CN116930393A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN116930393A CN116930393A CN202311205259.5A CN202311205259A CN116930393A CN 116930393 A CN116930393 A CN 116930393A CN 202311205259 A CN202311205259 A CN 202311205259A CN 116930393 A CN116930393 A CN 116930393A
- Authority
- CN
- China
- Prior art keywords
- parent
- antibiotic
- data
- ecological risk
- conversion products
- 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.)
- Granted
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 37
- 239000003242 anti bacterial agent Substances 0.000 title claims abstract description 36
- 238000011156 evaluation Methods 0.000 title claims abstract description 35
- 229940088710 antibiotic agent Drugs 0.000 title claims abstract description 30
- 230000009466 transformation Effects 0.000 title claims description 25
- 239000012084 conversion product Substances 0.000 claims abstract description 73
- 230000003115 biocidal effect Effects 0.000 claims abstract description 69
- 238000000034 method Methods 0.000 claims abstract description 31
- 230000004044 response Effects 0.000 claims abstract description 20
- 239000002243 precursor Substances 0.000 claims abstract description 18
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 238000012216 screening Methods 0.000 claims abstract description 15
- 238000001819 mass spectrum Methods 0.000 claims abstract description 13
- 238000007781 pre-processing Methods 0.000 claims abstract description 11
- 230000001988 toxicity Effects 0.000 claims abstract description 11
- 231100000419 toxicity Toxicity 0.000 claims abstract description 11
- 239000007788 liquid Substances 0.000 claims abstract description 6
- 238000013210 evaluation model Methods 0.000 claims abstract description 4
- 239000000203 mixture Substances 0.000 claims abstract description 4
- 239000000047 product Substances 0.000 claims description 34
- 150000001875 compounds Chemical class 0.000 claims description 23
- 239000002957 persistent organic pollutant Substances 0.000 claims description 19
- 231100000048 toxicity data Toxicity 0.000 claims description 15
- 230000007665 chronic toxicity Effects 0.000 claims description 14
- 231100000160 chronic toxicity Toxicity 0.000 claims description 14
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 8
- 238000011002 quantification Methods 0.000 claims description 8
- 238000012502 risk assessment Methods 0.000 claims description 8
- 238000000132 electrospray ionisation Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 6
- 239000012634 fragment Substances 0.000 claims description 5
- 238000007637 random forest analysis Methods 0.000 claims description 5
- 231100000369 acute toxicity data Toxicity 0.000 claims description 4
- 229910052757 nitrogen Inorganic materials 0.000 claims description 4
- 238000002414 normal-phase solid-phase extraction Methods 0.000 claims description 4
- 230000007059 acute toxicity Effects 0.000 claims description 3
- 231100000403 acute toxicity Toxicity 0.000 claims description 3
- 238000007664 blowing Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000010828 elution Methods 0.000 claims description 3
- 230000014759 maintenance of location Effects 0.000 claims description 3
- 238000005374 membrane filtration Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000004069 differentiation Effects 0.000 claims description 2
- 230000005686 electrostatic field Effects 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims description 2
- 238000001914 filtration Methods 0.000 claims description 2
- 238000001195 ultra high performance liquid chromatography Methods 0.000 claims description 2
- 230000015572 biosynthetic process Effects 0.000 claims 1
- 230000000875 corresponding effect Effects 0.000 description 9
- 239000002207 metabolite Substances 0.000 description 3
- 239000000575 pesticide Substances 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 239000002352 surface water Substances 0.000 description 3
- 241000251468 Actinopterygii Species 0.000 description 2
- 241000195628 Chlorophyta Species 0.000 description 2
- 241000238571 Cladocera Species 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000010865 sewage Substances 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 229960005404 sulfamethoxazole Drugs 0.000 description 2
- JLKIGFTWXXRPMT-UHFFFAOYSA-N sulphamethoxazole Chemical compound O1C(C)=CC(NS(=O)(=O)C=2C=CC(N)=CC=2)=N1 JLKIGFTWXXRPMT-UHFFFAOYSA-N 0.000 description 2
- 238000004885 tandem mass spectrometry Methods 0.000 description 2
- 208000031295 Animal disease Diseases 0.000 description 1
- 231100000491 EC50 Toxicity 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 231100000605 Toxicity Class Toxicity 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000000844 anti-bacterial effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 210000003608 fece Anatomy 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 231100000171 higher toxicity Toxicity 0.000 description 1
- 239000010842 industrial wastewater Substances 0.000 description 1
- 231100000636 lethal dose Toxicity 0.000 description 1
- 238000004949 mass spectrometry Methods 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 230000001617 migratory effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- GHNQGDUYHCZZPT-UHFFFAOYSA-N nitrososulfamethoxazole Chemical compound O1C(C)=CC(NS(=O)(=O)C=2C=CC(=CC=2)N=O)=N1 GHNQGDUYHCZZPT-UHFFFAOYSA-N 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000000447 pesticide residue Substances 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 231100000683 possible toxicity Toxicity 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000010926 purge Methods 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 238000012916 structural analysis Methods 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
- 210000002700 urine Anatomy 0.000 description 1
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
- G01N30/88—Integrated analysis systems specially adapted therefor, not covered by a single one of the groups G01N30/04 - G01N30/86
-
- 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
- G01N30/8693—Models, e.g. prediction of retention times, method development and validation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/70—Machine learning, data mining or chemometrics
-
- 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
- G01N2030/022—Column chromatography characterised by the kind of separation mechanism
- G01N2030/027—Liquid 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
- G01N30/88—Integrated analysis systems specially adapted therefor, not covered by a single one of the groups G01N30/04 - G01N30/86
- G01N2030/8809—Integrated analysis systems specially adapted therefor, not covered by a single one of the groups G01N30/04 - G01N30/86 analysis specially adapted for the sample
Landscapes
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Immunology (AREA)
- General Physics & Mathematics (AREA)
- Biochemistry (AREA)
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Theoretical Computer Science (AREA)
- Crystallography & Structural Chemistry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本发明提供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，该方法包括采集目标区域多个点位水体样品，进行预处理，提取抗生素及其转化产物；将样品进行超高效液相色谱‑高分辨质谱非靶向数据采集；对高分辨质谱非靶向分析的原始数据进行数据预处理及分析，筛选出抗生素母体及其转化产物；将抗生素母体及其转化产物用标样以及响应因子预测模型进行定量，并对抗生素母体及其转化产物的生物毒性进行预测，得到其生物毒性预测值；对每种抗生素母体及其转化产物进行生态风险评价；使用混合物毒性评估模型评价每个样品中筛选出的所有抗生素母体及其转化产物的综合生态风险，得到同时考虑抗生素母体及其转化产物综合生态风险的评价结果。
Description
技术领域
本发明涉及环境污染检测技术领域，更具体的，涉及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。
背景技术
抗生素已广泛应用于人类和动物疾病的预防和治疗。2015年，全球抗生素使用量达到约420亿限定日剂量(DDDs)，预计到2030年将增加200%。人和动物摄入的抗生素大约30%-90%以其母体或代谢物的形式通过粪便和尿液排出，然后通过污水、工业废水和地表径流等多种途径排放到地表水中。释放到水体中的抗生素可能会对生态系统和人类健康构成威胁。目前，大量研究聚焦于抗生素母体在水体中的检出及其生态风险评价，很少研究考虑其转化产物在环境中的分布，更少关注其转化产物的生态风险。
然而，研究表明某些抗生素的转化产物比其母体化合物含量更高，且持久性、迁移性和毒性都更大。因此，在自然环境中，抗生素转化产物的生态风险可能大于其母体化合物。例如，两种磺胺甲恶唑的代谢产物 (4-羟基磺胺甲恶唑和4-亚硝基磺胺甲恶唑)比磺胺甲恶唑具有更高的抗菌活性。人和动物代谢、污水处理厂处理过程和自然环境中，抗生素均会发生各种生物和非生物的转化过程，最终环境中抗生素多以其转化产物的形式存在。因此，如不考虑抗生素转化产物，只考虑其母体化合物，可能会大大低估水体中抗生素的生态风险。
目前现有发明专利对有机物的风险评价均只考虑了母体，未考虑其代谢产物。技术文件1 (CN101713774B)公开了一种水体中农药的生态风险识别方法，根据水体中的农药残留浓度以及农药毒性数据，实现了水体中农药的生态风险总体水平的量化，但并未考虑实际水体中农药转化后的多种产物带来的生态环境风险。技术文件2 (CN102435599B)公开了一种预测抗生素类污染物联合慢性毒性的方法，其考虑了实际环境中抗生素污染和抗生素种类的复杂性，但仍然在毒性预测中未将抗生素的转化产物纳入考量。因此，同时考虑抗生素母体及其转化产物并进行生态风险评价是非常必要的。
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。在同时考虑抗生素母体及其转化产物的情况下，对抗生素的总体生态风险水平进行更加全面的评估。
本发明采用如下的技术方案。本发明的第一方面提供了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，包括以下步骤：
步骤1：采集目标区域多个点位水体样品，进行预处理，提取抗生素及其转化产物；
步骤2：对步骤1所得多个样品进行超高效液相色谱-高分辨质谱非靶向数据采集；
步骤3：对步骤2所得高分辨质谱非靶向分析的原始数据进行数据预处理及分析，筛选出抗生素母体及其转化产物结构；
步骤4：对步骤3所得抗生素母体及其转化产物使用标样和响应因子预测模型进行定量，得到浓度数据值，并对抗生素母体及其转化产物的生物毒性进行预测，得到生物毒性预测值；
步骤5：结合步骤4所得的浓度数据值和生物毒性预测值，对每种抗生素母体及其转化产物进行生态风险评价，得到计算结果；
步骤6：对步骤5所得的计算结果，使用混合物毒性评估模型评估每个样品中筛选出的所有抗生素母体及其转化产物的综合生态风险，得到综合考虑抗生素母体及其转化产物生态风险的评价结果。
优选地，在步骤1中，预处理包括对水样进行滤膜过滤、固相萃取、洗脱、氮吹和定容。
优选地，在步骤2中，采用超高效液相色谱法结合静电场轨道阱或飞行时间等高分辨质谱仪进行非靶向分析，采用电喷雾电离源。
优选地，步骤3中，谱图数据预处理包括峰提取，保留时间对齐，组分化，以及组合所有样品中的峰形成特征峰；根据现有文献或数据库数据，并结合模型预测等方法，建立抗生素母体及其转化产物的疑似清单，通过疑似清单筛查、分子网络构建、特征碎片筛查等方法筛选候选转化产物，并得到其具体结构。
优选地，步骤4中，对于有标样物质，采用标样定量；对于无标样物质，选用有标样化合物的分子描述符与响应因子，利用随机森林模型建立化合物响应因子预测模型，以预测无标样化合物的响应因子，得到定量结果。
优选地，步骤4中，对步骤3所得的抗生素母体及其转化产物的生物毒性进行预测，得到其生物毒性预测值，具体包括：
步骤4.1，选取多种模式生物；
步骤4.2，预测每种有机污染物对多种模式生物的毒性数据，所述毒性数据包括慢性毒性数据或急性毒性数据，选用慢性毒性数据进行生态风险评价，无慢性毒性数据选用急性毒性；
步骤4.3，在每种有机污染物对应的毒性数据中，选取数值最小的模式生物的毒性数据作为对应有机污染物的生物毒性预测值。
优选地，在步骤5中，根据各有机污染物的生物毒性预测值，确定各有机污染物的预测无效应浓度，结合所述浓度数据的数据值和对应有机污染物的预测无效应浓度，计算每个抗生素母体及其转化产物浓度数据对应的生态风险水平。
优选地，在步骤6中，采用以下模型：
(1)
(2)
式中，RQ为生态风险水平，MEC为有机污染物浓度数据的数据值，PNEC为对应有机污染物的预测无效应浓度，LC50、EC50、Chv为毒性数据，AF评估因子。
优选地，步骤6中，对于每个样品中筛选出的所有抗生素母体及其转化产物的RQ值使用加和模型，得到最终生态风险评价结果。
本发明的第二方面提供了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系统，执行所述的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，具体包括：
优选地，采集处理模块，用于对样品的处理及原始数据的采集；
分析定量模块，用于对原始数据进行分析筛选，得到产物结果并进行定量；
评估模块，用于对所得产物及定量数据进行单独生态风险评价和综合生态风险评价。
与现有技术相比，本发明使用高分辨质谱非靶向筛查技术准确识别和定量了抗生素的转化产物浓度，从而在评价的过程中，同时考虑了抗生素母体及其转化产物的生态风险，形成易于操作和更加完善的抗生素生态风险识别程序，实现了对于特定抗生素母体及其转化产物的整体生态风险水平的量化，为水生态系统的保护提供决策依据。
附图说明
图1为本发明实施例提供的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的流程示意图；
图2为本发明实施例提供的抗生素母体及其转化产物定量结果图；
图3为本发明实施例提供的母体及其转化产物的总体风险结果图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明的技术方案进行清楚、完整地描述。本申请所描述的实施例仅仅是本发明一部分的实施例，而不是全部实施例。基于本发明精神，本领域普通技术人员在没有作出创造性劳动前提下所获得的有所其它实施例，都属于本发明的保护范围。
如图1所示，本发明实施例1提供了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，包括以下步骤；
步骤1：采集目标区域多个点位水体样品，进行预处理，提取抗生素及其转化产物。
更具体地，根据研究目的，采集水样并对样品进行预处理，以达到富集和净化的目的。
在优选但非限制性的本实施方式中，预处理包括对水样进行滤膜过滤、固相萃取、洗脱、氮吹和定容。
步骤2：对步骤1所得多个样品进行超高效液相色谱-高分辨质谱非靶向数据采集。
在优选但非限制性的实施方式中，采用配备有电喷雾电离（electrosprayionization，ESI）源的超高效液相色谱-静电场轨道阱高分辨质谱联用仪进行非靶向分析。
在进一步优选的实施方式中，在正负电离(ESI+/−)模式下分别进行全MS扫描(质量范围为m/z 100-1500, 在m/z 200时分辨率为140,000)，然后进行3次数据相关的MS/MS采集(在m /z 200时分辨率为17,500)。
步骤3：对步骤2所得高分辨质谱非靶向分析的原始数据进行数据预处理及分析，筛选出抗生素母体及其转化产物结构。
在优选但非限制性的实施方式中，谱图数据预处理包括峰选择，保留时间对齐，组份化(分组同位素和加合物)，以及将所有样品中的峰分组以形成特征。根据现有文献数据建立抗生素母体及其转化产物的疑似清单，通过疑似清单筛查、分子网络构建和特征碎片筛查等方法筛选候选转化产物，得到候选转化产物清单及其具体结构。
在进一步优选的实施方式中，一方面，编制化合物的抗生素疑似清单以及利用BioTransformer等软件预测抗生素的转化产物；另一方面，利用母体抗生素和转化产物的特征质谱碎片与基于二级质谱的分子网络，进一步筛查候选转化产物。候选转化产物的结构解析是基于与其母体的“片段-降解”关系以及文献、质谱数据库(mzCloud和MassBank)和计算机预测碎裂工具(MetFrag、56 Mass Frontier 7.0和CompoundDiscoverer 3.2中的FISH评分)进行的。
步骤4：对步骤3所得的抗生素母体及其转化产物使用标样和响应因子预测模型进行定量，得到浓度数据值，并对抗生素母体及其转化产物的生物毒性进行预测，得到生物毒性预测值；
在优选但非限制性的实施方式中，可选用有标样化合物的分子描述符与响应因子，利用随机森林模型建立化合物响应因子预测模型，以预测无标样化合物的响应因子，进而实现准确定量。
值得注意的是，利用随机森林模型建立化合物响应因子预测模型包括，将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化合物的响应因子；利用高分辨质谱确定所述无标样化合物的峰面积，以及，根据所述无标样化合物的峰面积和响应因子，得到所述无标样化合物的预测浓度。
在更进一步优选但非限制性的实施方式中，所述预测抗生素母体及其转化产物的生物毒性，得到生物毒性预测值，包括：选取多种模式生物；采用ECOSAR软件分别预测每种有机污染物对多种模式生物的毒性数据，所述毒性数据包括慢性毒性数据或急性毒性数据；尽量选用慢性毒性数据进行生态风险评价，无慢性毒性数据选用急性毒性；在每种有机污染物对应的毒性数据中，选取数值最小的某种模式生物的毒性数据作为对应有机污染物的生物毒性预测值。
步骤5：结合步骤4所得的浓度数据的数据值和生物毒性预测值，对每种抗生素母体及其转化产物进行生态风险评价。
在优选但非限制性的实施方式中，进行生态风险评价，包括：生物毒性预测值包括慢性毒性数据（ChV）或者急性毒性数据（半数致死浓度LC50和半数最大效应浓度EC50）。生物毒性数据除以评估因子（AF）得到预测无效应浓度，用环境中实际浓度（MEC）与预测无效应浓度（PNEC）计算每个浓度数据的生态风险水平，采用以下模型：
(1)
(2)
式中，RQ为风险熵，MEC为抗生素母体或转化产物浓度数据的数据值，PNEC为对应有机污染物的预测无效应浓度，LC50、EC50、Chv为毒性数据，AF为评估因子。
在进一步优选的实施方式中，PNEC通过将最敏感物种的最低慢性毒性预测值除以10的评估因子(AF)来计算，该评估因子考虑了实验室数据与自然条件之间的差异以及种间和种内变异。然后使用风险熵(RQ)评估母体抗生素和其转化产物的生态风险。
步骤6：对步骤5所得的计算结果，使用混合物毒性评估模型评价每个样品中筛选出的所有抗生素母体及其转化产物的综合生态风险，得到综合考虑抗生素母体及其转化产物的生态风险评价结果。
在优选但非限制性的实施方式中，对于每个样品中筛选出的所有抗生素母体及其对应转化产物的RQ值使用加和模型，得到最终生态风险评价结果。
为了更加清楚地介绍本发明的技术方案及其能够取得的有益技术效果，以下介绍实施本发明的实例，包括以下步骤：
采集目标区域的9个地表水样本，编号为S1-S9。将样品收集在1升干净的棕色玻璃瓶中，并立即用冰冷却器运送到实验室，并在4°C的黑暗环境中保存。在采集后24小时内，进而使用滤膜过滤去除样品中的颗粒物，固相萃取纯化样品，并通过洗脱、氮气吹扫蒸发和定容达到富集的目的。
采用配备有电喷雾电离（electrospray ionization，ESI）源的超高效液相色谱-静电场轨道阱高分辨质谱联用仪进行非靶向分析。在正负电离(ESI+/−)模式下分别进行全MS扫描(质量范围为m/z 100-1500, 在m/z 200时分辨率为140,000)，然后进行3次数据相关的MS/MS采集(在m /z 200时分辨率为17,500)。
编制包含663种化合物的抗生素疑似清单以及利用BioTransformer软件预测抗生素的转化产物；利用母体抗生素和转化产物的特征质谱碎片与基于二级质谱的分子网络，进一步筛查候选转化产物，最终得到35种抗生素母体和176种转化产物。
选用有标样化合物的分子描述符与响应因子，利用随机森林模型建立化合物响应因子预测模型，以预测无标样化合物的响应因子，得到准确定量，各采样点筛选出的所有抗生素母体和其转化产物的总浓度的比例的堆积柱状图见图2。
选取绿藻、水蚤和鱼为模式生物，采用ECOSAR v2.2预测模型预测抗生素母体及其转化产物对鱼类、水蚤和绿藻的慢性毒性。考虑到ECOSAR的多个类别，使用最保守的效应水平，即最低的估计值，表示其较高的毒性属性。
采用以下模型：
(1)
(2)
PNEC通过将最敏感物种的最低慢性毒性预测值除以10的评估因子(AF)来计算，该评估因子考虑了实验室数据与自然条件之间的差异以及种间和种内变异。然后使用风险熵(RQ)评估母体抗生素和其转化产物的生态风险。
对于每个样品中筛选出的所有抗生素母体及其转化产物的RQ值使用加和模型，得到最终生态风险评价结果。每一个采样点的母体及其转化产物的生态风险累计值见图3，从结果中可以看出在部分采样点中，转化产物的总体风险大于其母体的生态风险。对于每个样品中抗生素母体及其转化产物综合生态风险（生态风险累计值），可参照单一抗生素生态风险评价标准，如生态风险水平大于1，则生态风险等级为高风险；生态风险水平小于1且大于0.1，则生态风险等级为中等风险；生态风险水平小于0.1且大于0.01，则生态风险等级为低风险；生态风险水平小于0.01，则生态风险等级为无显著风险。
本发明的实施例2提供了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系统，具体包括：
采集处理模块，用于对样品的处理及原始数据的采集；
分析定量模块，用于对原始数据进行分析筛选，得到产物结果并进行定量；
评估模块，用于对所得产物及定量数据进行单独生态风险评价和综合生态风险评价。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。
Claims (10)
1.一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，其特征在于，包括以下步骤：
步骤1：采集目标区域多个点位水体样品，进行预处理，提取抗生素及其转化产物；
步骤2：对步骤1所得多个样品进行超高效液相色谱-高分辨质谱非靶向数据采集；
步骤3：对步骤2所得高分辨质谱非靶向分析的原始数据进行数据预处理及分析，筛选出抗生素母体及其转化产物；
步骤4：对步骤3所得抗生素母体及其转化产物使用标样和响应因子预测模型进行定量，得到浓度数据值，并对抗生素母体及其转化产物的生物毒性进行预测，得到生物毒性预测值；
步骤5：结合步骤4所得的浓度数据值和生物毒性预测值，对每种抗生素母体及其转化产物进行生态风险评价，得到计算结果；
步骤6：对步骤5所得的计算结果，使用混合物毒性评估模型评估每个样品中筛选出的所有抗生素母体及其转化产物的综合生态风险，得到综合考虑抗生素母体及其转化产物生态风险的评价结果。
2.根据权利要求1所述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，其特征在于：
在步骤1中，预处理包括对水样进行滤膜过滤、固相萃取、洗脱、氮吹和定容。
3.根据权利要求1所述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，其特征在于：
在步骤2中，采用超高效液相色谱法结合静电场轨道阱或飞行时间等高分辨质谱仪进行非靶向分析，采用电喷雾电离源。
4.根据权利要求3所述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，其特征在于：
步骤3中，谱图数据预处理包括峰提取，保留时间对齐，组分化，以及组合所有样品中的峰形成特征峰；根据现有文献和数据库数据，并结合模型预测等方法，建立抗生素母体及其转化产物的疑似清单，通过疑似清单筛查、分子网络构建和特征碎片筛查等方法筛选候选转化产物，并得到具体结构。
5.根据权利要求3所述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，其特征在于：
步骤4中，对有标样物质，采用标样定量；对无标样物质，选用有标样化合物的分子描述符与响应因子，利用随机森林模型建立化合物响应因子预测模型，以预测无标样化合物的响应因子，得到定量结果。
6.根据权利要求4所述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，其特征在于：
步骤4中，对步骤3所得的抗生素母体及其转化产物的生物毒性进行预测，得到其生物毒性预测值，具体包括：
步骤4.1，选取多种模式生物；
步骤4.2，预测每种有机污染物对多种模式生物的毒性数据，所述毒性数据包括慢性毒性数据或急性毒性数据，选用慢性毒性数据进行生态风险评价，无慢性毒性数据选用急性毒性；
步骤4.3，在每种有机污染物对应的毒性数据中，选取数值最小的模式生物的毒性数据作为对应有机污染物的生物毒性预测值。
7.根据权利要求5或6所述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，其特征在于：
在步骤5中，根据各有机污染物的生物毒性预测值，确定各有机污染物的预测无效应浓度，结合所述浓度数据的数据值和对应有机污染物的预测无效应浓度，计算每个抗生素母体及其转化产物浓度数据对应的生态风险水平。
8.根据权利要求1所述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，其特征在于：
在步骤6中，采用以下模型：
(1)
(2)
式中，RQ为生态风险水平，MEC为有机污染物浓度数据的数据值，PNEC为对应有机污染物的预测无效应浓度，LC50、EC50、Chv为毒性数据，AF评估因子。
9.根据权利要求8所述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，其特征在于：
步骤6中，对于每个样品中筛选出的所有抗生素母体及其转化产物的RQ值使用加和模型，得到最终生态风险评价结果。
10.一种同时包括母体和转化产物的水体抗生素生态风险评价系统，执行如权利要求1至9中任一项所述的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，其特征在于：
采集处理模块，用于对样品的处理及原始数据的采集；
分析定量模块，用于对原始数据进行分析筛选，得到产物结果并进行定量；
评估模块，用于对所得产物及定量数据进行单一物质生态风险评价和综合生态风险评价。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311205259.5A CN116930393B (zh) | 2023-09-19 | 2023-09-19 | 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 |
| NL2037507A NL2037507A (en) | 2023-09-19 | 2024-04-21 | Method for assessing ecological risk of antibiotics simultaneously including parent compounds and transformation products in water bodies |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311205259.5A CN116930393B (zh) | 2023-09-19 | 2023-09-19 | 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 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116930393A true CN116930393A (zh) | 2023-10-24 |
| CN116930393B CN116930393B (zh) | 2023-12-26 |
Family
ID=88381170
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311205259.5A Active CN116930393B (zh) | 2023-09-19 | 2023-09-19 | 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 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN116930393B (zh) |
| NL (1) | NL2037507A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117316292A (zh) * | 2023-11-30 | 2023-12-29 | 北京大学 | 基于细菌-古菌-真菌共现网络评价抗生素生态效应的方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2021106280A4 (en) * | 2021-08-21 | 2021-11-04 | Nanjing Institute of Environmental Sciences.MEE | A Method of Water Environment Risk Assessment Based on Fuzzy Integral Model |
| CN115308319A (zh) * | 2022-06-28 | 2022-11-08 | 北京大学 | 一种全氟及多氟烷基化合物非靶向筛查的定量方法 |
| CN115526445A (zh) * | 2022-06-02 | 2022-12-27 | 北京大学 | 基于生态风险加权频率的水体优控有机污染物筛查方法 |
-
2023
- 2023-09-19 CN CN202311205259.5A patent/CN116930393B/zh active Active
-
2024
- 2024-04-21 NL NL2037507A patent/NL2037507A/en unknown
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2021106280A4 (en) * | 2021-08-21 | 2021-11-04 | Nanjing Institute of Environmental Sciences.MEE | A Method of Water Environment Risk Assessment Based on Fuzzy Integral Model |
| CN115526445A (zh) * | 2022-06-02 | 2022-12-27 | 北京大学 | 基于生态风险加权频率的水体优控有机污染物筛查方法 |
| CN115308319A (zh) * | 2022-06-28 | 2022-11-08 | 北京大学 | 一种全氟及多氟烷基化合物非靶向筛查的定量方法 |
Non-Patent Citations (7)
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117316292A (zh) * | 2023-11-30 | 2023-12-29 | 北京大学 | 基于细菌-古菌-真菌共现网络评价抗生素生态效应的方法 |
| CN117316292B (zh) * | 2023-11-30 | 2024-01-30 | 北京大学 | 基于细菌-古菌-真菌共现网络评价抗生素生态效应的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| NL2037507A (en) | 2024-05-24 |
| CN116930393B (zh) | 2023-12-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| González-Gaya et al. | Suspect and non-target screening: the last frontier in environmental analysis | |
| Okoffo et al. | Identification and quantification of selected plastics in biosolids by pressurized liquid extraction combined with double-shot pyrolysis gas chromatography–mass spectrometry | |
| Hernandez et al. | The role of analytical chemistry in exposure science: Focus on the aquatic environment | |
| CN116930393B (zh) | 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 | |
| Kedzierski et al. | Microplastics in Mediterranean Sea: A protocol to robustly assess contamination characteristics | |
| Paszkiewicz et al. | Advances in suspect screening and non-target analysis of polar emerging contaminants in the environmental monitoring | |
| JP4768189B2 (ja) | 非標的化複雑試料分析の方法 | |
| McEachran et al. | Comparison of emerging contaminants in receiving waters downstream of a conventional wastewater treatment plant and a forest-water reuse system | |
| Baesu et al. | Suspect screening of pharmaceuticals in fish livers based on QuEChERS extraction coupled with high resolution mass spectrometry | |
| Mairinger et al. | Characterization of water-soluble synthetic polymeric substances in wastewater using LC-HRMS/MS | |
| Jinmei et al. | RETRACTED ARTICLE: Heavy metal pollution in surface soils of Pearl River Delta, China | |
| Yang et al. | Antibiotics and antimycotics in waste water treatment plants: Concentrations, removal efficiency, spatial and temporal variations, prediction, and ecological risk assessment | |
| Muter et al. | Advanced analytical techniques based on high-resolution mass spectrometry for the detection of micropollutants and their toxicity in aquatic environments | |
| Deeds et al. | Dihydrodinophysistoxin-1 produced by Dinophysis norvegica in the Gulf of Maine, USA and its accumulation in shellfish | |
| Zhao et al. | Screening of organic chemicals in surface water of the North River by high resolution mass spectrometry | |
| Zhao et al. | Screening and prioritization of organic chemicals in a large river basin by suspect and non-target analysis | |
| CN116263444B (zh) | 高分辨质谱非靶向分析水体污染源识别与溯源方法 | |
| Yun et al. | A novel method for micropollutant quantification using deep learning and multi-objective optimization | |
| CN113552244A (zh) | 一种基于ASE-Py-GCMS测定纳米微塑料定性定量的方法 | |
| Maurizi et al. | It matters how we measure-Quantification of microplastics in drinking water by μFTIR and μRaman | |
| Kiss et al. | Chemometric and high-resolution mass spectrometry tools for the characterization and comparison of raw and treated wastewater samples of a pilot plant on the SIPIBEL site | |
| Ghosh et al. | In target areas where human mosquito-borne diseases are diagnosed, the inclusion of the pre-adult mosquito aquatic niches parameters will improve the integrated mosquito control program | |
| Mohapatra et al. | Suspect and nontarget screening of pharmaceuticals in water and wastewater matrices | |
| CN116879480B (zh) | 同时包含已知和潜在未知转化途径的抗生素转化产物识别方法 | |
| Hedgespeth et al. | Expanding phytoremediation to the realms of known and unknown organic chemicals of concern |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |