进行鉴别

使用UPLC/Q-Tof液质仪的MSE功能和MassFragment软件对食品包装纸和纸板中的潜在迁移物进行鉴别和结构分析Malcolm Driffield、1 Antony Lloyd、1 Emma Bradley、1 Dominic Roberts21 食品与环境研究所（英国约克）2 沃特世公司（英国曼彻斯特）应用优势■ MSE数据采集模式，可以一次进样同时得到母离子及其碎片离子数据，从而提高化合物鉴定的可信度。此外它还具有数据溯源的功能。■ ChromaLynx&trade XS软件可以对复杂混合物中的所有组分进行快速检测、鉴定和确认。用户可以通过精确质量数信息确定化学式，然后，在化合物数据库中进行搜索、确认结构式。■ MassFragment&trade 是一种智能型软件工具，能够自动匹配碎片结构，极大简化了数据处理，并且可在无标准品的情况下进行确认。沃特世解决方案ACQUITY UPLC系统ACQUITY UPLC HSS T3色谱柱SYNAPT G2 HDMS&trade 系统ChromaLynx XS软件MassFragment软件关键词飞行时间质谱筛查、数据库搜索、结构表征、纸、纸板、食品包装、邻苯二甲酸酯简介回收纸和纸板有利于环境清洁，还可以缓解森林资源的压力、降低废物处理量。目前，进入回收环节的纸和纸板类型具有一定的限用管制。回收的纸和纸板最终可以用于要求较低的应用领域，例如报纸和杂志、纸板箱和纸板盒，以及要求较高的应用领域，例如食品包装。近年来，科学文献和媒体报道过一些有关回收纸和纸板用于食品包装时出现的问题。食品中检测到来自回收纸和纸板的污染物。印刷报纸和杂志的油墨中发现了矿物烃类化合物，1-2以及邻苯二甲酸盐，例如目录和手册所用粘合剂中的邻苯二甲酸二异丁酯，3以及印刷在纸和纸板外表面的光引发剂和其它成分。4这些类型的化学物在经过回收处理后仍会存在。本研究是一个大型研究项目中的一部分，此研究项目将调查用于再生型食品包装的纸和纸板来源。5实验检测了四种不同类型的纸来源（纯白色打印纸、报纸和杂志、瓦楞纸板和食品包装纸），并确定了潜在的污染物。配备有高分辨率质谱检测器的超高效液相色谱（UltraPerformanceLC ）（UPLC/HR-MS）是一种有效的工具，有助于鉴定食品接触材料和其它领域中的未知化合物。6精确质量数、同位素谱图和碎片信息（如果存在）可用于预测元素组成，然后可将其与含有其潜在结构的数据库进行对比，如果结构匹配，鉴定结果将更加可信。所使用的仪器必须有足够的灵敏度和精确度以确保能够准确鉴定化合物。本文介绍了如何使用ACQUITY UPLC/SYNAPT G2 HDMS系统以及相关软件检测色谱峰、确定精确质量数并获得元素组分。实验将获得的分析结果与用户准备的含6000多种食品接触材料组分和污染物的数据库进行对比，通过MSE获得的碎片信息，在未使用确证标准品的情况下确定了其中一个待分析的化合物的化学结构。实验样品描述从当地超市采购一组用纸和纸板包装的食品，将食品从包装中取出，切成小块，并充分混合。样品包括早餐谷物、意大利面、冷冻鱼、蛋糕和其它烘焙产品。将一部分混合的样品（5 g）、内标物d10-苯甲酮（100 &mu L，1 mg/mL）和乙醇（20 mL）加入样品瓶中，盖好盖子并震摇过夜。取一部分上清液直接进行分析。UPLC条件系统： ACQUITY UPLC色谱柱： ACQUITY UPLC HSS T3（部件号176001133）150× 2.1 mm，1.8 &mu m柱温： 45 ℃流速： 0.45 mL/min进样体积： 1 &mu L流动相A： 水+0.1%甲酸流动相B： 乙腈+0.1%甲酸梯度：时间（min） %A %B0.0 90 1015.0 0 10018.0 0 10018.1 90 1020.0 90 10MS条件MS系统： SYNAPT G2 HDMS采集模式： MSE电离模式： 电喷雾正离子检测的质量数范围： 50至1200 Da锥孔电压： 25 V毛细管电压： 1.0 kV脱溶剂气温度： 500 ℃源温度： 120 ℃碰撞能量： 低能量 CE = 6 eV，高能量 CE = 15 - 35 eV碰撞气体： 氩气LockMass： 亮氨酸脑啡肽，m/z 566.2771数据管理： ChromaLynx XS和MassFragment软件结果与讨论混合食品包装样品的乙醇提取物的基峰离子色谱图（BPI）如图1所示。图1. 纸和纸板食品包装乙醇提取物的基峰离子色谱图（低能量电喷雾离子化正离子模式）。ChromaLynx XS软件可以反卷积解析色谱图，检测出现的所有色谱组分，并为每种确认的组分生成精确的谱图。这些操作均在&ldquo 目标模式&rdquo 下进行，将生成一系列单个峰，然后软件会将这些峰与包含潜在结构的数据库进行对比。软件提取了1380个组分，比TIC图中目测到的要多。充分显示了该软件在极低浓度条件下检测组分的优势ChromaLynx XS将提取目标化合物的准确质谱图，确定它们是否存在。用户的数据库包含食品接触材料中可能存在的6000多种已知成分、潜在污染物以及衍生和分解产物。列表包括化合物名称和化学式，软件将在其中进行搜索并报告匹配结果。如果具有用标准品进行过分析，则该化合物的保留时间和碎片离子信息也会包含在数据库中。图2为ChromaLynx XS处理数据的示例，包括：（A）总离子流图、（B）目标物列表、（C）提取离子色谱图和（D）13.6min处，峰的相关质谱图，这是一个完整的鉴定过程示例。本样品用含6000种化合物的库进行筛查，最终根据精确质量数总共鉴定出45种化合物。在没有分析标准品的条件下，这些鉴定结果由其同时采集的碎片信息确认。图2. ChromaLynx XS在13.6min处输出的质谱图，与数据库中的对二甲氨基苯甲酸异辛酯的匹配。A) 总离子流色谱图、B) 目标物列表、C) 13.6min处的提取离子色谱图（m/z 278.2122）和D) 13.6min处色谱峰的质谱图（低能量）。图3显示：其母离子的质荷比为278.2122，化学式为C17H27NO2。这与数据库中的对二甲氨基苯甲酸异辛酯相匹配，该化合物可以用作喷涂至纸和纸板底物的紫外光固化油墨中的胺助引发剂。[M+H]+母离子的理论精确质量数为m/z 278.2120，与检测结果之间仅存在0.7 ppm的差异。在分析食品包装样品时，并未分析对二甲氨基苯甲酸异辛酯的确证标准品进行鉴定确认。SYNAPTG2 HDMS的运行模式为MSE采集模式，可以一次进样，同时收集该化合物的母离子及碎片离子信息，从而提高了化合物鉴定的可信度。图3所示为低能量和高能量质谱图，在较高能量下，母离子的强度降低，生成碎片离子。图3. 13.6 min处色谱峰的质谱图。A) MSE高能量谱图：显示碎片离子，B) MSE低能量谱图：显示分子加合物[M+H]+。与分子一样，碎片离子的精确质量数也可用于确定潜在的元素组成。MassFragment软件将利用这些潜在的元素组成，根据建议的化合物化学结构（例如对二甲氨基苯甲酸异辛酯）来确认该结构。该软件使用系统化的键断裂信息和一套计分系统，此系统以键断裂的类型和发生的可能性为基础，信息输入程序的过程简单。.mol文件可以从ChemSpider商业库中下载，也可从最常用的化学绘图包得到，然后将其与提供碎片离子信息的MSE质谱图一起导入即可。根据用户的具体需要，可以对参数进行相应更改。质量数窗口的限值范围非常重要，使用的范围越小，结构匹配的可信度就越高。在本示例中，使用的值是+/- 1 mDa。图4是软件针对13.6min处色谱峰所生成的结果，系统建议的化合物为对二甲氨基苯甲酸异辛酯。图4. MassFragment输出的报告，其中所示为五个碎片离子的建议结构，增加了鉴定结果的可信度。所测的五个碎片离子均验证了建议的母体结构&mdash &mdash 对二甲氨基苯甲酸异辛酯中不同键断裂后所得的离子的可能结构，这一结果提高了13.6min处色谱峰鉴定的可信度。图5所示为标记有MassFragment结构的MSE质谱图。此化合物很可能来自纸和纸板上的油墨，7相似化学类型的化合物经过回收处理后也仍会存在。现在，碎片离子和保留时间均与此化合物匹配，它们被反馈到数据库中，从而使得后面的鉴定更加可信。图5. 13.6 min处色谱峰的MSE质谱图，标记有MassFragment鉴定结果。结论本实验采用具有色谱分离、高分辨率地测定准确质量数功能的ACQUITY UPLC/SYNAPT G2 HDMS系统，对食品包装纸和纸板提取物进行分析。此分析可对之前未知的、可能会迁移到食品中的化合物作出值得信赖的鉴定。使用MSE数据采集模式，可以同时收集母离子和碎片离子的信息，采集的数据经过ChromaLynx XS和MassFragment软件的处理后，可获得具有高可信度的鉴定结果。参考文献1. Dima G, Verzera A , Grob K. Migration of mineral oil from party plates ofrecycled paperboard into foods:1. Is recycled paperboard fit for the purpose?2.Adequate testing procedure.Food Additives and Contaminants Part A.2011 28(11): 1619-1628.2. Vollmer A, Biedermann M, Grundbock F, Ingenhoff JE, Biedermann-Brem S,Altkofer W, Grob K. European Food Research and Technology. 2011 232:175-182.3. Gartner S, Balski M, Koc h M, Nehls I. Analysis and migration of phthalates ininfant food packed in recycled paperboard.Journal of Agricultural and FoodChemistry. 2009 57(22): 10675-10681.4. Koivikko R, Pastorelli S, deQuiros ARB, Paseiro-Cerrato R, Paseiro-Losada P,Simoneau C. Food Additives and Contaminants Part A. 2010 27(10): 1478-1486.5. Driffield M, Lloyd AS, Lister L, Leak J, Speck D, Bradley EL.Manuscript inpreparation. 2013.6. Driffield M, Bradley EL, Castle L, Coulier L. Identification of unknown migrantsfrom food contact materials.Mass Spectrometry in Food Safety, Methods andProtocols. 2011 357-372.7. Food Standards Agency (2011) Food Survey Information Sheet 03/11.Migration of selected ink components from printed packaging materials intofoodstuffs and screening of printed packaging for the presence of mineral oils.

p　　今天小编与大家一起来来分享通过靶向质谱精确鉴别胰腺癌囊性前病变的研究。大家都知道胰腺囊性病变经常在影像学检查时被偶然发现，但是可能有一半是胰腺癌的征兆。因此，准确的鉴别诊断就显得尤为重要。但遗憾的是，目前的诊断方法并不能强有力地识别癌前病变和恶性胰腺囊性病变。不久前，在著名肿瘤学杂志上JCO则发表的一篇文章旨在提高鉴别诊断的准确性。/pp　　研究人员采用常规超声引导下抽吸囊液样本进行分析。在一个24例患者的队列中，通过探索性蛋白质组学的方法确定了8个恶性可能和高级异型增生/癌症的候选生物标记物。随后，利用30个重标肽和平行反应监测质谱进行了定量分析，在80例的队列中进行了测试，并在68例患者的验证队列中进行了前瞻性评估。终点为外科病理诊断/临床随访。/pp　　研究结果显示检测恶性可能最佳的一组标记是一组来自musin-5AC和mucin-2的肽段，能够在验证队列中区分出癌前病变/恶性病变与良性病变，准确率97%(95%CI，89%-99%)。这一结果与标准分析相一致：囊液癌胚抗原(61% 95%CI.46%-74% P 0.001)和细胞学(84% 95%CI，71%-92% P=0.02)。结果蛋白质mucin-5AC及前列腺干细胞抗原能够以96%的准确性识别出高级别异型增生/肿瘤(95%CI，90%-99%)，并能发现95%恶性/严重不典型增生，而癌胚抗原和细胞学分别为35%和50%(P 0.001 P=0.003)./pp　　由上述研究可以看出仅对三种囊液生物标记物做靶向的质谱分析，就可以以高度准确性来识别和评估胰腺囊性变及胰腺癌。/pp　　阅读上文小编认为，通过靶向质谱精确鉴别胰腺癌囊性前病变的研究，在临床、科研等影像研究领域起着至关重要的作用。而对于不断新型的标记物和靶像分析与检测，相信在未来的科学研究中有着突破性的意义。/p

2017年，中国首次超越美国成为全球最大原油进口国，同时我国作为海运大国日益增长的海上交通运输及渔业作业加大了航运船舶碰撞事故和海上溢油事故导致环境污染的风险。溢油污染不仅给海洋生态环境造成巨大影响，也给沿岸的社会、经济和人类的身体健康和带来直接危害。例如2010年美国墨西哥湾原油漏油事件和2018年我国“桑吉轮”事件均对周边海洋生态环境造成严重影响。因此为保障我国海岸带经济的可持续发展，对我国海上溢油应急响应能力和基于人工智能技术的油样快速溯源分析技术提出了迫切的需求。 相比陆地溢油事故，海上溢油所发生的海域范围辽阔，特别是油样经过长期日光暴晒降解，使得溢油取证和溯源鉴别充满挑战。油指纹鉴别技术是目前溢油溯源的主要技术手段，该方法充分利用油品本身的组分特征差异进行溯源。将基于溢油本身的有机特征、炼制工艺、储存运输方式、风化时间等因素导致油品指纹的差异性，通过气相色谱、二维色谱串联质谱等不同分析检测手段获取反映油品特征的色谱峰，形成油指纹信息。再通过分析现有油指纹和嫌疑溢油指纹之间的相关性，来鉴别和确认溢油源。依据我国《海面溢油鉴别系统规范》（GB/T 21247-2007）规定，按照1个油样品重复测定2次，单个油样数据查找50个指标化合物并进行3组数据处理，需要耗费3-5个小时。此外，当遇到“无主溢油”事故的情况，则需要技术人员将无主溢油的谱图特征与指纹库中存档的数千个油样谱图进行逐一比对筛选，并将获得的色谱峰进行诊断比值、标准偏差、重复性限等繁琐运算，耗时费力且容易出现遗漏，导致溢油快速鉴别难以实现，方法的时效性大打折扣。 有鉴于此，为提升应对海上不明溢油源污染事故应急响应能力，完善海上溢油应急管理模式，中国海事局烟台溢油应急响应中心于2020年启动了《溢油鉴别分析数据与管理系统》项目，该项目依据GB/T 21247-2007海面溢油鉴别系统规范，通过对油指纹的GC、GC/MS、GCxGC/MS数据的自动化解析、对齐、积分及比值计算，实现满足国标要求的自动化溯源鉴别以及化学计量学算法的智能模式识别。在以中心尹晓楠博士为代表的技术攻关团队的带领下，科迈恩科技、青岛励图高科共同参与了系统开发。其中由科迈恩科技承担核心的溢油智能辅助溯源鉴别系统，以及船舶油漆鉴别子系统、AI辅助溢油模式识别系统及油指纹库的开发建设。 该系统从设计层面实现了包括国标重复性限法（GB/T 21247）的自动化比对分析流程，以及结合溢油指纹库大数据及机器学习算法，设计提供了我国首个基于油指纹数据的人工智能辅助辨别系统。烟台溢油应急技术中心作为海事系统唯一拥有船舶、海上石油平台油指纹库，通过此次引入智能化色谱-质谱数据比对及化学计量学技术，将溢油与石油化工类复杂样品分析与前沿的人工智能和机器学习技术开发相结合，所开发的溢油鉴别智能系统包括油指纹库、油样比对分析系统以及人工智能辅助分析系统，可对油样的GC、GC/MS以及GCxGC QTOF/MS仪器所采集的各类油样数据进行化合物积分、鼓包分析、可视化比对分析、风化程度分析，以及诊断比值分析等溢油检测国标的分析流程，以及基于机器学习算法的人工智能模式识别及溢油指纹库快速搜索和匹配功能。实现嫌疑油样及无主溢油的快速、精准识别，数据的处理时间和计算耗时将从现在手工计算的1-2天缩短至数分钟以内。 该系统的研制开发将为我国海洋溢油事故应急响应及快速溯源跟踪提供领先的技术支撑平台，有力推进海面溢油鉴别的标准提高，极大提升溢油事故排查溯源应急响应的效率，为海上溢油事故执法调查提供了重要的技术支撑。同时，该系统还可为修复海洋生态环境，海洋突发事件应急响应技术研究提供了技术支持，为我国海洋防灾减灾和提升国家海洋权益提供了有力技术支撑。关于科迈恩科技科迈恩科技秉持“让AI为创新分析技术赋能”的愿景，致力于让广大用户受益于大数据和人工智能技术对于检测能力的创新和提高。目前科迈恩科技已在智能化仪器数据分析、快检技术、新药研发、精准医疗、感官评价等工业级AI建模等领域拥有系列化产品或解决方案，涵盖色谱、质谱、光谱、核磁共振等多维分析大数据的融合。所服务的客户覆盖制药、快消品、农产品、临床、石化、环保、交通、汽车制造等诸多领域。关注“科迈恩科技”公众号，了解更多分析检测行业的解决方案如您对科迈恩科技有更多想了解，可通过仪器信息网和我们取得联系！400-860-5168转3905