氟及多氟烷基化合物非靶向筛查的定量方法，比传统的靶向筛查，能筛查出样品中新兴以及未知的全氟及多氟烷基化合物，提供更加全面的污染认识。
(2)本发明的全氟及多氟烷基化合物非靶向筛查的定量方法，与现有基于结构类似原则的半定量方法相比，能提供更加准确的浓度信息，为后续风险评估和污染管控提供重要科学依据。
(3)本发明的全氟及多氟烷基化合物非靶向筛查的定量方法，具有更广泛的适用性，现有基于结构类似原则的半定量方法严重地依赖于结构相似标样的获取，但是在非靶向筛查中，往往难以获得与一类完全新鉴定的全氟及多氟烷基化合物结构相似的标样。
由以上技术方案可知，针对现有半定量技术存在的问题，本发明提供一种全氟及多氟烷基化合物非靶向筛查的定量方法，该方法通过使用标样物质的响应因子和分子描述符建立预测模型，预测无标样物质的响应因子并计算其浓度，从而为环境样品中筛查出的无标准物质的全氟及多氟烷基化合物，提供更加准确的浓度信息，对于后续的风险评估和污染管控具有重要意义。
附图说明
图1为本发明实施例1提供的另一种定量方法的流程示意图；
图2为本发明实施例1提供的标样全氟及多氟烷基化合物的预测响应因子与实测响应因子关系图；
图3为本发明实施例1提供的响应因子预测模型对全氟及多氟烷基化合物响应因子的预测误差分布。
具体实施方式
下面结合附图对本申请作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本申请的保护范围。
本申请实施例提供一种全氟及多氟烷基化合物非靶向筛查的定量方法，包括步骤S1至步骤S3。
S1、计算待测环境样品中无标样全氟及多氟烷基化合物的分子描述符。
现有技术中由于大部分全氟及多氟烷基化合物缺少标准样品，难以获取准确的定量浓度信息，本申请实施例首先计算待测环境样品中无标样全氟及多氟烷基化合物的分子描述符，可选的，待测环境样品中的无标样全氟及多氟烷基化合物可能有多种，利用PaDEL-Descriptor软件计算每种无标样全氟及多氟烷基化合物的1450种2D分子描述符。
在计算待测环境样品中无标样全氟及多氟烷基化合物的分子描述符之前，本申请实施例还提供非靶向筛查以鉴定待测环境样品中全氟及多氟烷基化合物的方法，包括：
(1)样品前处理：对待测环境样品进行固相萃取和氮吹浓缩，得到提取液。
该待测环境样品通常为水样，将该水样过滤后，加入全氟及多氟烷基化合物内标溶液，上载到已经活化的萃取柱上，完成上样。用溶剂洗脱得到洗脱液，将洗脱液氮吹至近干，加入溶剂重新溶解，尼龙滤膜过滤得到提取液待用。
(2)质谱分析：利用色谱-高分辨质谱联用对所述提取液进行分析，得到质谱数据。
(3)非靶向筛查：对所述质谱数据预处理得到峰列表，利用疑似物清单和同系物规则从所述峰列表中筛选出潜在的全氟及多氟烷基化合物峰，对所述潜在的全氟及多氟烷基化合物峰经过结构注释后，得到所述待测环境样品中全氟及多氟烷基化合物的鉴定清单。
可选的，利用Compound Discover软件对所述质谱数据进行预处理，包括峰提取、出峰时间对齐、峰组合和背景扣除，得到峰列表，所述峰列表包括离子质量、出峰时间和强度。
得到峰列表之后，将该峰列表和疑似物清单进行质量配对，得到配对疑似物，该疑似物清单可以采用结合美国EPA的PFAS master list和Norman Suspect list的包含7676种全氟及多氟烷基化合物的清单，再利用Compound Discover3.2软件质量配对。同时，将该峰列表输入R语言nontarget包进行同系物查找，得到潜在的同系物列表。
对该配对疑似物和该同系物列表进行分子式预测和MS2谱图注释，判断其是否为全氟及多氟烷基化合物。可选的，利用Compound Discover 3.2预测分子式，注释MS2谱图使用质谱数据库mzCloud和MassBank进行比对，以及使用Mass Frontier和CFI-MD进行谱图预测和对比，最终得到鉴定的全氟及多氟烷基化合物清单，包括分子式、质量、出峰时间、结构信息和置信水平等。从鉴定清单中确定具有标样的全氟及多氟烷基化合物和无标样的全氟及多氟烷基化合物。
对鉴定清单中具有标样的全氟及多氟烷基化合物可以进行靶向定量，可选的，使用色谱串联三重四极杆质谱仪对具有标样的全氟及多氟烷基化合物进行定量分析，利用TraceFinder3.4软件UPLC-TSQ检测得到数据进行全氟和多氟烷基化合物的靶向筛查，利用基于内标法的标准曲线，得到具有标样的全氟及多氟烷基化合物的准确定量浓度。
S2、将所述无标样全氟及多氟烷基化合物的分子描述符作为预先建立的响应因子预测模型的输入，通过所述响应因子预测模型预测所述无标样全氟及多氟烷基化合物的响应因子。
对于无标样的全氟及多氟烷基化合物，本申请实施例采用预先建立的响应因子预测模型预测其对应的响应因子。该响应因子预测模型通过以下方法得到：首先配制多种全氟及多氟烷基化合物标样，获取所述多种全氟及多氟烷基化合物标样在高分辨质谱全扫描模式下的峰面积，根据所述多种全氟及多氟烷基化合物标样的峰面积与对应的浓度之比，得到每种全氟及多氟烷基化合物标样的响应因子，计算每种全氟及多氟烷基化合物标样的分子描述符，从训练样本集中学习获得响应因子的响应因子预测模型，所述训练样本包括全氟及多氟烷基化合物标样的响应因子和分子描述符之间的对应记录。
需要说明的是，本申请实施例中多种全氟及多氟烷基化合物标样是指多种不同全氟及多氟烷基化合物的标准品。通常情况下，在制作标准曲线时，会将标样稀释不同浓度梯度进样检测，理论上，对于同一种标样，不同浓度对应不同的峰面积，且峰面积与对应的浓度之比均保持一致，即不同浓度的同一种标样，其响应因子的值是一致的。但在实际研究中，由于实验误差，不同浓度的同一种标样，其响应因子会有略微的出入，所以，本发明实施例在优选情况下，取同一种标样在各个浓度下响应因子的平均值(即标曲的斜率)作为该标样实际上的响应因子。
在一部分优选实施例中，采用随机森林算法，利用训练样本集优化随机森林算法中的ntree参数和mtry参数以建立响应因子预测模型。
在一部分优选实施例中，为了保证响应因子预测模型的准确率，构建响应因子预测模型时检测全氟及多氟烷基化合物标样峰面积的质谱分析条件与检测待测环境样品峰面积的质谱分析条件保持一致。
需要说明的是，在预先建立响应因子预测模型时，配制全氟及多氟烷基化合物标样的种类可能并不全面。在一部分优选实施例中，响应因子预测模型是一个可以进一步优化的模型，可以通过添加没有在预先建立的响应因子预测模型中应用的全氟及多氟烷基化合物标样，以对响应因子预测模型进一步优化，例如，在预先建立影响因子预测模型后，市面上出现了新的全氟及多氟烷基化合物标样种类，此种标样没有参与预先建立的响应因子预测模型的训练，此时可以配制这种全氟及多氟烷基化合物标样，对已经构建好的响应因子预测模型做进一步优化，兼顾靶向定量的同时作为新的训练样本对其参数进一步优化。
S3、利用高分辨质谱确定所述无标样全氟及多氟烷基化合物的峰面积，以及，根据所述无标样全氟及多氟烷基化合物的峰面积和响应因子，得到所述无标样全氟及多氟烷基化合物的预测浓度。
在从所述鉴定清单中筛选出无标样全氟及多氟烷基化合物后，可以根据其对应的峰列表，确定每种无标样全氟及多氟烷基化合物峰面积，再利用无标样全氟及多氟烷基化合物的峰面积和预测的响应因子之比，得到预测浓度。
以下实施例将进一步说明本发明。
实施例1
参见图2，本发明实施例1提供一种全氟及多氟烷基化合物非靶向筛查的定量方法，对北京市某河流水样中全氟及多氟烷基化合物进行非靶向筛查和定量，其步骤包括：
(1)样品前处理：对水样进行固相萃取和氮吹浓缩，得到提取液。
将2L水样经过0.7μm滤膜过滤后，加入50ng全氟及多氟烷基化合物的同位素内标，该同位素内标具体信息如表1所示。将水样上载到Oasis WAX(Waters，6mL，500mg)固相萃取小柱，萃取柱在使用前分别用甲醇(含0.1％氨水)，甲醇和超纯水活化，上载水样时流速控制在1～2滴/秒，上样完成后用25mM醋酸铵缓冲溶液淋洗萃取柱并在真空下抽干，用10mL含0.1％氨水甲醇洗脱得到洗脱液，将洗脱液在温和的40℃氮气流下吹至近干，加入1mL含0.1％氨水甲醇重新溶解，然后用0.22μm尼龙滤膜过滤，得到提取液。
表1全氟及多氟烷基化合物同位素内标信息
Figure BDA0003718190510000071
Figure BDA0003718190510000081
(2)质谱分析：利用色谱-高分辨质谱联用对所述提取液进行分析，相关分析条件如下：
仪器：Vanquish超高效液相色谱仪串联Q Exactive Plus静电场轨道离子阱高分辨质谱(Thermo Scientific，美国)；
色谱柱：Hypersil Gold C18 column(Thermo Fisher Scientific,1.9μm,2.1×100mm)，柱温40℃；
流动相：5mM乙酸铵水溶液和甲醇；
梯度洗脱程序如表2所示；
质谱分析参数如表3所示。
表2流动相洗脱梯度
Figure BDA0003718190510000082
表3质谱分析参数
Figure BDA0003718190510000083
(3)非靶向筛查：
首先，利用Compound Discover 3.2软件对质谱数据进行预处理，包括峰提取、出峰时间对齐、峰组合和背景扣除，使用参数包括：出峰时间：1-21min；峰强度：1E5；信噪比：3；质量偏差：5ppm；出峰时间偏差：0.2min；背景扣除：去除样品中峰强度不高于空白5倍的峰，最终得到包括离子质量，出峰时间和强度的峰列表。
得到峰列表之后，结合美国EPA的PFAS master list和Norman Suspect list构建包含7676种全氟及多氟烷基化合物的疑似物清单，在Compound Discover3.2软件中将所得峰列表与疑似清单进行质量配对，得到配对的疑似物，质量偏差：5ppm；将峰列表输入R语言nontarget包进行同系物查找，得到潜在的同系物列表，所用参数如下：同系物重复单元：CF2、C2F4、CF2O和CF2CH2；质量偏差：5ppm；最小同系物数目：3；R2：0.98；对上述疑似和非靶向筛查得到的配对疑似物和同系物列表进行分子式预测和MS2谱图注释，判断其是否为全氟及多氟烷基化合物。利用Compound Discover 3.2预测分子式，最大分子式参数：C50F50H50O8S4N4P4Cl4；质量偏差：5ppm。注释MS2谱图使用到质谱数据库mzCloud和MassBank进行比对，以及使用Mass Frontier和CFI-MD进行谱图预测和对比，最终得到全氟及多氟烷基化合物的鉴定清单。本发明实施例共鉴定出33种全氟及多氟烷基化合物，其中，包括具有标样的全氟及多氟烷基化合物19种，无标样的全氟及多氟烷基化合物14种。鉴定清单包括鉴定出的全氟及多氟烷基化合物分子式、质量、出峰时间、结构信息和置信水平等，具体如表4所示，其中，19种用标样证实(置信水平为1)，如表4所示。
表4样品中鉴定出的全氟及多氟烷基化合物信息
Figure BDA0003718190510000091
Figure BDA0003718190510000101
(4)对全氟及多氟烷基化合物清单中具有标样的物质进行定量分析。
具体分析条件如下：
仪器：Vanquish超高效液相色谱仪串联TSQ三重四极杆质谱(Thermo Scientific,美国)；
色谱柱：Hypersil Gold C18 column(Thermo Fisher Scientific,1.9μm,2.1×100mm)，柱温40℃；
流动相：5mM乙酸铵水溶液和甲醇；
梯度洗脱程序如下表5所示；
表5流动相洗脱梯度
Figure BDA0003718190510000111
定量浓度检出结果如下表6所示。
表6具有标样的全氟及多氟烷基化合物的定量浓度
Figure BDA0003718190510000112
(5)利用全氟及多氟烷基化合物标样的响应因子和对应的分子描述符建立响应因子预测模型。
配置49种全氟及多氟烷基化合物标样，该标样购买自加拿大惠灵顿公司(Wellington Laboratories)，标样具体信息如下表7所示。采用表2和表3中的质谱分析条件，得到49种全氟及多氟烷基化合物不同浓度梯度标样(0.1，0.5，1，5，10，20，50ppb)在高分辨质谱全扫描模式下的峰面积，计算49种全氟及多氟烷基化合物标样的峰面积与浓度之比(即标曲的斜率)，将同种标样各浓度的获得每种标样物质的平均响应因子。利用PaDEL-Descriptor计算每种标样物质的1450种2D分子描述符，基于每种标样物质的平均响应因子和对应的分子描述符，建立数据集，随机将数据集划分为训练集和测试集(80：20)，利用训练集优化随机森林算法的ntree和mtry参数并建立响应因子预测模型，最终优化结果为：ntree＝500，mtry＝98。
利用49种全氟及多氟烷基化合物标样的响应因子和分子描述符建立的响应因子优化模型表现如下：R2＝0.956，RMSE＝0.144，即响应因子的平均预测误差为1.39倍。具体的，预测和实测响应因子关系图如图2所示，响应因子的预测误差分布如图3所示，49种全氟及多氟烷基化合物的预测误差均小于3倍，45/49(91.8％)的预测误差小于2倍。
利用3种全氟及多氟烷基化合物Perfluorobutanesulfinic acid、Perfluoroethylenecyclohexanesulfonate和P-perfluorous nonenoxybenzenesulfonate的标样，来验证模型预测的准确性。模型预测的3种物质响应因子分别为15.07、14.93和14.39，如使用结构相似原则选取参考物质的响应因子分别为15.28、15.47和15.47，使用标样实际测得的响应因子分别为15.11、15.01、14.16，预测模型所得响应因子更加接近实际值，预测误差分别为1.10、1.20和1.70倍，而基于结构相似原则半定量的误差分别为1.48、2.88和20.4倍。
表7全氟及多氟烷基化合物标样
Figure BDA0003718190510000121
Figure BDA0003718190510000131
(6)预测无标样全氟及多氟烷基化合物的响应因子并计算其浓度
根据14种无标样全氟及多氟烷基化合物的峰列表确定14种无标样全氟及多氟烷基化合物的峰面积，利用上述响应因子预测模型对14种无标样全氟及多氟烷基化合物的响应因子进行预测，并根据预测的响应因子和对应的峰面积计算浓度，结果如表8所示。
表8全氟及多氟烷基化合物中无标样物质的预测响应因子及浓度
Figure BDA0003718190510000132
Figure BDA0003718190510000141
本发明的有益效果在于，与现有技术相比：
(1)本发明的全氟及多氟烷基化合物非靶向筛查的定量方法，比传统的靶向筛查，能筛查出样品中新兴以及未知的全氟及多氟烷基化合物，提供更加全面的污染认识。
(2)本发明的全氟及多氟烷基化合物非靶向筛查的定量方法，与现有基于结构类似原则的半定量方法相比，能提供更加准确的浓度信息，为后续风险评估和污染管控提供重要科学依据。
(3)本发明的全氟及多氟烷基化合物非靶向筛查的定量方法，具有更广泛的适用性，现有基于结构类似原则的半定量方法严重地依赖于结构相似标样的获取，但是在非靶向筛查中，往往难以获得与一类完全新鉴定的全氟及多氟烷基化合物结构相似的标样。
由以上技术方案可知，针对现有半定量技术存在的问题，本发明提供一种全氟及多氟烷基化合物非靶向筛查的定量方法，该方法通过使用标样物质的响应因子和分子描述符建立预测模型，预测无标样物质的响应因子并计算其浓度，从而为环境样品中筛查出的无标准物质的全氟及多氟烷基化合物，提供更加准确的浓度信息，对于后续的风险评估和污染管控具有重要意义。
本发明申请人结合说明书附图对本发明的实施示例做了详细的说明与描述，但是本领域技术人员应该理解，以上实施示例仅为本发明的优选实施方案，详尽的说明只是为了帮助读者更好地理解本发明精神，而并非对本发明保护范围的限制，相反，任何基于本发明的发明精神所作的任何改进或修饰都应当落在本发明的保护范围之内。

Claims (9)

1.一种全氟及多氟烷基化合物非靶向筛查的定量方法，其特征在于，包括以下步骤：
计算待测环境样品中无标样全氟及多氟烷基化合物的分子描述符；
将所述无标样全氟及多氟烷基化合物的分子描述符作为预先建立的响应因子预测模型的输入，通过所述响应因子预测模型预测所述无标样全氟及多氟烷基化合物的响应因子，其中，所述响应因子预测模型包括响应因子和分子描述符之间的映射关系；
利用高分辨质谱确定所述无标样全氟及多氟烷基化合物的峰面积，以及，根据所述无标样全氟及多氟烷基化合物的峰面积和响应因子，得到所述无标样全氟及多氟烷基化合物的预测浓度。
2.根据权利要求1所述的定量方法，其特征在于，所述响应因子预测模型通过以下方法得到：
配制多种全氟及多氟烷基化合物标样；
获取所述多种全氟及多氟烷基化合物标样在高分辨质谱全扫描模式下的峰面积；
根据所述多种全氟及多氟烷基化合物标样的峰面积与对应的浓度之比，得到每种全氟及多氟烷基化合物标样的响应因子；
计算每种全氟及多氟烷基化合物标样的分子描述符；
从训练样本集中学习获得响应因子的响应因子预测模型，所述训练样本包括全氟及多氟烷基化合物标样的响应因子和分子描述符之间的对应记录。
3.根据权利要求2所述的定量方法，其特征在于，所述从训练样本集中学习获得响应因子的响应因子预测模型，包括基于随机森林算法，利用训练样本集优化随机森林算法中的ntree参数和mtry参数以建立响应因子预测模型。
4.根据权利要求1或2所述的定量方法，其特征在于，所述分子描述符的计算方法采用PaDEL-Descriptor软件。
5.根据权利要求2所述的定量方法，其特征在于，所述全氟及多氟烷基化合物标样和所述待测环境样品的质谱分析条件相同。
6.根据权利要求1所述的定量方法，其特征在于，在所述计算待测环境样品中无标样全氟及多氟烷基化合物的分子描述符之前，还包括：
样品前处理：对待测环境样品进行固相萃取和氮吹浓缩，得到提取液；
质谱分析：利用色谱-高分辨质谱联用对所述提取液进行分析，得到质谱数据；
非靶向筛查：对所述质谱数据预处理得到峰列表，利用疑似物清单和同系物规则从所述峰列表中筛选出潜在的全氟及多氟烷基化合物峰，对所述潜在的全氟及多氟烷基化合物峰经过结构注释后，得到所述待测环境样品中全氟及多氟烷基化合物的鉴定清单；
其中，所述鉴定清单包括具有标样的全氟及多氟烷基化合物和无标样的全氟及多氟烷基化合物。
7.根据权利要求6所述的定量方法，其特征在于，所述非靶向筛查包括：
利用Compound Discover软件对所述质谱数据进行峰提取、出峰时间对齐、峰组合和背景扣除，得到峰列表，所述峰列表包括离子质量、出峰时间和强度；
将所述峰列表和所述疑似物清单进行质量配对，得到配对疑似物；
将所述峰列表输入R语言nontarget包进行同系物查找，得到潜在的同系物列表；
对所述配对疑似物和所述同系物列表进行分子式预测和MS2谱图注释，确定全氟及多氟烷基化合物的鉴定清单。
8.根据权利要求6所述的定量方法，其特征在于，还包括：
使用色谱串联三重四极杆质谱仪对所述鉴定清单中具有标样的全氟及多氟烷基化合物进行靶向定量。
9.根据权利要求6所述的定量方法，其特征在于，所述利用高分辨质谱确定所述无标样全氟及多氟烷基化合物的峰面积，包括：
从所述鉴定清单中筛选出无标样全氟及多氟烷基化合物；
根据所述无标样全氟及多氟烷基化合物对应的峰列表，得到所述无标样全氟及多氟烷基化合物的峰面积。
CN202210741597.XA 2022-06-28 2022-06-28 一种全氟及多氟烷基化合物非靶向筛查的定量方法 Pending CN115308319A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210741597.XA CN115308319A (zh) 2022-06-28 2022-06-28 一种全氟及多氟烷基化合物非靶向筛查的定量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210741597.XA CN115308319A (zh) 2022-06-28 2022-06-28 一种全氟及多氟烷基化合物非靶向筛查的定量方法

Publications (1)

Publication Number Publication Date
CN115308319A true CN115308319A (zh) 2022-11-08

Family

ID=83854683

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210741597.XA Pending CN115308319A (zh) 2022-06-28 2022-06-28 一种全氟及多氟烷基化合物非靶向筛查的定量方法

Country Status (1)

Country Link
CN (1) CN115308319A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116930393A (zh) * 2023-09-19 2023-10-24 北京大学 一种同时包括母体和转化产物的水体抗生素生态风险评价方法
CN117153295A (zh) * 2023-08-30 2023-12-01 南京大学 一种非靶向识别全氟化合物同系物的方法以及识别系统
CN117310066A (zh) * 2023-08-31 2023-12-29 清华大学 一种基于碳数和官能团的有机物半定量方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030111596A1 (en) * 2001-10-15 2003-06-19 Surromed, Inc. Mass specttrometric quantification of chemical mixture components
US20070020183A1 (en) * 2005-07-15 2007-01-25 Heiko Schirmer Perfluoroalkyl-containing complexes, process for their production as well as their use
CN111707741A (zh) * 2020-06-02 2020-09-25 南京大学 环境介质中微量有机污染物转化产物的非靶向识别方法
CN113030361A (zh) * 2021-03-10 2021-06-25 薛伟锋 基于UHPLC-MS/MS技术的固相萃取柱处理水相PPCPs的代谢组学分析方法
CN114414689A (zh) * 2022-01-14 2022-04-29 南京大学 一种基于超高效液相色谱高分辨率质谱的全氟化合物非靶向定量方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030111596A1 (en) * 2001-10-15 2003-06-19 Surromed, Inc. Mass specttrometric quantification of chemical mixture components
US20070020183A1 (en) * 2005-07-15 2007-01-25 Heiko Schirmer Perfluoroalkyl-containing complexes, process for their production as well as their use
CN111707741A (zh) * 2020-06-02 2020-09-25 南京大学 环境介质中微量有机污染物转化产物的非靶向识别方法
CN113030361A (zh) * 2021-03-10 2021-06-25 薛伟锋 基于UHPLC-MS/MS技术的固相萃取柱处理水相PPCPs的代谢组学分析方法
CN114414689A (zh) * 2022-01-14 2022-04-29 南京大学 一种基于超高效液相色谱高分辨率质谱的全氟化合物非靶向定量方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117153295A (zh) * 2023-08-30 2023-12-01 南京大学 一种非靶向识别全氟化合物同系物的方法以及识别系统
CN117153295B (zh) * 2023-08-30 2024-03-12 南京大学 一种非靶向识别全氟化合物同系物的方法以及识别系统
CN117310066A (zh) * 2023-08-31 2023-12-29 清华大学 一种基于碳数和官能团的有机物半定量方法
CN116930393A (zh) * 2023-09-19 2023-10-24 北京大学 一种同时包括母体和转化产物的水体抗生素生态风险评价方法
CN116930393B (zh) * 2023-09-19 2023-12-26 北京大学 一种同时包括母体和转化产物的水体抗生素生态风险评价方法

Similar Documents

Publication Publication Date Title
CN115308319A (zh) 一种全氟及多氟烷基化合物非靶向筛查的定量方法
Royer et al. Determination of glyphosate and aminomethylphosphonic acid residues in water by gas chromatography with tandem mass spectrometry after exchange ion resin purification and derivatization. Application on vegetable matrixes
Jia et al. Recent advances in mass spectrometry analytical techniques for per-and polyfluoroalkyl substances (PFAS)
Kumazawa et al. Molecularly imprinted solid‐phase extraction for the selective determination of methamphetamine, amphetamine, and methylenedioxyphenylalkylamine designer drugs in human whole blood by gas chromatography‐mass spectrometry
Kirthi et al. A review on bioanalytical method development and validation by RP-HPLC
CN103529145B (zh) 水样中关键拟/抗雄激素干扰毒物快速鉴别方法
CN114414689A (zh) 一种基于超高效液相色谱高分辨率质谱的全氟化合物非靶向定量方法
Koronaiou et al. High-resolution mass spectrometry-based strategies for the target analysis and suspect screening of per-and polyfluoroalkyl substances in aqueous matrices
Núñez et al. Pressurized liquid extraction followed by liquid chromatography with tandem mass spectrometry to determine pharmaceuticals in mussels
Van Der Gugten et al. Quantitation of aldosterone in serum or plasma using liquid chromatography-tandem mass spectrometry (LC-MS/MS)
Adamowicz et al. Simple approach for evaluation of matrix effect in the mass spectrometry of synthetic cannabinoids
CN103175921B (zh) 液相色谱串联质谱分析尿液中苯和甲苯四种代谢产物的方法
CN113030361A (zh) 基于UHPLC-MS/MS技术的固相萃取柱处理水相PPCPs的代谢组学分析方法
Velikonja Bolta et al. Gas chromatographic determination of formaldehyde in air using solid-phase microextraction sampling
Deshmukh et al. A review on analytical method development and validation by high performance liquid chromatography technique
CN111337620B (zh) 一种检测复方氨基酸注射液中3-氨基-2-哌啶酮含量的方法
Koc et al. Application of gas chromatography to determination of Total Organic Fluorine after defluorination of perfluorooctanoic acid as a model compound
CN109298092B (zh) 检测工业废液中甲基磺酰氯含量的hplc方法
CN116183782B (zh) 基于碱辅助电离的8种全氟化合物替代物的定量检测方法
CN115616120B (zh) 有机酸化剂中11种饲用有机酸含量的同时测定方法
Taleuzzaman et al. Bio-Analytical Method Validation-A Review
Hirayama et al. Simple and rapid determination of golf course pesticides by in-tube solid-phase microextraction coupled with liquid chromatography
LU502638B1 (en) METHOD FOR RAPID ANALYSIS OF TRACE AMOUNTS OF ß-RECEPTOR BLOCKERS IN ENVIRONMENTAL SEDIMENT
KR101495450B1 (ko) 온-컬럼 메틸화 반응을 이용한 말 혈액 시료 내 산성약물의 분석방법
CN116699016A (zh) 一种液相色谱质谱联用检测水质中咖啡因的方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination