鄧東陽，于紅霞，張效偉，史薇

南京大學(xué)環(huán)境學(xué)院 污染控制與資源化研究國家重點實驗室，南京 210023

基于毒性效應(yīng)的非目標(biāo)化學(xué)品鑒別技術(shù)進展

鄧東陽，于紅霞，張效偉，史薇*

南京大學(xué)環(huán)境學(xué)院 污染控制與資源化研究國家重點實驗室，南京 210023

現(xiàn)代社會大量化學(xué)品的生產(chǎn)與廣泛使用造成了地表水、地下水、沉積物、土壤等環(huán)境受到污染，并對人體健康和生態(tài)系統(tǒng)構(gòu)成威脅。基于毒性效應(yīng)的關(guān)鍵致毒物質(zhì)鑒別技術(shù)(effect directed analysis, EDA)已經(jīng)在水體、沉積物的致毒物篩選方面得到了一定的應(yīng)用。但是由于污染物組成復(fù)雜、范圍廣、基質(zhì)干擾高、同分異構(gòu)體廣泛存在、人工合成標(biāo)樣缺少等問題，非目標(biāo)致毒化合物的鑒別成為了EDA的瓶頸技術(shù)。逐漸發(fā)展的色譜與質(zhì)譜技術(shù)、數(shù)據(jù)庫指標(biāo)在化合物篩選識別中發(fā)揮了重要作用。本文綜述了基于高分辨質(zhì)譜，數(shù)據(jù)庫搜索，色譜保留特征，模型構(gòu)建來篩選識別化合物的方法，總結(jié)了近年來化合物篩選識別方法在環(huán)境新型污染物及藥物篩選等方面的應(yīng)用并分析了化合物篩選識別所存在的問題與應(yīng)用前景。這些方法可以提高非目標(biāo)化合物篩選的準(zhǔn)確性和通量，減少樣品復(fù)雜性和基質(zhì)干擾帶來的負面影響，從而有利于未知化合物的確定。

非目標(biāo)毒物鑒別；高分辨率質(zhì)譜；數(shù)據(jù)庫；色譜保留特征；模擬

現(xiàn)代社會化學(xué)品大規(guī)模生產(chǎn)與使用，在給人們帶來福利的同時大量化學(xué)品及其中間產(chǎn)物或副產(chǎn)物進入環(huán)境，造成地表水、地下水、沉積物、土壤、生物組織甚至食物的污染[1]。這些污染物對人體健康和生態(tài)系統(tǒng)構(gòu)成威脅，常規(guī)的化學(xué)監(jiān)測可以定量反應(yīng)受污染環(huán)境介質(zhì)中各種優(yōu)控污染物的濃度，但無從體現(xiàn)復(fù)合生態(tài)環(huán)境受各種化學(xué)品影響的整體風(fēng)險水平，因為環(huán)境介質(zhì)中有大量的未知化學(xué)品以及這些化學(xué)品的中間產(chǎn)物/代謝產(chǎn)物等，這些未知物沒有被列入日常監(jiān)測范圍也無法進行進一步的風(fēng)險評估。而生物測試手段雖然能反應(yīng)復(fù)合生態(tài)環(huán)境受各種化學(xué)品影響的整體風(fēng)險水平，但不能獲取樣品中主要致毒化學(xué)品的名稱和種類等信息，也無法服務(wù)于后期管理需求。因此如何從受污染的樣品中識別出主要致毒物是一項具有重要意義的工作。

將化學(xué)分析與毒性測試相結(jié)合，用于識別環(huán)境中主要致毒化學(xué)品的技術(shù)稱為基于毒性測試的污染物鑒別技術(shù)(effect directed analysis, EDA)。其流程如圖1所示，主要包括4個部分：毒性測試、分級分離、致毒物質(zhì)的篩選與識別、毒性確認[2]。毒性測試可以獲得樣品的毒性和潛在風(fēng)險，依據(jù)研究目的選擇合適的毒性效應(yīng)，當(dāng)前常見的毒性效應(yīng)包括：致突變性、內(nèi)分泌干擾效應(yīng)、芳香烴受體效應(yīng)和水生生物毒性(發(fā)光細菌、綠藻、無脊椎動物)等[3]。分級分離的目的是通過去除無毒成分來降低污染物的復(fù)雜性從而有利于致毒物的篩選與識別。分離是基于分析物的物理化學(xué)性質(zhì)包括極性、疏水性、分子大小、平面性和特定官能團的存在等來實現(xiàn)的[4]。當(dāng)前常用的分級分離方法包括：固相萃取、反相液相色譜、正相液相色譜、體積排阻色譜、親水作用色譜、親和色譜和薄層色譜等分離方法。在分級分離的基礎(chǔ)上進行毒性測試，進而針對主要致毒組分進行致毒化合物的篩選與識別?；衔锏暮Y選與識別是基于毒性測試的污染物鑒別技術(shù)最關(guān)鍵和亟待進一步解決的問題。通過質(zhì)譜對待測污染物進行全掃描得到的圖譜與儀器自帶的標(biāo)準(zhǔn)譜庫或者在線數(shù)據(jù)庫進行比對獲得可疑物質(zhì)清單，配合核磁共振、紫外吸收光譜、紅外吸收光譜等化合物鑒定手段來實現(xiàn)化合物的篩選與識別[5]。近年來高分辨率質(zhì)譜由于其靈敏度高，質(zhì)量誤差小，分辨率高等特點，使其在化合物篩選中具有明顯優(yōu)勢。毒性確認的目的是確定化合物在總效應(yīng)中的貢獻率。目前毒性確認方法有：基于劑量效應(yīng)關(guān)系的定量驗證、具有類似作用模式的濃度加和法與獨立作用模式產(chǎn)生的加和效應(yīng)、可疑物質(zhì)添加法的效應(yīng)驗證和定量結(jié)構(gòu)效應(yīng)關(guān)系預(yù)測毒性等[6]。

近幾年在高通量毒性測試與高分辨化學(xué)分析方法建立的前提下，基于毒性效應(yīng)的有機毒物鑒別技術(shù)得到快速發(fā)展。Shi和Hu等學(xué)者[7-10]對水源水、地下水、自來水廠出水、自來水、煮沸的自來水進行了甲狀腺激素干擾活性、雄激素活性和雌激素活性測試，通過活化的佛羅里硅土玻璃填充柱來實現(xiàn)分離，利用氣相色譜質(zhì)譜聯(lián)用儀、液相色譜和氣相色譜來實現(xiàn)定量檢測，最終識別出其中的關(guān)鍵致毒物為鄰苯二甲酸二異丁酯、鄰苯二甲酸二丁酯、鄰苯二甲酸二異辛酯、鄰苯二甲酸二正辛酯、鄰苯二甲酸二異壬酯、有機氯農(nóng)藥、有機磷農(nóng)藥、壬基酚和辛基酚等。Weiss等學(xué)者[11]對歐洲河流沉積物進行了雄激素活性測試，基于凝膠滲透色譜凈化，通過反相液相色譜、正相液相色譜實現(xiàn)分離，利用氣相色譜質(zhì)譜聯(lián)用儀來實現(xiàn)定量，最終識別出其中的關(guān)鍵致毒物為多環(huán)芳烴、壬基酚、鄰苯二甲酸二丁酯等。Thomas等學(xué)者[12]對北海岸石油生產(chǎn)平臺排放的廢水進行了雄激素和雌激素活性測試，通過正相色譜實現(xiàn)分離，利用高分辨率飛行時間質(zhì)譜篩選活性組分的致毒物，最終識別出其中的關(guān)鍵致毒物為環(huán)烷酸、烷基酚、多環(huán)芳烴等。

化合物篩選識別已經(jīng)在水體、沉積物等環(huán)境樣品中得到成功應(yīng)用，并且發(fā)現(xiàn)一些新型化合物或者之前未被關(guān)注的化合物。準(zhǔn)確可靠的化合物篩選識別方法將有助于找到致毒物質(zhì)和污染源，是化學(xué)品環(huán)境風(fēng)險評價的前提，可以為環(huán)境管理提供依據(jù)。目前在未知污染物識別方面存在污染物成分復(fù)雜、范圍廣、基質(zhì)干擾高、濃度低、同分異構(gòu)體廣泛存在等問題，因此需要進一步建立和優(yōu)化非目標(biāo)污染物高通量篩選和識別方法[13]。本文綜述了近年來非目標(biāo)化合物篩選的技術(shù)與方法，為新型化合物的發(fā)現(xiàn)提供借鑒。

圖1 基于毒性測試的污染物鑒別技術(shù)流程[1]Fig. 1 Procedure of effect directed analysis (EDA) [1]

非目標(biāo)污染物篩選識別有4種方法：(1)應(yīng)用數(shù)據(jù)庫篩選；(2)基于高分辨率質(zhì)譜篩選；(3)基于化合物的色譜保留特征篩選；(4)基于合適的模型篩選。在整個化合物篩選識別過程中貫穿始終的是數(shù)據(jù)庫的應(yīng)用。非目標(biāo)污染物篩選識別的流程如圖2所示。

1 應(yīng)用數(shù)據(jù)庫篩選化合物

數(shù)據(jù)庫搜索的目的是獲得與庫分子式匹配的化合物的準(zhǔn)確結(jié)構(gòu)或者接近匹配的化合物的部分結(jié)構(gòu)信息，是基于高分辨率質(zhì)譜、色譜保留特征和合適模型篩選化合物的技術(shù)基礎(chǔ)。因此由經(jīng)驗獲得的圖譜收集在一起形成的數(shù)據(jù)庫是化合物篩選的必備條件。數(shù)據(jù)庫包含化學(xué)數(shù)據(jù)庫和質(zhì)譜數(shù)據(jù)庫。化學(xué)數(shù)據(jù)庫儲存的是化合物的信息，包括分子式、結(jié)構(gòu)式、物理化學(xué)性質(zhì)等，是化學(xué)信息的綜合系統(tǒng)。質(zhì)譜數(shù)據(jù)庫儲存的是基于儀器定性或定量的化合物的質(zhì)譜譜圖，可以通過碎片峰數(shù)據(jù)來檢索相似譜圖，但譜圖的數(shù)量有限?；瘜W(xué)數(shù)據(jù)庫是質(zhì)譜數(shù)據(jù)庫的基礎(chǔ)，質(zhì)譜數(shù)據(jù)庫是化學(xué)數(shù)據(jù)庫的深化?；跍?zhǔn)確質(zhì)量數(shù)通過化學(xué)數(shù)據(jù)庫匹配搜索可以獲得化合物分子式[14]。Booij等[15]篩選海洋藻類光合作用抑制劑時利用免費的ChemSpider數(shù)據(jù)庫與質(zhì)譜數(shù)據(jù)匹配獲得化合物的分子式清單。Hernández等[16]篩選水體有機微污染物時利用商業(yè)的NIST數(shù)據(jù)庫與質(zhì)譜數(shù)據(jù)匹配獲得化合物的分子式和離子碎片等信息。數(shù)據(jù)庫搜索是后續(xù)篩選的基礎(chǔ)。一些常見的化學(xué)數(shù)據(jù)庫有ChemSpider、PubChem和NIST Chemistry WebBook等。質(zhì)譜數(shù)據(jù)庫的目的是將獲得的圖譜與數(shù)據(jù)庫中化合物圖譜進行匹配，通過匹配度高低來減少候選化合物的數(shù)量從而有利于化合物的篩選[17]。一些常見的質(zhì)譜庫有MassBank、NIST MS/MS Library和ReSpect for Phytochemicals等。下面我們將對一些常見的數(shù)據(jù)庫及其特點進行總結(jié)。

圖2 非目標(biāo)污染物篩選識別的流程Fig. 2 Procedure of screening and identification of nontarget toxicants

1.1 化學(xué)數(shù)據(jù)庫

(1)ChemSpider(http://cssp.chemspider.com)是一個免費在線的數(shù)據(jù)庫，該數(shù)據(jù)庫提供接近2 500萬個化合物信息。ChemSpider提供每個化合物的各種信息：分子式、結(jié)構(gòu)式、質(zhì)量數(shù)、物化性質(zhì)(熔點、沸點、蒸汽壓、折光指數(shù)、分配系數(shù)LogP、溶解性、ACD/Labs預(yù)測的物化性質(zhì)、EPISuite預(yù)測的物化性質(zhì))、氣相色譜保留指數(shù)和光譜數(shù)據(jù)(紅外光譜、核磁共振波譜)等[18]。這些數(shù)據(jù)都可用于化合物的篩選，而且這些數(shù)據(jù)不斷更新。

(2)PubChem(http://pubchem.ncbi.nlm.nih.gov)即有機小分子生物活性數(shù)據(jù)庫，包括PubChem Substance、PubChem Compound、PubChem BioAssay 3個子數(shù)據(jù)庫。PubChem Substance包含由用戶上傳的樣品原始信息并且這些信息與生物活性信息相鏈接，PubChem Compound包含PubChem Substance目錄中獨特的化學(xué)結(jié)構(gòu)信息，PubChem BioAssay包含各種生物活性測試結(jié)果[19]。比較常用的是PubChem Compound數(shù)據(jù)庫，該數(shù)據(jù)庫提供化合物的分子式、結(jié)構(gòu)式、物化性質(zhì)(沸點、熔點、密度、解離常數(shù)、燃燒熱、正辛醇-水分配系數(shù)、溶解性、蒸汽壓、氫鍵供體、氫鍵受體、拓撲極地表面積、互變異構(gòu)體數(shù)、旋轉(zhuǎn)鍵數(shù))等信息[20]。該數(shù)據(jù)庫更適合生物小分子化合物的篩選。

(3)NIST Chemistry WebBook(http://webbook.nist.gov)包含由美國國家標(biāo)準(zhǔn)與技術(shù)研究院和其他資源提供的化合物物化性質(zhì)方面的數(shù)據(jù)。該數(shù)據(jù)庫提供有機和無機化合物的熱化學(xué)數(shù)據(jù)(生成焓、燃燒焓、相變焓、熱容量、熵、相變溫度、蒸汽壓)、反應(yīng)熱化學(xué)數(shù)據(jù)(反應(yīng)焓、反應(yīng)自由能)、離子能量數(shù)據(jù)(電離能、表面能、電子親和能、質(zhì)子親和能、氣體堿性、離子團結(jié)合能)、流體熱物理數(shù)據(jù)(密度、比容、恒壓熱容、恒容熱容、熱導(dǎo)率、表面張力)和光譜數(shù)據(jù)等[21]。該數(shù)據(jù)庫定期更新，而且所有數(shù)據(jù)來源于同行審議的文獻和原始數(shù)據(jù)。

1.2 質(zhì)譜數(shù)據(jù)庫

(1)MassBank(http://www.massbank.jp)是第一個關(guān)于生命科學(xué)小分子化合物(<3 000Da)公開的質(zhì)譜數(shù)據(jù)庫，該數(shù)據(jù)庫提供各種儀器類型的質(zhì)譜圖，包括氣相色譜-電子電離-四級桿/飛行時間質(zhì)譜GC-EI-QTOF，液相色譜-電噴霧離子化-四級桿/飛行時間質(zhì)譜LC-ESI-QTOF，液相色譜-大氣壓化學(xué)電離-四級桿/飛行時間質(zhì)譜LC-APCI-QTOF，基質(zhì)輔助激光解吸電離-飛行時間質(zhì)譜MALDI-TOF等。不同實驗條件下的電噴霧電離多級質(zhì)譜圖具有差異性，利用2張質(zhì)譜圖的相似度得分值來識別化合物，可以顯著提高化合物識別的準(zhǔn)確度[22]。MassBank也提供每個化合物的合并圖譜數(shù)據(jù)，合并圖譜是將同一化合物在不同碰撞誘導(dǎo)解離條件下的電噴霧電離多級質(zhì)譜數(shù)據(jù)合并分析得到的，數(shù)據(jù)合并顯著提高了化合物識別的精確度[23]。因此MassBank對化合物的識別起重要作用。

(2)NIST Mass Spectral Library(http://www.nist.gov/srd/nist1a.cfm)是一個由美國國家標(biāo)準(zhǔn)與技術(shù)研究院經(jīng)驗豐富的質(zhì)譜學(xué)工作者創(chuàng)立的世界上使用最廣泛的綜合數(shù)據(jù)庫，含有電子電離質(zhì)譜庫和多級質(zhì)譜庫。該數(shù)據(jù)庫的化合物主要包括用氣相色譜質(zhì)譜聯(lián)用儀測定的藥物、代謝物、殺蟲劑、殺菌劑和土壤、水、大氣樣品中常見的有機物等[24]。電子電離質(zhì)譜庫是一個標(biāo)準(zhǔn)的質(zhì)譜庫，一致的電離能量造成相同并且碎片豐富的質(zhì)譜圖，同時增加了比對的可靠性，但是母離子豐度很低或者沒有。多級質(zhì)譜庫是利用離子阱和碰撞池等裝置在電噴霧離子化方式下生成的圖譜組成的數(shù)據(jù)庫。該數(shù)據(jù)庫是化合物篩選識別中應(yīng)用最廣泛的數(shù)據(jù)庫。

(3)ReSpect for Phytochemicals(http://spectra.psc.riken.jp)是由天然產(chǎn)物工作者和質(zhì)譜分析工作者創(chuàng)立的用于研究植物代謝組學(xué)的數(shù)據(jù)庫，它由文獻收集和內(nèi)部自帶的多級質(zhì)譜數(shù)據(jù)組成[25]。搜索方式包括碎片搜索、光譜搜索和關(guān)鍵詞搜索。最常用的搜索方式是碎片搜索，在碎片搜索中通過選擇離子化方式、質(zhì)荷比和質(zhì)荷比偏差等來完成搜索。搜索記錄中包含碎片相關(guān)法則，可以通過設(shè)定相對強度進行排序。碎片相關(guān)法則是用于模擬識別數(shù)據(jù)庫中各種變量之間關(guān)系的一種算法。該數(shù)據(jù)庫可用于補充植物學(xué)相關(guān)研究中的化合物鑒別工作。

2 基于高分辨率質(zhì)譜篩選化合物

2.1 質(zhì)譜數(shù)據(jù)的處理

質(zhì)譜是化合物分析的一種標(biāo)準(zhǔn)方法，它可用于分析化學(xué)品的元素組成，也可通過質(zhì)譜碎片獲得化合物的部分結(jié)構(gòu)信息[26]。高分辨率質(zhì)譜可以減少由精確質(zhì)量數(shù)獲得的可疑分子式數(shù)量，從而對化合物的篩選起到關(guān)鍵作用。質(zhì)譜數(shù)據(jù)的處理包括以下方面：(1)扣除背景噪音，現(xiàn)在大多數(shù)質(zhì)譜軟件工具含有內(nèi)置算法來扣除背景噪音，從而獲得相對無干擾的質(zhì)譜圖。Winding等[27]提出的CODA算法已經(jīng)用于處理液相色譜-電噴霧離子化質(zhì)譜獲得的數(shù)據(jù)，類似的算法也在藥物發(fā)現(xiàn)方面得到了應(yīng)用[28]。(2)檢測加和離子，不同的加和離子可形成不同的碎片裂解途徑[29]。當(dāng)前的離子化技術(shù)有電子撞擊電離、化學(xué)電離、電噴霧電離、大氣壓化學(xué)電離、大氣壓光化學(xué)電離、基質(zhì)附助激光解吸電離等。溶劑和緩沖體系、離解常數(shù)pKa、酸堿度pH、物質(zhì)的質(zhì)子供體和給體特性和氣相酸度等因素都會影響加合物的形成[30-31]。軟件工具如CAMERA和IntelliXtract有助于自動檢測加和離子[32]。目前還沒有關(guān)于某一化合物在特定離子化模式下預(yù)測加和物可能性的軟件。(3)確定帶電荷態(tài)，電荷態(tài)在蛋白質(zhì)組學(xué)中起著重要作用，許多有機小分子通常是單電荷態(tài)。某些分子如心磷脂質(zhì)類可形成單電荷態(tài)或多電荷態(tài)。多電荷態(tài)的形成受緩沖液濃度、分析物濃度、有機改性劑和流速的影響[33]。大多數(shù)質(zhì)譜軟件可以確定帶電荷態(tài)，公開的軟件如Decon2LS可以自動確定帶電荷態(tài)[34]。(4)準(zhǔn)確質(zhì)量數(shù)測定，不同類型的高分辨率儀器質(zhì)量數(shù)誤差是不一樣的。高分辨率儀器中傅立葉變換質(zhì)譜的質(zhì)量誤差最小，其次是軌道阱質(zhì)譜，飛行時間質(zhì)譜的質(zhì)量誤差最大。(5)同位素豐度測量及同位素模式計算，不同元素的同位素模式是不同的。元素(F, Na, P, I)屬于單一同位素，元素(H, C, N, O, S, Cl, Br)屬于多同位素[35]。加速器質(zhì)譜法是測定同位素豐度的最敏感和準(zhǔn)確的方法，該方法可用于年齡測定和食品監(jiān)測[36-37]?；诙囗検交蚋盗⑷~轉(zhuǎn)化獲得的算法已經(jīng)用于精細結(jié)構(gòu)同位素的計算，包括IsoDalton、MWTWIN、Mercury、IsotopeCalculator、IsoPro、emass/qmass、libmercury++、ISOMABS和Decon2Ls等[38-39]。(6)元素組成測定，七條黃金法則是元素組成計算的一套啟發(fā)式法則。免費公開的軟件SIRIUS具有良好的圖形界面，利用該軟件可以獲得峰強度、分子式中雜原子數(shù)和中性丟失等信息[40]。(7)基于質(zhì)譜碎片計算分子式，多級離子碎片信息已經(jīng)在元素組成測定中得到了應(yīng)用。布魯克發(fā)明了SmartFormula 3D算法，利用遞歸算法從低質(zhì)量碎片中排除不符合的分子式。Sirius Starburst是一款將質(zhì)譜碎片和元素比信息結(jié)合到元素組成測定的免費公開軟件[41]。(8)質(zhì)譜庫搜索，電子撞擊離子化質(zhì)譜的搜索算法是最早開發(fā)的，這些算法包括INCOS算法、概率匹配和點積算法[42-43]。電子撞擊離子化圖譜在不同儀器上是可以重現(xiàn)的，但該質(zhì)譜庫是商業(yè)性質(zhì)的。免費公開的質(zhì)譜庫有Massbank和ReSpect for Phytochemicals等。(9)質(zhì)譜解析，通過質(zhì)譜解析可以驗證碎片的合理性，它是隨著電子撞擊離子化質(zhì)譜發(fā)展而發(fā)展的。Turecek和McLafferty等[44]寫了一本質(zhì)譜解析的紅皮書，該書介紹了碎片裂解途徑和反應(yīng)的詳細說明，包括重排反應(yīng)、均裂或異裂的化學(xué)鍵裂解反應(yīng)、氫重排、電子轉(zhuǎn)移、共振反應(yīng)和芳烴穩(wěn)定化等。

2.2 化合物篩選識別策略

不同高分辨率質(zhì)譜儀器用來篩選識別化合物的方法是不同的?；衔锖Y選識別在環(huán)境領(lǐng)域得到了成功的應(yīng)用，具體的例子如表1。

表1 高分辨率質(zhì)譜篩選化合物方法實例Table 1 Example of identification of chemicals by high resolution mass spectrum

續(xù)表1

微型飛行時間質(zhì)譜(布魯克道爾頓)microTOFIImassspec-trometer(BrukerDalton-ics)3.TheeXposealgorithmwasusedtocalculateretentiontimeandmassposition,aswellasintensityratiosofpeaks.Themasserrorwassetat0.01m/zandthetoleranceforretentiontimewassetat0.1min.Apeakdetectedwithaspecificm/zintheactivefractionneededtoexceed5timestheabundanceofapeakdetectedinthenon-activefraction,eachpeakwithS/N>34.利用軟件DataAnalysis的SmartFormula工具生成可能的分子式。參數(shù)設(shè)置為:元素P0-9,S0-10,F0-16,Cl0-16,Br0-4,Si0-8,C,H,O,N自動匹配;質(zhì)量數(shù)最大偏差為5ppm;質(zhì)譜峰理論和實際同位素分布模式匹配度最大值為50;相對強度為20%4.ThepossiblemolecularformulawascalculatedusingtheSmartFormu-latoolwithintheDataAnalysissoftware.Parameterssetting:P0-9,S0-10,F0-16,Cl0-16,Br0-4,Si0-8,C,H,NandOwereau-tomatically;amaximumdeviationofmasswassetat5ppm;themaxi-mumvaluefortheagreementbetweenthetheoreticalandmeasurediso-topicpatternofthemasspeakwassetat50;therelativeintensitywassetat20%5.利用軟件DataAnalysis的CompoundCrawler工具對生成的分子式進行數(shù)據(jù)庫NIST、ChemSpider和METLIN搜索,設(shè)定超過50篇參考文獻引用的化合物為初步確定的化合物5.Alibrarysearchofthemolecularformulawasperformedbyusingthe-CompoundCrawlertoolintheDataAnalysissoftware,whichconnectstoseveraldatabasesincludingChemSpider,NISTandMETLIN.6.化學(xué)驗證:對初步確定的化合物購買標(biāo)樣來評價其色譜和質(zhì)譜行為,標(biāo)樣和樣品觀察到的色譜峰參數(shù)設(shè)置為:質(zhì)量數(shù)窗口為5ppm,保留時間窗口為0.3min,碎片匹配6.Chemicalconfirmation:evaluatingthechromatographicandmassspectrometricbehaviorofthestandardandtentativelyidentifiedcom-pounds;parametersofpeaksetting:masswindowof5ppmandreten-tiontimewindowof0.3min,fragmentmatch最終識別阿特拉津,敵草隆,2-叔丁氨基-4-環(huán)丙氨基-6-甲硫基-s-三嗪,異丙隆,去草凈,特定津為海洋藻類光合作用的主要抑制劑Thestudyshowsthatatrazine,diuron,ir-garol,isoproturon,terbutrynandterbu-tylazinearethemaincontributorsofphoto-synthesisinhibitorsofpelagicmarinealgae.[15]線性離子阱高分辨質(zhì)譜(賽默飛世爾)LTQOrbitrapmassspec-trometer(ThermoFisherScientific)1.基于電噴霧離子化和大氣壓光電離離子化模式進行質(zhì)譜全掃,掃描范圍為115～1000Da1.FullscanbasedontheionizationofcompoundsbyESIandAPPI,theaccuratemassrangeoffullscanwasfrom115to1000Da2.導(dǎo)入基于標(biāo)樣的目標(biāo)離子清單和無標(biāo)樣的可疑離子清單進行搜索2.Screeningbytargetionlistandsuspectedionlist3.全掃圖譜提取參數(shù)設(shè)置為:質(zhì)量數(shù)窗口為5ppm,同位素模式匹配相對強度偏差為20%,檢驗離子化模式的合理性3.Parametersoffullscanchromatogram:masswindowof5ppm,rela-tiveintensitytolerancewassetat20%,checkedfortheplausibilityoftheionizationmode4.可疑化合物的離子碎片與標(biāo)樣或MassFrontier軟件預(yù)測的碎片匹配4.FragmentsofsuspectedcompoundsmatchwithfragmentationofstandardsandpredictedfragmentationbyMassFrontier最終發(fā)現(xiàn)殺蟲劑,麝香香料,個人護理品是湖泊沉積物最頻繁檢出的化合物和新型化合物如季銨鹽表面活性劑,三氯生的轉(zhuǎn)化產(chǎn)物Theresultsshowthatbiocides,muskfra-grances,andotherpersonalcareproductswerethemostfre-quentlydetectedcom-pounds.Andsuspec-tedcompoundslikequaternaryammoni-umsurfactants,transformationprod-uctsoftriclosanweredetected.[45]

續(xù)表1

線性離子阱高分辨質(zhì)譜(賽默飛世爾)LTQOrbitrapmassspec-trometer(ThermoFisherScientific)1.目標(biāo)化合物準(zhǔn)確質(zhì)量數(shù)提取,質(zhì)量偏差小于5ppm1.Exactmass:masserrorofallcompoundswas<5ppm2.峰響應(yīng)強度參數(shù)設(shè)置為:強度低于105或者空白與樣品在相同保留時間下強度類似視為無效峰,響應(yīng)強度大于1052.Parametersofpeakintensities:peaksfromtheextractedchromato-gramwerediscardediftheintensitiesofpeakintheextractedchromato-gramwere<105orifapeakofsimilarretentiontimeandintensitieswasfoundintheblanksample,peakintensityvalue≥1053.同位素模式匹配:相對強度偏差為20%3.IsotopeFit:relativeintensitytolerancewassetat20%4.離子化效率:檢驗可疑轉(zhuǎn)化產(chǎn)物離子化模式的合理性4.IonizationEfficiency:checkedfortheplausibilityoftheionizationmodeoftheproposedtransformationproducts5.質(zhì)譜碎片解析:碎片對應(yīng)的分子式必須是母體化合物的構(gòu)成單元,轉(zhuǎn)化產(chǎn)物與母體化合物的碎片圖譜類似,觀察到的碎片與MassFrontier軟件預(yù)測的離子碎片匹配5.InterpretationofMSfragments:exactmassoffragmentsyieldingres-onablemolecularformulas,fragmentspatternoftransformationprod-uctssimilartoparentcompound,matchwithfragmentpredictionbyMassFrontier6.標(biāo)樣驗證:在準(zhǔn)確質(zhì)量數(shù)提取下標(biāo)樣和樣品的碎片匹配,保留時間匹配,子離子比例和強度類似6.Confirmationwithreferencestandards:compareexactmassoffrag-mentsinstangardsandsamples,peakmatchingbyretentiontime,ionratiosandintensities最終發(fā)現(xiàn)了天然水體19種轉(zhuǎn)化產(chǎn)物包括經(jīng)常檢測的轉(zhuǎn)化產(chǎn)物如二丁基阿特拉津,異丙甲草胺乙烷磺酸鈉鹽和很少報道的藥物轉(zhuǎn)化產(chǎn)物如N-甲基-4-(3,4-二甲氧基苯基)-4-氰基-5-己基甲胺,O-去甲文拉法辛和嘧菌酯酸19transformationproductswereidenti-fied,includingbothsomewell-knownandcommonlydetec-tedtransformationproducts,andsomerarelyreportedones(e.g.,biotransforma-tionproductsofthepharmaceuticalsven-lafaxineandverapam-il,orofthepesticideazoxystrobin).[46]飛行時間質(zhì)譜(沃特世)time-of-flightmassspectrometry(Waters)1.基于電子撞擊離子化模式進行質(zhì)譜全掃,掃描范圍為50～650Da1.FullscanbasedontheionizationofcompoundsbyEI,theaccuratemassrangeoffullscanwasfrom50to650Da2.利用MassLynx軟件中ChromaLynx模塊對數(shù)據(jù)進行去卷積處理得到單一化合物的質(zhì)譜圖2.A"clean"spectrumforeachunknowncomponentwasobtainedbythede-convolutionpackageChromaLynxofMassLynxsoft3.化合物具有4個高豐度的離子碎片3.Fourabundantionsinchromatogramsofcompounds4.峰形確認:自己定義的掃描寬度、光譜排斥因子和5%峰高時的峰寬都滿足要求4.Peakconfirmation:peakwasfoundtosatisfyuserdefinedparameterssuchasscanwidth,spectrarejectionfactor,peakwidthat5%height5.庫搜索匹配:化合物圖譜與NIST質(zhì)譜庫匹配,匹配度大于70%5.Librarymatch:massspectrumofcompoundmatchwithNISTlibrar-y,thefitfactor>70%6.庫匹配的分子式提交給ElementalCompositioncalculator工具得到5個高豐度的碎片離子和分子式,碎片離子的質(zhì)量偏差小于3.0mDa6.Theformulafromthelibraryhitwassubmittedtoanelementalcomposi-tioncalculator,andmasserrorforfivemostintenseionswasbelow3.0mDa最終發(fā)現(xiàn)水體中有機微污染物有苯甲酮,佳樂麝香,雙酚A,3,5-二叔丁基-4-羥基甲苯,二嗪農(nóng),鄰苯二甲酸芐丁酯。Thecompoundswereidentifiedinthewatersamplesincludingbenzophenone,galax-olide,bisphenolA,BHT,diazinon,andbenzylbutylphthalate.[16]

不同高分辨質(zhì)譜儀器篩選化合物的軟件是不一樣的，大多數(shù)化合物篩選都包括數(shù)據(jù)的采集(設(shè)定掃描范圍) 、峰形提取和確認、利用同位素模式和元素組成參數(shù)設(shè)定獲得化合物的分子式、質(zhì)譜數(shù)據(jù)庫匹配和質(zhì)譜碎片解析等方面。經(jīng)過篩選得到的化合物必須通過標(biāo)樣驗證才能確定是否存在。

(1)

大多數(shù)化合物的不飽和度值低于40。SENIOR法則包含3方面：價態(tài)總數(shù)或者奇數(shù)價態(tài)的原子總數(shù)是偶數(shù)，價態(tài)總數(shù)≥最高價態(tài)的2倍，價態(tài)總數(shù)≥2×原子數(shù)-1。(3)同位素模式篩選，同位素模式是快速確定元素Cl、Br、S存在的工具。質(zhì)譜儀如飛行時間質(zhì)譜的同位素豐度模式具有非常低的相對誤差，誤差在2%～5%之間。利用同位素豐度模式可以排除大量錯誤的分子式。(4)元素H和C比值檢驗，所有分子式中超過99.7%的H/C比值在0.2～3.1之間，因此稱該范圍為正常范圍。(5)元素N、O、P、S和C比值檢驗，基于Wiley massspectral database數(shù)據(jù)庫中45 000個分子式總結(jié)得出超過99.7%的N/C比值在0～1.3之間，O/C比值在0～1.2之間，P/C比值在0～0.3之間，S/C比值在0～-0.8之間。(6)元素比例檢驗，基于Beilstein database和Dictionary of Natural Products數(shù)據(jù)庫中分子量小于2 000的分子式得出如下結(jié)論：分子式中N、O、P、S個數(shù)都大于1時，必須符合N< 10, O < 20, P < 4, S < 3；分子式中N、O、P個數(shù)都大于3，必須符合N < 11, O < 22, P < 6；分子式中O、P、S個數(shù)都大于1，必須符合O < 14, P < 3, S < 3；分子式中N、O、S個數(shù)都大于6，必須符合N < 19, O < 14, S < 8；分子式中N、P、S個數(shù)都大于1，必須符合N < 4, P < 3, S < 3。(7)三甲基硅烷基檢驗，利用氣相色譜質(zhì)譜聯(lián)用儀測定有機小分子通常需要進行化學(xué)衍生化來提高揮發(fā)性、穩(wěn)定性和靈敏度，衍生化通常是利用N-甲基-N-(三甲基硅烷基)三氟乙酰胺的三甲硅烷基化作用來實現(xiàn)。最后獲得的化合物扣除三甲基硅烷基基團得到準(zhǔn)確的分子式，該分子式必須符合上述法則。

3 基于化合物的色譜保留特征篩選化合物

化合物保留行為的準(zhǔn)確預(yù)測和研究是利用質(zhì)譜進行結(jié)構(gòu)識別的主要條件。理論預(yù)測的保留指數(shù)或保留時間可作為化合物篩選的有效依據(jù)。在特定保留指數(shù)范圍以外的化合物將作為錯誤的候選者被除去，從而進一步減少化合物的數(shù)量。定量結(jié)構(gòu)保留相關(guān)關(guān)系(quantitative structure-retention relationships, QSRR)可以將分析物的化學(xué)結(jié)構(gòu)和物化性質(zhì)、保留行為等聯(lián)接起來，因此它可作為化合物保留指數(shù)的預(yù)測模型，為化合物篩選奠定基礎(chǔ)。定量結(jié)構(gòu)保留相關(guān)關(guān)系QSRR已經(jīng)在氣相色譜和液相色譜中得到了運用，選擇合適的描述符對化合物的篩選起關(guān)鍵作用[48]。化合物的色譜分離主要包括液相色譜分離和氣相色譜分離。液相色譜和氣相色譜分離的原理不同，色譜行為也不同。因此基于色譜保留特征篩選化合物包括基于液相色譜保留特征篩選化合物和基于氣相色譜保留特征篩選化合物這2個方面。

3.1 基于液相色譜保留特征篩選化合物

液相色譜是基于化合物在流動相和固定相之間的分配系數(shù)，吸附能力等親和力的不同實現(xiàn)分離。反相液相色譜是液相色譜使用最頻繁的技術(shù)，可以用于強極性化合物的分離。正辛醇-水分配系數(shù)LogKow和線性溶劑化能(linear solvation energy relationships, LSER)相關(guān)的溶劑化結(jié)構(gòu)參數(shù)等液相色譜描述符可用來預(yù)測化合物的色譜行為[49]。眾所周知，正辛醇-水分配系數(shù)LogKow可以較好的預(yù)測中性化合物在C18柱上的保留特征[50]。因此通過正辛醇-水分配系數(shù)LogKow來預(yù)測化合物在反相液相色譜的保留行為是化合物結(jié)構(gòu)校驗的一種最簡單和最頻繁使用的方法。

正辛醇-水分配系數(shù)LogKow已經(jīng)在化合物篩選方面得到廣泛應(yīng)用。Kern等[46]篩選天然水體轉(zhuǎn)化產(chǎn)物時，基于92個標(biāo)準(zhǔn)物質(zhì)(農(nóng)藥、藥物和殺菌劑等)的液相保留時間tR與正辛醇-水分配系數(shù)LogKow的線性關(guān)系，設(shè)定通過LTQ Orbitrap質(zhì)譜篩選得到的化合物必須滿足等式(2)，不符合該條件的化合物將被排除在外。

tR=2.20×LogKow+3.65

(2)

Booij等[15]篩選海洋藻類光合作用抑制劑時，基于30個標(biāo)準(zhǔn)物質(zhì)(三嗪和脲類除草劑等)的液相保留時間tR與正辛醇-水分配系數(shù)LogKow的線性關(guān)系，設(shè)定通過microTOF II質(zhì)譜篩選得到的化合物必須符合LogKow在2.1～4.1(±0.5)之間，不符合該條件的化合物將被排除在外。

線性溶劑化能相關(guān)的溶劑化結(jié)構(gòu)參數(shù)也被用作環(huán)境非目標(biāo)污染物篩選的條件。線性溶劑化能相關(guān)關(guān)系是由亞伯拉罕等[51]建立的，可通過等式(3)獲得。

solute property=aA+bB+sS+eE+vV+c

(3)

A，化合物的氫鍵酸度；B，化合物的氫鍵堿度；S，極化率和偶極性；E，超額摩爾折射率；V，麥高恩體積。梯度系統(tǒng)中用色譜疏水性指數(shù)(chromatographic hydrophobicity index, CHI)代表溶質(zhì)屬性solute property[52]。色譜疏水性指數(shù)CHI用于描述化合物在流動相和固定相之間的分配行為，也可用于化合物結(jié)構(gòu)校驗。

Ulrich等[53]通過色譜疏水性指數(shù)CHI和化合物液相保留時間tR的關(guān)系構(gòu)建等式(4)來計算化合物的色譜疏水性指數(shù)CHI實際值。

CHI=4.95×tR-3.88

(4)

其中色譜疏水性指數(shù)CHI是指線性梯度系統(tǒng)中洗脫化合物需要的有機改性劑的百分含量。相對于保留時間，色譜疏水性指數(shù)CHI主要優(yōu)勢是幾乎不受梯度設(shè)置如梯度時間和柱規(guī)格的影響，可由經(jīng)驗公式(5)獲得理論計算值。

CHI(LSERcalc)=-6.75(±0.88)A-34.05(±1.13)B-9.47(±0.98)S+1.71(±0.58)E+35.20(±0.91)V+62.80(±0.87)

(5)

A，化合物的氫鍵酸度；B，化合物的氫鍵堿度；S，極化率和偶極性；E，超額摩爾折射率；V，麥高恩體積。作者將化合物色譜疏水性指數(shù)CHI理論計算值與實際值的匹配程度作為化合物的篩選條件。

3.2 基于氣相色譜保留特征篩選化合物

氣相色譜是基于化合物沸點、極性和吸附性的差異實現(xiàn)分離。氣相色譜作為高溫條件下可以氣化并且結(jié)構(gòu)不被破環(huán)的化合物分析的主要色譜工具，所以環(huán)境中許多非極性和中等極性化合物的分離通過它來實現(xiàn)。強極性化合物需要衍生化來增加其揮發(fā)性以便在氣相色譜上實現(xiàn)分離。保留指數(shù)(retention indices, RI)是氣相色譜中識別有機物的重要參數(shù)，其算法有2種：(1)由科瓦茨[54]提出的用于等溫條件下保留指數(shù)的計算稱為保留指數(shù)或者科瓦茨指數(shù)；(2)由范杜克和克拉茨[55]提出的用于程序升溫條件下保留指數(shù)的計算稱為線性保留指數(shù)或者程序升溫保留指數(shù)。大多數(shù)化合物的保留指數(shù)RI與大氣壓下化合物的沸點(boiling point, bp)具有一致性，因此化合物的沸點已經(jīng)用于保留指數(shù)的估計[56]。通過保留指數(shù)計算得到的化合物實際沸點值與理論沸點值是否匹配可作為化合物的篩選條件。

Eckel等[57]將370個不同類型的化合物通過含95%甲基硅氧烷和5%苯基硅氧烷毛細管柱實現(xiàn)分離，化合物的沸點bp是通過美國環(huán)保局官方軟件EPI Suite的物化數(shù)據(jù)庫和MPBPWIN模塊獲得，保留指數(shù)RI是通過自動質(zhì)譜解卷積識別系統(tǒng)AMDIS程序獲得。最后通過沸點bp和保留指數(shù)RI的關(guān)系構(gòu)建等式(6)，

bp=0.98×RI+24.36

(6)

95.1%的點落在等式(7)和等式(8)之間，只有少部分化合物在這個區(qū)間之外。

bp=RI-10

(7)

bp=RI+50

(8)

因此設(shè)定化合物沸點值必須落在等式(7)和等式(8)區(qū)間作為化合物的篩選條件。利用該篩選條件可以顯著減少候選清單中的化合物數(shù)量，使化合物的篩選變得簡單化。

4 基于合適的模型篩選化合物

建立合適的模型可以為化合物的篩選減輕困難，篩選出最有可能的致毒物質(zhì)。首先有些模型已經(jīng)被用于環(huán)境中關(guān)鍵毒物的鑒別。McLachlan等[58]基于化學(xué)品排放、歸趨、生物累積的高通量模型(risk assessment identification and ranking model, RAIDAR)來篩選特定環(huán)境介質(zhì)中215種有機硅化學(xué)品，最終找到3種之前未被視為潛在環(huán)境污染物的新型有機硅化合物。Wang等[59]基于分子動力學(xué)模擬發(fā)現(xiàn)Helix12是雄激素受體配體結(jié)合功能位點上的重要元件，通過Helix12相對穩(wěn)定時間與毒性值的回歸關(guān)系來篩選具有抗雄激素活性的羥基化及甲氧基化多溴聯(lián)苯醚。還有一些成功的模型可能在化合物篩選領(lǐng)域發(fā)揮作用。包括以下幾個方面：(1)用于預(yù)測化合物物化性質(zhì)的模型。如Ulrich等[53]基于軟件ACD/ADME Suite 5.0.7 Absolv模塊得到化合物的氫鍵酸度、氫鍵堿度、極化率和偶極性、超額摩爾折射率和麥高恩體積等參數(shù)值，進而建立色譜疏水性指數(shù)CHI與這些參數(shù)的關(guān)系模型。該模型可以用于模擬化合物的色譜疏水性指數(shù)。(2)基于特定效應(yīng)構(gòu)建合適模型，將化合物對接到合適模型，通過打分排序等方式篩選得到受體蛋白的抑制劑。如Evers等[60]基于牛視紫紅質(zhì)的X射線結(jié)構(gòu)Alpha1A腎上腺素受體進行同源建模，將23 000個篩選化合物對接到Alpha1A腎上腺素受體同源模型中，通過打分值對化合物進行排序，最終篩選出37個化合物為Alpha1A腎上腺素受體的拮抗劑。Slynko等[61]基于人體蛋白激酶C相關(guān)激酶PRK1功能位點進行同源建模并優(yōu)化模型，將化合物對接到蛋白質(zhì)上，利用結(jié)合自由能進行打分排序，建立自由能計算值與半數(shù)抑制濃度實驗值的回歸關(guān)系，從而篩選出蛋白激酶C相關(guān)激酶1(PRK1)的抑制劑。Srinivasan等[62]基于人類Nek6蛋白進行同源建模，利用分子動力學(xué)模擬找到Nek6蛋白的活性位點，將潛在抑制劑對接到Nek6蛋白活性位點，通過打分值、能量和氫鍵作用對化合物進行排序，最終篩選出INH-NAD加合物和霉酚腺嘌呤二核苷酸類似物為Nek6蛋白的新型抑制劑。(3)基于數(shù)據(jù)庫資源通過虛擬篩選以及毒性數(shù)據(jù)排查來篩選化合物。如Carosati等[63]基于ZINC數(shù)據(jù)庫發(fā)現(xiàn)10 745個喹喔啉類似物，通過分子量、水溶性和極性表面積篩選得到1 568個化合物，接著通過相識度量FLAP程序虛擬篩選和ADME/Tox毒性數(shù)據(jù)排查，最后發(fā)現(xiàn)偶氮喹喔啉為葉酸循環(huán)抑制劑。目前模型已經(jīng)在藥物篩選方面得到廣泛應(yīng)用，未來將在環(huán)境污染物篩選和生物代謝物篩選等領(lǐng)域扮演著重要的角色。

4種篩選方法中數(shù)據(jù)庫篩選是其它3種篩選方法的基礎(chǔ)，化學(xué)數(shù)據(jù)庫可以服務(wù)于色譜保留特征篩選和模型篩選，質(zhì)譜數(shù)據(jù)庫可以服務(wù)于高分辨率質(zhì)譜篩選。4種篩選方法可以2種或者3種聯(lián)合使用服務(wù)于非目標(biāo)污染物篩選。Hernández等[16]篩選水體有機微污染物時利用了高分辨質(zhì)譜篩選和數(shù)據(jù)庫篩選這2種篩選方法。Booij等[15]篩選海洋藻類光合作用抑制劑時利用了高分辨質(zhì)譜篩選、數(shù)據(jù)庫篩選和色譜保留特征篩選這3種篩選方法。McLachlan等[58]篩選環(huán)境污染物時利用了高分辨質(zhì)譜篩選、數(shù)據(jù)庫篩選和模型篩選這3種篩選方法，最終成功篩選出3種新型有機硅化合物。

5 結(jié)論與展望

非目標(biāo)化學(xué)品鑒別篩選作為1種高通量的篩選方法，有利于提高從大量化合物中篩選出致毒化合物的效率。目前非目標(biāo)化學(xué)品鑒別在環(huán)境領(lǐng)域得到了一定的應(yīng)用，識別到的污染物包括新型污染物和常規(guī)檢測的優(yōu)控污染物等。但是目前化合物篩選方法還存在著一些問題：(1)高分辨率質(zhì)譜的價格昂貴，一定程度限制了其應(yīng)用的廣泛性；(2)化合物搜索的數(shù)據(jù)庫資源有限，只有一部分化合物含有質(zhì)譜圖譜，并且很多質(zhì)譜數(shù)據(jù)庫是商業(yè)性質(zhì)的，從而限制了化合物信息的獲??；(3)化合物的色譜保留行為隨儀器以及操作條件的不同而改變，需要有相對固定和統(tǒng)一的色譜條件；(4)對于模擬方法的使用不廣泛。鑒于非目標(biāo)化學(xué)品鑒別在環(huán)境領(lǐng)域的成功應(yīng)用以及研究的不斷深入，非目標(biāo)化學(xué)品鑒別篩選將在以下幾個方面得到完善和突破。(1)應(yīng)用范圍擴大化，基于非目標(biāo)化學(xué)品鑒別具有的優(yōu)勢，其將在環(huán)境、食品、藥物、生物代謝物等領(lǐng)域得到廣泛應(yīng)用；(2)數(shù)據(jù)庫資源的完善，隨著計算機技術(shù)、通信技術(shù)和互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展與進步以及資源共享趨勢，免費公開的網(wǎng)絡(luò)數(shù)據(jù)庫將越來越多，數(shù)據(jù)庫資源也將不斷得到補充；(3)計算機模擬在化合物識別中的應(yīng)用，模擬相對于實驗具有快速、簡單和花費少等優(yōu)點，可以選擇不同模擬方法平行計算，規(guī)避模擬過程帶來的不確定性。總之，非目標(biāo)化學(xué)品鑒別作為主要致毒物的識別方法，有助于污染物溯源，降低風(fēng)險，是環(huán)境管理的前提。非目標(biāo)化學(xué)品鑒別方法是一個新興的方法，需要化學(xué)工作者、計算機工作者、政府部門以及國際組織等的合作。正確和高效的使用高分辨率質(zhì)譜和數(shù)據(jù)庫，建立廣譜的色譜保留公式和模擬方法，可以為化學(xué)品管理相關(guān)法規(guī)的制定、環(huán)境質(zhì)量的提高等方面提供基礎(chǔ)數(shù)據(jù)。

[1] Brack W, Schmitt-Jansen M, Machala M, et al. How to confirm identified toxicants in effect-directed analysis [J]. Analytical and Bioanalytical Chemistry, 2008, 390(8): 1959-1973

[2] Brack W. Effect-directed analysis: A promising tool for the identification of organic toxicants in complex mixtures? [J]. Analytical and Bioanalytical Chemistry, 2003, 377(3): 397-407

[3] Barceló D. Effect-directed analysis of key toxicants in European River Basins. A review [J]. Environmental Science and Pollution Research-International, 2007, 14(1): 30-38

[4] Brack W, Kind T, Hollert H, et al. Sequential fractionation procedure for the identification of potentially cytochrome P4501A-inducing compounds [J]. Journal of Chromatography A, 2003, 986(1): 55-66

[5] 曲廣波, 史建波, 江桂斌. 效應(yīng)引導(dǎo)的污染物分析與識別方法[J]. 化學(xué)進展, 2011, 23(11): 2089-2098

Qu G B, Shi J B, Jiang G B. Development and application of effect-directed analysis in environmental research [J]. Progress in Chemistry, 2011, 23(11): 2089-2098 (in Chinese)

[6] 郭婧, 史薇, 于紅霞, 等. 以毒性效應(yīng)為先導(dǎo)的有毒物質(zhì)鑒別研究[J]. 南京大學(xué)學(xué)報: 自然科學(xué)版, 2014, 50(4): 414-424

Guo J, Shi W, Yu H X, et al. Effect-directed analysis of key toxicants in complex mixtures [J]. Journal of Nanjing University: Natural Sciences, 2014, 50(4): 414-424 (in Chinese)

[7] Shi W, Wang X, Hu G, et al. Bioanalytical and instrumental analysis of thyroid hormone disrupting compounds in water sources along the Yangtze River [J]. Environmental Pollution, 2011, 159(2): 441-448

[8] Shi W, Zhang F X, Hu G J, et al. Thyroid hormone disrupting activities associated with phthalate esters in water sources from Yangtze River Delta [J]. Environment International, 2012, 42: 117-123

[9] Shi W, Hu X, Zhang F, et al. Occurrence of thyroid hormone activities in drinking water from eastern China: Contributions of phthalate esters [J]. Environmental Science & Technology, 2012, 46(3): 1811-1818

[10] Hu X, Shi W, Wei S, et al. Occurrence and potential causes of androgenic activities in source and drinking water in China [J]. Environmental Science & Technology, 2013, 47(18): 10591-10600

[11] Weiss J M, Hamers T, Thomas K V, et al. Masking effect of anti-androgens on androgenic activity in European river sediment unveiled by effect-directed analysis [J]. Analytical and Bioanalytical Chemistry, 2009, 394(5): 1385-1397

[12] Thomas K V, Langford K, Petersen K, et al. Effect-directed identification of naphthenic acids as important in vitro xeno-estrogens and anti-androgens in North Sea offshore produced water discharges [J]. Environmental Science & Technology, 2009, 43(21): 8066-8071

[13] Schymanski E L, Bataineh M, Goss K U, et al. Integrated analytical and computer tools for structure elucidation in effect-directed analysis [J]. TrAC Trends in Analytical Chemistry, 2009, 28(5): 550-561

[14] Liao W, Draper W M, Perera S K. Identification of unknowns in atmospheric pressure ionization mass spectrometry using a mass to structure search engine [J]. Analytical Chemistry, 2008, 80(20): 7765-7777

[15] Booij P, Vethaak A D, Leonards P E G, et al. Identification of photosynthesis inhibitors of pelagic marine algae using 96 well plate micro-fractionation for enhanced throughput in effect-directed analysis [J]. Environmental Science & Technology, 2014, 48(14): 8003-8011

[16] Hernández F, Portolés T, Pitarch E, et al. Target and nontarget screening of organic micropollutants in water by solid-phase microextraction combined with gas chromatography/high-resolution time-of-flight mass spectrometry [J]. Analytical Chemistry, 2007, 79(24): 9494-9504

[17] Halket J M, Waterman D, Przyborowska A M, et al. Chemical derivatization and mass spectral libraries in metabolic profiling by GC/MS and LC/MS/MS [J]. Journal of Experimental Botany, 2005, 56(410): 219-243

[18] Pence H E, Williams A. ChemSpider: An online chemical information resource [J]. Journal of Chemical Education, 2010, 87(11): 1123-1124

[19] 劉海波, 彭勇, 黃璐琦, 等. 基于PubChem 數(shù)據(jù)庫的天然產(chǎn)物快速尋靶方法[J]. 中草藥, 2012, 43(11): 2099-2106

Liu H B, Peng Y, Huang L Q, et al. A rapid targeting method of natural products based on PubChem database [J]. Chinese Traditional and Herbal Drugs, 2012, 43(11): 2099-2106 (in Chinese)

[20] Bolton E E, Wang Y, Thiessen P A, et al. PubChem: Integrated platform of small molecules and biological activities [J]. Annual Reports in Computational Chemistry, 2008, 4: 217-241

[21] Linstrom P J, Mallard W G. The NIST Chemistry WebBook: A chemical data resource on the internet [J]. Journal of Chemical & Engineering Data, 2001, 46(5): 1059-1063

[22] Horai H, Arita M, Kanaya S, et al. MassBank: A public repository for sharing mass spectral data for life sciences [J]. Journal of Mass Spectrometry, 2010, 45(7): 703-714

[23] Stein S E, Scott D R. Optimization and testing of mass spectral library search algorithms for compound identification [J]. Journal of the American Society for Mass Spectrometry, 1994, 5(9): 859-866

[24] The NIST Mass Spectrometry Data Center. NIST Standard Reference Database 1A: NIST/EPA/NIH Mass Spectral Library (NIST 14) and NIST Mass Spectral Search Program [R]. Gaithersburg: National Institute of Standards and Technology, 2014

[25] Sawada Y, Nakabayashi R, Yamada Y, et al. RIKEN tandem mass spectral database (ReSpect) for phytochemicals: A plant-specific MS/MS-based data resource and database [J]. Phytochemistry, 2012, 82: 38-45

[26] Kind T, Fiehn O. Advances in structure elucidation of small molecules using mass spectrometry [J]. Bioanalytical Reviews, 2010, 2(1-4): 23-60

[27] Windig W, Phalp J M, Payne A W. A noise and background reduction method for component detection in liquid chromatography/mass spectrometry [J]. Analytical Chemistry, 1996, 68(20): 3602-3606

[28〗 Zhang H, Yang Y. An algorithm for thorough background subtraction from high-resolution LC/MS data: Application for detection of glutathione-trapped reactive metabolites [J]. Journal of Mass Spectrometry, 2008, 43(9): 1181-1190

[29] Zhong W, Irish P A, Martin G E. Influence of differently ionized species on fragmentation pathways and energetics of a potential adenosine receptor antagonist using a triple quadrupole and a multistage LTQ-OrbitrapTMFTMS instrument [J]. Journal of Heterocyclic Chemistry, 2009, 46(4): 591-598

[30] Schug K, McNair H M. Adduct formation in electrospray ionization. Part 1: Common acidic pharmaceuticals [J]. Journal of Separation Science, 2002, 25(12): 759-766

[31] Ventola E, Vainiotalo P, Suman M, et al. ESI-FTICR mass spectrometric study of alcohol complexation properties of mono-and diphosphonate-bridged cavitands [J]. Journal of the American Society for Mass Spectrometry, 2006, 17(2): 213-221

[32] Balogh M P. Spectral interpretation, Part II: Tools of the trade [J]. LC GC North America, 2006, 24(8): 762-769

[33] Allard E, Tr?ger R ?, Arvidsson B, et al. Quantitative aspects of analyzing small molecules-monitoring singly or doubly charged ions? A case study of ximelagatran [J]. Rapid Communications in Mass Spectrometry, 2010, 24(4): 429-435

[34] Jaitly N, Mayampurath A, Littlefield K, et al. Decon2LS: An open-source software package for automated processing and visualization of high resolution mass spectrometry data [J]. BMC Bioinformatics, 2009, 10(1): 1-15

[35] Loss R D. Atomic weights of the elements 2001 (IUPAC technical report) [J]. Pure and Applied Chemistry, 2003, 75(8): 1107-1122

[36] Hellborg R, Skog G. Accelerator mass spectrometry [J]. Mass Spectrometry Reviews, 2008, 27(5): 398-427

[37] Tuniz C, Zoppi U, Hotchkis M A C. Sherlock Holmes counts the atoms [J]. Nuclear Instruments and Methods in Physics Research Section B: Beam Interactions with Materials and Atoms, 2004, 213: 469-475

[38] Snider R K. Efficient calculation of exact mass isotopic distributions [J]. Journal of the American Society for Mass Spectrometry, 2007, 18(8): 1511-1515

[39] Li L, Kresh J A, Karabacak N M, et al. A hierarchical algorithm for calculating the isotopic fine structures of molecules [J]. Journal of the American Society for Mass Spectrometry, 2008, 19(12): 1867-1874

[40] B?cker S, Letzel M C, Lipták Z, et al. SIRIUS: Decomposing isotope patterns for metabolite identification [J].

Bioinformatics, 2009, 25(2): 218-224

[41] B?cker S, Rasche F. Towards de novo identification of metabolites by analyzing tandem mass spectra [J]. Bioinformatics, 2008, 24(16): i49-i55

[42] McLafferty F W, Hertel R H, Villwock R D. Probability based matching of mass spectra. Rapid identification of specific compounds in mixtures [J]. Organic Mass Spectrometry, 1974, 9(7): 690-702

[43] Stein S E, Scott D R. Optimization and testing of mass spectral library search algorithms for compound identification [J]. Journal of the American Society for Mass Spectrometry, 1994, 5(9): 859-866.

[44] McLafferty F W. Interpretation of Mass Spectra [M]. New Jersey: University Science Books, 1993: 1-370

[45] Chiaia-Hernandez A C, Krauss M, Hollender J. Screening of lake sediments for emerging contaminants by liquid chromatography atmospheric pressure photoionization and electrospray ionization coupled to high resolution mass spectrometry [J]. Environmental Science & Technology, 2012, 47(2): 976-986

[46] Kern S, Fenner K, Singer H P, et al. Identification of transformation products of organic contaminants in natural waters by computer-aided prediction and high-resolution mass spectrometry [J]. Environmental Science & Technology, 2009, 43(18): 7039-7046

[47] Kind T, Fiehn O. Seven golden rules for heuristic filtering of molecular formulas obtained by accurate mass spectrometry [J]. BMC Bioinformatics, 2007, 8(1): 1-20

[48] Héberger K. Quantitative structure-(chromatographic) retention relationships [J]. Journal of Chromatography A, 2007, 1158(1): 273-305

[49] Ankley G T. Effect-Directed Analysis of Complex Environmental Contamination [M]. Berlin: Springer-Verlag Berlin and Heidelberg GmbH & Co. K, 2011: 84-111

[50] Poole C F, Gunatilleka A D, Poole S K. In search of a chromatographic model for biopartitioning [J]. Advances in Chromatography, 2000, 40: 159-230

[51] Abraham M H, Ibrahim A, Zissimos A M. Determination of sets of solute descriptors from chromatographic measurements [J]. Journal of Chromatography A, 2004, 1037(1): 29-47

[52] Valkó K, Bevan C, Reynolds D. Chromatographic hydrophobicity index by fast-gradient RP-HPLC: A high-throughput alternative to log P/log D [J]. Analytical Chemistry, 1997, 69(11): 2022-2029

[53] Ulrich N, Schüürmann G, Brack W. Linear solvation energy relationships as classifiers in non-target analysis-a capillary liquid chromatography approach [J]. Journal of Chromatography A, 2011, 1218(45): 8192-8196

[54] Kovats E. Gas-chromatographische charakterisierung organischer verbindungen. Teil 1: retentions indices aliphatischer Halogenide, Alkohole, Aldehyde und Ketone [J]. Helvetica Chimica Acta, 1958, 41(7): 1915-1932

[55] Van den Dool H, Dec Kratz P. A generalization of the retention index system including linear temperature programmed gas-liquid partition chromatography [J]. Journal of Chromatography A, 1963, 11: 463-471

[56] Donnelly J R, Abdel-Hamid M S, Jeter J L, et al. Application of gas chromatographic retention properties to the identification of environmental contaminants [J]. Journal of Chromatography A, 1993, 642(1): 409-415

[57] Eckel W P, Kind T. Use of boiling point-Lee retention index correlation for rapid review of gas chromatography-mass spectrometry data [J]. Analytica Chimica Acta, 2003, 494(1): 235-243

[58] McLachlan M, Kierkegaard A, Radke M, et al. Using model-based screening to help discover unknown environmental contaminants [J]. Environmental Science & Technology, 2014, 48(13): 7264-7271

[59] Wang X, Yang H, Hu X, et al. Effects of HO-/MeO-PBDEs on androgen receptor: In vitro investigation and Helix12-involved MD simulation [J]. Environmental Science & Technology, 2013, 47(20): 11802-11809

[60] Evers A, Klabunde T. Structure-based drug discovery using GPCR homology modeling: Successful virtual screening for antagonists of the Alpha1A adrenergic receptor [J]. Journal of Medicinal Chemistry, 2005, 48(4): 1088-1097

[61] Slynko I, Scharfe M, Rumpf T, et al. Virtual screening of PRK1 inhibitors: Ensemble docking, rescoring using binding free energy calculation and QSAR model development [J]. Journal of Chemical Information and Modeling, 2014, 54(1): 138-150

[62] Srinivasan P, Chella Perumal P, Sudha A. Discovery of novel inhibitors for Nek6 protein through homology model assisted structure based virtual screening and molecular docking approaches [J]. The Scientific World Journal, 2014, 967873: 1-9

[63] Carosati E, Sforna G, Pippi M, et al. Ligand-based virtual screening and ADME-TOX guided approach to identify triazolo-quinoxalines as folate cycle inhibitors [J]. Bioorganic & Medicinal Chemistry, 2010, 18(22): 7773-7785

◆

Development and Application of Nontargeted Analysis in Effect Directed Analysis

Deng Dongyang, Yu Hongxia, Zhang Xiaowei, Shi Wei*

State Key Laboratory of Pollution Control and Resource Reuse, School of the Environment, Nanjing University, Nanjing 210023, China

5 November 2014 accepted 29 December 2014

Due to the production and widespread use of a variety of chemicals in modern society, surface water, groundwater, sediments and soils are contaminated, which may pose a threat to human health and ecosystem. Effect Directed Analysis (EDA) has been successfully applied in toxicants screening in water and sediments. Structure elucidation in EDA is a key and challenging task because of the complexity of pollutants, the variable polarity, high matrix interferences, the presence of isomers and the lack of available standards. The development of chromatography and mass spectrometry and database searches play a crucial role in screening and identification of compounds. In this paper, methodology including screening and identification of toxicants using high resolution mass spectrum, database, chromatographic retention and modeling is reviewed. The application of nontargeted analysis in the emerging contaminants and drug screening is included. Furthermore, the limitations and prospects of screening and identification of nontarget toxicants are also discussed. This method will improve the accuracy and throughput of identification of nontarget pollutants and reduce the adverse effects that are derived from the complexity of samples and high matrix interferences. It is also helpful to confirm the occurrence of unknowns.

identification of nontarget toxicants; high resolution mass spectrum; database; chromatographic retention characteristics; model

國家自然科學(xué)基金青年項目(21307054)；江蘇省自然科學(xué)基金青年項目(BK20130551)；國家高技術(shù)研究發(fā)展計劃(863計劃)“典型化工區(qū)化學(xué)品風(fēng)險甄別與控制綜合示范”子課題(2013AA06A309)；高等學(xué)校博士學(xué)科點專項科研基金新教師基金(20130091120013)；江蘇省環(huán)境監(jiān)測科研基金(1212)；國家水體污染控制與治理重大專項專題研究(2012ZX07101-003)

鄧東陽(1989-)，男，碩士，研究方向為環(huán)境分析化學(xué)，E-mail: dongyangdeng@126.com；

*通訊作者(Corresponding author)， E-mail: njushiwei@nju.edu.cn

10.7524/AJE.1673-5897.20141105001

2014-11-05 錄用日期：2014-12-29

1673-5897(2015)2-13-13

X171.5

A

史薇(1984—)，女，環(huán)境科學(xué)博士，副教授，主要研究方向為內(nèi)分泌干擾物的高通量篩選與風(fēng)險評估和復(fù)合污染介質(zhì)中有機毒物分級鑒別與生物可利用性，發(fā)表學(xué)術(shù)論文20余篇。

鄧東陽, 于紅霞, 張效偉, 等. 基于毒性效應(yīng)的非目標(biāo)化學(xué)品鑒別技術(shù)進展[J]. 生態(tài)毒理學(xué)報, 2015, 10(2): 13-25

Deng D Y, Yu H X, Zhang X W, et al. Development and application of nontargeted analysis in effect directed analysis [J]. Asian Journal of Ecotoxicology, 2015, 10(2): 13-25 (in Chinese)