液相色譜－高分辨質譜技術在沉積物和顆粒物中有機污染物分析的研究進展

趙亞靜，鄒 立，牛增元，羅 忻*，李曉瞳

（1.中國海洋大學 海洋環境與生態教育部重點實驗室，山東 青島 266100；2.青島海關技術中心，山東 青島 266002）

有機污染物，特別是持久性有機污染物，通常具有疏水性和親脂性，進入水環境后易吸附或結合于富含有機質的顆粒物上，而難以在水相中檢測到［1］。吸附在顆粒物上的有機污染物可通過遷移、沉降，埋藏在沉積環境中［2］；部分有機物被生物攝食或吸收后也會隨生物體的凋亡沉降到底部沉積物中，沉積物雖未與污染源直接接觸，但其他介質中的有機污染物會通過一系列的遷移過程最終到達沉積物，因此沉積物是有機污染物一個重要的“匯”［3］。以中國東部邊緣海為例，占全球總量約10%的河流沉積物由中國的主要河流（如黃河和長江）輸送到黃海、東海等海域［4］，同時，黃海、東海也是亞洲大陸氣溶膠向西北太平洋輸送的必經之地，大量的大氣顆粒物及其吸附的有機污染物通過干、濕沉降等方式進入該海域［5］，加之陸架泥質區特有的環流動力體系及較穩定的高渾濁特點，使其存在固有的物質“匯”特性。此外，當外界環境或氣象條件發生改變時，沉積物會經再懸浮等方式將有機污染物重新釋放到水體中，造成水體的二次污染［6］。顆粒物和沉積物作為有機污染物的主要載體和最終歸宿之一，其有機物污染是影響水環境安全的重要因素。

環境中有機污染物賦存濃度往往處于ng/kg～mg/kg的痕量乃至超痕量水平［7］，其物理化學特征各有差異，面對有機污染物種類和數量的劇增，傳統分析方法的檢測通量低等問題開始凸顯，高分辨質譜（HRMS）技術的發展為環境痕量分析帶來了新的機遇。HRMS具有高分辨能力（10000～1000000）、高質量精度（＜2～5ppm）和高靈敏度（在全掃描模式下為fg到pg范圍），一次運行即可篩選數百種化合物而不失其靈敏度和選擇性［8］。相比于傳統的氣相色譜－高分辨質譜技術（GC－HRMS）（如磁質譜或傅里葉變換離子回旋共振質譜）主要分析多氯聯苯、二英等揮發性和弱極性物質，液相色譜－高分辨質譜技術（LC－HRMS）更適合廣泛的中等極性到較強極性的有機污染物分析［9－12］，特別是在新興有機污染物的高通量分析方面，其應用更為普遍［10，13－19］。本文通過回顧應用LC－HRMS技術篩查和鑒定沉積物和顆粒物中有機污染物的研究，總結該技術在有機污染物分析中的分析策略、分析流程和實例，以期深化和拓展其在環境科學領域的應用。

1 基于LC－HRMS的分析方法策略

基于LC－HRMS的分析方法策略有3類：目標化合物分析（Target analysis）、可疑化合物分析（Suspect analysis）和非目標化合物分析（Nontarget analysis）。目標化合物分析是在標準物質存在的情況下，對選定的化合物進行鑒定和定量，由于并非所有環境污染物的標準物質均可獲得，所以該分析方法受標準物質局限［7］。可疑化合物分析是針對樣品中可能存在的物質列出化合物清單，利用精確質量數、同位素豐度等信息，結合數據庫和相關軟件進行化合物篩查，該方法一定程度上彌補了目標化合物分析中忽略目標外物質的不足。當無可參考的化合物信息時，通常采用非目標化合物分析方法，研究對象可為通過全掃描采集獲取的HRMS數據，依次經過峰的選擇和提取、分子式擬合、數據庫檢索以及碎片裂解模擬等步驟，對化合物進行結構推測，初步鑒定可能存在的化合物［20］。前兩種策略是在有標準物質（目標化合物分析）和先驗信息（可疑化合物分析）情況下的針對性分析策略。而非目標化合物分析既無先驗信息，也不依賴于標準物質［21］。本文在文獻［8，22］基礎上將LC－HRMS分析流程進行整理和歸納（如圖1）。

不同文獻對分析策略中被分析物的描述存在差異，如將“目標化合物”和“可疑化合物”歸為“目標物分析”，將“目標化合物”和“可疑化合物”統稱為“已知物”，將“非目標化合物”稱為“未知物”，以及將3類分析物分別稱為“已知的已知（Known known）”、“已知的未知（Known unknown）”、“未知的未知（Unknown unknown）”。此外，小分子化合物分析領域也會用代謝組學較為常見的“靶向”和“非靶向”描述“目標”和“非目標”。實際上，這3類分析物的策略基本遵循圖1的流程。

圖1 目標化合物、可疑化合物和非目標化合物的分析方法策略流程圖Fig.1 The flow chart of target，suspect and nontarget analysis

2 LC－HRMS應用范圍

HRMS的出現適應了當今環境污染物分析的發展需求，促成了高通量技術和未知物鑒定技術的形成，在Web of Science中對相關主題詞進行檢索，其中有51篇文獻涉及沉積物和顆粒物中有機污染物分析（統計截止于2020年11月）。近十年LC－HRMS技術在該領域的研究報道逐漸增多，在沉積物方面的應用［10－12，15－18，23－55］多于顆粒物［17，28，31，38，56－57］，這可能與沉積物被普遍認為是有機污染物的“匯”有關，相對于顆粒物，其可以記錄并保存有機污染物的大量信息，如采集具有一定深度的沉積物樣品可用于探索環境污染歷史［42，45，51－52］。

表1歸納整理了LC－HRMS的研究環境、分析策略和應用方向等信息，主要有以下特點：①研究主要集中在國外，尤其是歐洲地區，國內開展的相關工作較少。②應用于淡水環境（如河流和湖泊）的報道是海洋環境的5倍，這可能與海洋環境樣品不易獲取、有機污染物含量低不易檢出、有機污染問題不突出有關。③在待測污染物方面，數量整體呈高通量的特點，越來越傾向于不同分析策略的綜合應用；種類上，新興有機污染物受到越來越多的關注，國外已開展了較多研究，且在方法開發和擴大污染物監測范圍上取得了一定成果，而國內在此方面較為薄弱。④樣品前處理方式多樣化，加壓液體萃取（PLE）與固相萃取（SPE）分別為應用最廣泛的有機污染物提取和凈化方法，超聲輔助萃取（UAE）應用也較為頻繁，新興的方法如QuEChERS也逐漸應用于沉積物與顆粒物樣品的前處理。⑤靜電場軌道阱質譜（Orbitrap）和飛行時間質譜（TOF）為目前最主流的兩類高分辨質譜，其中Orbitrap應用更多。⑥HRMS二級數據采集模式主要有兩種：數據依賴性采集（DDA）和數據非依賴性采集（DIA），DDA應用多于DIA，DDA雖然是目前應用最廣泛的數據采集方式，但近幾年DIA在高通量目標物和非目標物分析中較占優勢。⑦LC－HRMS也被應用于有機污染物的降解、轉化產物分析，或通過模擬實驗探索其降解率，以及沉積物對母體化合物和降解產物的吸附能力。

表1 國內外不同區域基于LC－HRMS開展的沉積物和顆粒物中有機污染物研究Table1 Studies on organic contaminants in sediments and particulate matters based on LC－HRMS in different regions

（續表1）

（續表1）

3 沉積物與顆粒物樣品的前處理

3.1 樣品的制備

沉積物樣品分析前通常需要冷凍干燥，也有少數研究采用風干或低溫烘干的方式［15，23］，然后研磨過篩，對篩子的孔徑無統一要求，孔徑一般小于2mm。經過干燥過篩后的樣品即可進行后續的有機物提取。顆粒物樣品是通過過濾水樣獲得，后續也需對濾膜進行干燥［17，31，38］，提取方式與沉積物樣品幾乎無差異。

3.2 樣品的提取與凈化

樣品的提取與凈化是痕量化合物分析的重要程序，發展各種環境基質中樣品的前處理方法極為重要。對于沉積物和顆粒物兩種固體樣品，由于其基質較為復雜，所以前處理過程較水樣品繁瑣。沉積物樣品首先需通過微波輔助溶劑萃取（MASE）、UAE、振蕩離心或PLE等方式從樣品中提取待測物，再進行凈化。但有些研究為了確保潛在的化合物損失最小，不再采取進一步的凈化［10，16，25，28，30－31，36，38－39，48，50，58，61，63］。合適的提取溶劑是提高回收率的關鍵，甲醇、二氯甲烷和丙酮等是常用的提取溶劑［10，15，18，24，30］。近年來高通量有機污染物分析逐漸成為熱門趨勢，同時采用兩種及以上溶劑提取樣品中具有廣泛物理－化學性質的待測物的方法也得到了廣泛應用，如Massei等［10－11］采用3種混合溶劑對農藥、藥品和個人護理品（PPCPs）等上百種目標污染物進行提取，以保證良好的提取效果。

由表1可以看出，UAE與PLE應用最為廣泛，兩者適用于多種化合物的提取，但在選擇時應考慮到UAE的提取效果相對較差、溶劑消耗量大，PLE儀器價格較高、樣品用量較多等問題［64－65］。另有部分研究采用索氏提取、渦旋－離心等方法，索氏提取是最經典的固液萃取方式之一，具有操作簡單、萃取效果穩定等優點，但存在溶劑用量大、萃取時間長等缺點［66］。以上方法通常選用SPE作為后續的凈化步驟，與傳統的液液萃取相比，SPE更快速、高效，且有機溶劑用量少、綠色環保，缺點在于小柱成本較高［67］。近年來，更簡便的前處理方法得到了快速發展，如QuEChERS，該法旨在簡化萃取程序，最小化成本，后續通常采用分散固相萃取（dSPE）對提取液進一步凈化。綜合來看，隨著對環境樣品中有機污染物研究的不斷深入，樣品的前處理方法正逐漸向快速、高效、環保以及自動化的方向發展，在實際應用中選擇最適用于當前研究的前處理方式，并通過優化實驗對提取效果進行改進。

4 LC－HRMS在目標污染物分析中的應用

LC－HRMS不僅用于某一類化合物的定性定量分析，在多組分的高通量、寬范圍的目標物分析中也發揮了極大作用，可以對不同極性和類別的化合物同時進行篩查和鑒定［10－11，15，35，50，52－54，58－59］，亦廣泛應用于新興污染物篩查和轉化產物探索［14，17－19，23－24，26，30－31，33－34，57－58，60－61］。

4.1 高通量目標污染物分析

基于高通量分析的優勢，多位學者將該法應用于環境研究中。如Chiaia－Hernández等［52］將電噴霧電離（ESI）和大氣壓光致電離（APPI）兩種方法結合，研究湖泊沉積物中180種具有廣泛物理－化學特征的PPCPs、農藥、麝香香料、紫外線穩定劑和防曬用品等的賦存狀況，其中APPI主要針對后3類物質，定量檢出13種污染物，并通過污染物的時間分布特征與人文活動和社會事件的相關性，反演和探究了湖泊污染歷史。Massei等［10］對上述方法進行了優化，將待分析污染物范圍擴大到偏極性及離子型化合物，以發現和分析水生環境中310種有機化學物質的分布和組成，但該方法存在部分化合物回收率較低的問題。結合毒理學方法，質譜高通量分析還可用于污染物潛在風險性評估研究，如將LC－HRMS技術與斑馬魚胚胎病理學試驗相結合，對河流沉積物中428種目標污染物（包括藥品、農藥和工業化學品）進行研究，篩查出藥品（如鎮痛藥布洛芬）為克羅地亞薩瓦河的重要污染源，并獲取了其毒性信息［15］。

4.2 新興污染物篩查

新興污染物一般指尚無相關的環境管理政策法規或排放控制標準，但根據對其檢出頻率及潛在健康風險的評估，有可能被納入管制對象的物質［68］。目前受關注較多的新興污染物有：內分泌干擾物、藥品和PPCPs、全氟化合物和阻燃劑等。

PPCPs因包含的化合物類別廣泛且消耗量可觀，獲得了較多的研究關注［18，23，33－34］，在一次運行中對此類化合物進行多殘留檢測成為技術開發的關鍵。基于HRMS的優勢，Tong等［23］、Nannou等［34］完成了多類別PPCPs的定性、定量研究，有效評估了低劑量賦存于沉積物中PPCPs的潛在毒性和生態安全性［23］，為精準檢測和評估污染狀況提供了有效方法［34］。氯化石蠟（CPs）作為增塑劑和阻燃劑，被廣泛使用并存在于各種環境介質中。由于工業化合物的高度復雜性，以及檢測時存在CPs單體之間或其它脂溶性鹵代有機污染物的質量干擾等問題，增加了分析難度。近期，Zheng等［24］首次開發了氯化銨增強型LC－Q－TOF方法，采用氯化銨作為Cl－供應試劑，在ESI、APCI和熱輔助ESI電離源條件下，實現了對沉積物和水體中三大類（短、中和長鏈）11種CPs的定量分析檢測，該方法檢出限較低，可推廣到其他氯化污染物的相關研究中。Wu等［14］也應用高分辨質譜同時檢測沉積物中的短鏈和中鏈CPs，該方法縮短了檢測時間，檢出限較低，通過將分辨率設置為120000，避免了CPs同類物和氯化烯烴的干擾，與氣相色譜－電子捕獲負化學電離－低分辨質譜法（GC－ECNI－LRMS）相比，獲得了更準確合理的CPs定量濃度。CPs類化合物檢測方法的改進和HRMS技術的發展，為研究復雜環境介質中CPs的分布與組成提供了更多可能。與PPCPs和阻燃劑類物質相比，季膦類化合物的相關研究報道較少，但有研究表明，此類化合物在萊茵河與易北河流域內的含量呈上升趨勢，且被顆粒物和沉積物吸附后會持久存在，幾種選定的季膦類化合物在高濃度下均表現出細胞毒性，甚至具有遺傳毒性的潛力［31］。以上結果顯示出對該類化合物進行排放管控的必要性。

新興污染物篩查還可與高通量分析相結合，Kandie等［59］對沉積物和生物樣品（蝸牛）中429種多類別新興污染物進行了高分辨質譜篩查，在沉積物中共檢出78種物質，化合物（甲基嘧啶磷）含量最高可達110ng/g（以有機碳含量計算）。該研究將沉積物和生物樣品的檢測數據與前期水體中的污染數據進行了比較，且采用環境樣品與生物樣品分析的相輔相成，對于更全面、準確地評估污染狀況有極大的幫助，也是目前環境分析的一個重要方向。

5 LC－HRMS在可疑污染物分析中的應用

HRMS對目標污染物的高通量分析僅涵蓋了有機污染物中很小的一部分，且受到標準物質的限制（如價格昂貴、無法獲得等），為達到擴大污染物篩查范圍，并降低分析成本和時間的目的，使用LC－HRMS篩查分析預期目標以外污染物的方式正日益成為熱門趨勢。可疑物分析前通常需編制可疑化合物列表，也可用已建立的數據平臺直接進行數據處理，如DSFP（Digital sample freezing platform）、UNIFI?篩選平臺（Waters Corporation，Milford MA，USA）等。分析策略大體相同，但在數據縮減以簡化分析或相關參數設置等方面則會根據研究內容和目的進行調整，如精確質量數偏差作為常規使用的鑒定參數，其在不同研究中的設置值也有差異，但通常設置為小于10ppm；除常用的參數外，部分研究還會對元素組成、峰形得分等做出限制，這與所研究化合物的性質、使用儀器或數據處理軟件有關。表2給出了相關研究采用的參數設置。

表2 沉積物和顆粒物樣品中可疑與非目標化合物分析的優先級策略及初步鑒定標準Table2 Prioritization strategies and tentative identification criterias for suspect and nontarget compounds in sediments and particulate matters

（續表2）

5.1 編制可疑化合物列表

Chiaia－Hernández等［55］在前期工作的基礎上，根據幾個歐美國家的消費數據編制了包含農藥和一些重要藥品等838種物質的可疑化合物列表，包括精確質量數、分子式、加合物形式和預測的保留時間（RT=1.65 ×log Kow+4.36 ）等信息。然后基于峰面積、信噪比（S/N）、峰形得分、同位素匹配度等參數進行初步鑒定，最后利用標準物質對初步鑒定的可疑化合物進行確認。Chen等［28］采用類似方式建立了249種親脂性海洋毒素的可疑化合物列表，列表中包含精確質量數和分子式等信息，基于實驗數據與期望值的比較，包括質量偏差和同位素匹配度，并將MS/MS數據與文獻比對初步鑒定可疑物，最后使用標準物質進行確認。然而，在可疑物分析過程中，從化合物列表編制到化合物鑒定均較為耗時，其中又涉及多種軟件和數據庫的協同使用，對分析人員的專業能力和工作強度都是一種挑戰。若將這些工作流程集成到一個平臺中進行自動化數據處理，不僅可提高工作效率，還便于各項研究的開展。

5.2 應用數據平臺

有研究對地中海流域水體和沉積物中的新興污染物進行了可疑物分析［19］，樣品檢測數據經UNIFI?篩選平臺進行處理，該平臺包含了涵蓋2200種農藥、PPCPs及其他有害物質的數據庫。通過對RT、精確質量數和響應值等參數的設置，將樣品數據與庫進行匹配，初步鑒定的42種化合物均滿足基于Schymanski等［70］描述的置信度2級標準（可能的結構）。為防止假陽性結果并確認目標化合物，最后通過標準物質進行了驗證。除了UNIFI?，各家高分辨質譜儀器公司通常有配套的數據篩選平臺或軟件，以通過集成數據庫或在線數據庫進行化合物鑒定。此外還有免費軟件如enviMass和MZmine，可以兼容主流高分辨質譜廠家儀器采集的原始數據，在通用性上有一定優勢。

DSFP是由NORMAN網絡（www.norman－network.com）的非目標篩查工作組（NTS WG）開發的LCHRMS數據存檔平臺，可用于追溯篩查數千種環境污染物，該平臺目前只對提供數據的組織或研究人員開放［71］。對波河三角洲的新興有機污染物進行可疑物分析時［18］使用了該平臺：首先將元數據和預處理數據導入DSFP，平臺根據精確質量數偏差、合理的RT、同位素匹配度和碎片離子匹配情況進行自動篩選，最后通過譜庫匹配打分得出初步鑒定結果。通過類似程序，Diamanti等［50］應用DSFP平臺對HRMS數據進行處理，評估了德涅斯特河的污染狀況。該平臺的突出特點是可以存檔數據用于回顧性分析。

目前可用于污染物篩查、鑒定的數據庫主要由政府機構、科研機構和儀器廠商等提供，公開共享的數據平臺為各項研究提供了便利。此外，研究人員還可自建數據庫。數據庫分為質譜數據庫和化合物數據庫，前者收集了化合物的質譜圖，可通過母離子、碎片離子、豐度比等信息進行化合物鑒定，常見的質譜數據庫有MassBank、mzCloud、NIST Mass Spectral Library等；后者包含化合物的分子式、性質、結構等，如ChemSpider、PubChem等，為分子式的確定提供了重要參考。相對而言，儀器自帶數據庫與實驗室自建數據庫包含的數據量較少，通常只有數百種或上千種，尤其是自建數據庫，需花費大量的時間和經濟成本，超出大部分實驗室的承受能力［72］，但其針對性較強，適用于有目標的化合物鑒定。而由NORMAN Suspect Exchange initiative組織建立的可疑化合物清單已收集并整理40053種化合物的信息，NORMAN MassBank（http：//massbank.ufz.de/MassBank/）也收集近5萬個質譜圖［71］。免費的在線數據庫在可疑化合物或非目標化合物的鑒定中發揮了極大作用，如ChemSpider可從數百個數據源中提供超過6700萬個結構信息，mzCloud中包含約10000種化合物和超過700萬張譜圖。

6 LC－HRMS在非目標污染物分析中的應用

6.1 未知化合物鑒定的置信水平

近年來非目標化合物分析，包括未知化合物的鑒定，成為環境科學領域的熱點。為實現不同目的，各項研究針對化合物鑒定制定了不同的標準（如表2）。由于使用的儀器和軟件不同，化合物鑒定的設置參數存在差異，彼此難以建立準確、共通的聯系，例如精確質量數偏差、保留時間偏差和同位素擬合度等常規參數在不同研究中設置值并不相同，參數名稱也因軟件不同而存在差異；有些研究還會考慮一些特定參數，如鑒定有機溴和有機碘化合物時可考察前體離子與特征碎片峰之間的相關性［41?43］等。在代謝組學、法醫學等其他領域，基于HRMS的可疑和非目標物分析來解釋小分子化合物來源和轉化機制的應用也越來越多，因此需要統一的標準衡量化合物鑒定的置信度。

在HRMS得到廣泛應用前，歐盟準則2002/657/EC［73］中給出的識別點概念可用于表征化合物在其標準物質可獲取時的鑒定依據。隨著HRMS的應用普及，這一準則在鑒定程序及鑒定標準等方面已不適用。近年，Schymanski等［70］提出了HRMS在小分子化合物結構鑒定中的置信度分級方法（共分5個等級）。該方法源于代謝組學標準倡議（MSI）中的4個置信度等級［74］，而后者在原來的基礎上添加了“Level0”，對明確的3D結構確認提出了要求［75］。HRMS在小分子化合物結構鑒定中的置信度分級方法，與目前代謝組學中應用的分級方法對比如表3所示。

表3 兩種不同的化合物鑒定置信度分級方法［70，75］Table3 Two different identification confidence levels of compounds［70，75］

Schymanski置信度分級方法以代謝組學領域早期應用為基礎，所以兩者存在共通之處，但因適用領域不同和后期發展改進而存在差異。Schymanski分級方法側重于基于HRMS開展的化合物鑒定，而MSI中的置信度等級方法主要應用于代謝組學研究。新標準的興起并不代表以往的經典準則被取代，而是為化合物的鑒定分析提供更多可能，如Rochat［76］基于歐盟準則2002/657/EC和MSI編輯的兩部文件，提出了針對LC－HRMS數據分析的置信度量表，嘗試在代謝組學和篩查實驗室（通常涉及食品安全、廢水、環境、法醫學和毒理學分析的實驗室）之間建立聯系。

6.2 數據非依賴性采集

數據依賴性采集（DDA）和數據非依賴性采集（DIA）是常見的兩種HRMS二級數據采集模式。在DDA采集模式下，只有在較窄m/z窗口（通常寬為1～3Da）內的選定離子才會被選擇，傳輸到碰撞室中以生成碎片，使得MS/MS數據具有較高的選擇性，干擾小，適用于目標化合物的鑒定。不足是該模式使色譜－質譜易受限于質譜的掃描速度，而不易進行全面檢測，且可能無法產生足夠的譜圖數以構成可供定量的分析物色譜峰。DIA為將連續區段式的固定或可變質量范圍前體離子同時送入碰撞室，進一步執行碎裂離子碰撞，該模式相對缺乏特異性，但具有無時限地獲取所有信息的優勢。與DDA相比，DIA不受儀器掃描速度的限制［21］，理論上，在選定的m/z窗口中誘導所有前體離子碎裂，有利于對數據進行回顧分析，所以DIA正逐漸被大量應用于非目標或可疑化合物分析中。

一項針對河流沉積物中藥物殘留分析的研究［69］，對DDA和DIA（SWATH）兩種模式進行了比較，在32種化合物的添加實驗中，DIA模式可獲得更高比例化合物數量的二級譜圖，而在600種化合物的可疑篩查中，DIA模式也可鑒定出更多的物質。但DIA帶來分析普適性的同時，由于其專屬度不如DDA模式，二級譜圖的質量較DDA模式差。另有學者對地中海流域新興污染物進行目標物、可疑物和非目標物分析時采用DIA模式，經“過濾篩選”與“數據庫比對”等6個步驟實現了對樣品中13種非目標污染物的初步鑒定［19］。Chiaia－Hernández等［45，55］、Peng等［41－43］的多項研究中也應用DIA進行數據采集，以進行湖泊污染歷史調查和有機鹵代化合物的鑒定與時空分布分析。DIA模式的發展和應用，有助于高通量污染物分析的開展，也拓展了對未知化合物的鑒定，對發現環境中普遍存在的污染物以及評估潛在的環境風險提供了更廣泛的平臺。DIA數據采集后應用的數據分析軟件不盡相同，數據解析和化合物鑒定流程較為繁瑣，需耗費大量的時間和精力，成為DIA應用于非目標物分析的難點所在。

6.3 優先級策略

非目標物的篩查范圍比目標污染物和可疑污染物更廣泛，程序更復雜，數據處理和解析難度更大，因此需要多種工具和軟件的配合，有時需借助其他儀器設備，如核磁共振（NMR）、傅里葉變換紅外光譜（FTIR）等［77－78］。顆粒物和沉積物作為流域內污染物運輸的載體和污染歷史的承載者，包含了數以萬計的天然和人工化合物，采用LC－HRMS分析，會得到上千甚至上萬個化合物峰，解析所有未知峰非常困難。因此，有必要根據研究目的優先選擇未知峰進行分析，稱之為優先級策略。優先級策略減少了未知峰的數量，便利了后續化合物的初步鑒定工作，表2給出了代表性研究采用的優先級策略和初步鑒定標準的相關設置。

大多數研究遵循基于強度的優先級標準，強度是獲得高質量MS/MS數據的關鍵參數，對鑒定步驟至關重要；又因通常認為許多氯代和溴代化合物屬于人為來源，可幫助闡釋人文活動與環境變化間的關系，所以基于特征性同位素模式（例如Cl、Br、S）的優先選擇方法也得到廣泛應用。中歐湖泊污染歷史調查中使用非目標物分析方法鑒定“可能存在”、“具有研究意義”，但不包含在監測要求范圍中的污染物時，將強度＞106、具有特征性的同位素模式、化合物在環境中濃度隨時間推移增加等作為優先選擇的條件，通過與數據庫匹配（EFS，Thermo Scientific，＞1700organic contaminants）和借助MetFrag進行碎片裂解模擬評估數據，初步鑒定了殺菌劑抑霉唑［45］。地中海流域水體和沉積物中新興污染物評估也應用了基于峰強度和特征同位素模式的優先級標準［19］，在“過濾篩選”和“闡明工具設置”兩個步驟中，通過峰強度、色譜峰寬、質譜峰分辨率和鹵素參數設置，將樣品中的組分減少了90%以上，并可用以關注包含Cl、Br、F等對環境毒害性較大的污染物，再通過匹配在線數據庫、計算機排序，初步鑒定了13種化合物。

優先級選擇的標準還可通過質量虧損值設置、效應導向分析（EDA）和提取特征碎片離子等方式實現。首先，對質量虧損值進行設置，可減少MS和MS/MS中干擾峰的數目，顯著改善了MS同位素匹配和碎片的預測與擬合［55］。其次，將效應測試和逐步分離結合起來的EDA方法可識別復雜環境樣品中的主要毒害物質，其逐步分離程序降低了混合物的復雜性，優先考慮生物活性成分，如Zaja等［79］基于EDA的優先級策略識別出P－糖蛋白抑制劑。此外，基于LC－APCI－HRMS技術建立的DIA和特征碎片（DIPIC－Frag）分析方法，對湖泊沉積物中的溴代有機物進行了非目標物分析［43］，采用APCI離子源，DIA模式采集數據；提取特征碎片離子Br－，篩選出前體離子；根據溴原子數、強度和精確質量數等信息計算化學式；通過數據庫搜索和高分辨MS/MS譜圖對比，確認化合物結構。該方法篩查出1593種溴代有機物，其中大部分未被報道過，該結果比Pena－Abaurrea等［80］采用GC×GC－TOF法檢測河流沉積物中的污染物更多，后者通常識別不足100個鹵代化合物。

7 總結與展望

應用LC－HRMS技術同步進行目標物、可疑物和非目標物分析已成為環境研究領域的應用趨勢，近年來無論是儀器升級換代還是數據處理軟件開發，均取得了長足進步，但LC－HRMS在實際應用中仍有待完善。首先，LC－HRMS應用于沉積物和顆粒物中有機污染物檢測的案例相對較少，主要集中在淡水系統。海洋，尤其陸架邊緣海域，作為眾多污染物的歸宿之一，與人文活動密切相關，其有機污染狀況和污染歷史受到越來越多的關注與重視，將是LC－HRMS技術應用的新興區域。其次，分析基于HRMS獲取的大量數據時，質譜數據庫可以有效縮短分析時間，而LC－HRMS相比于GC－MS的明顯缺陷在于，同一化合物使用不同儀器得到的二級質譜不盡相同，因此少有類似于NIST（GC－MS質譜庫）的通用LC－MS標準質譜庫可供使用。LC－HRMS往往需要實驗室通過購買標準物質自建數據庫，雖然儀器廠商也在做相關的積累工作，但遠達不到環境研究的需求，所以數據庫的不斷補充和完善成為LC－HRMS廣泛應用的重要條件，同時應鼓勵各研究機構保存和公開其譜庫數據，加強信息共享和傳播。此外，RT作為化合物鑒定的重要參數，可提高化合物鑒定的置信度，降低假陽性結果，在無標準物質的情況下，RT的預測對化合物鑒定顯得尤為必要，而目前的RT預測方法誤差較高，需要開發可集成到鑒定軟件中的更準確的RT預測模型。最后，非目標化合物分析仍處于起步階段，各項研究應用的數據處理軟件及相關術語不統一，化合物鑒定標準也有差異，方法應用達不到標準化水平，因此需要建立相應的技術規范和完善的通用鑒定標準，并促進數據處理流程明朗化、自動化，形成成熟可靠的解析算法，以簡化化合物鑒定程序，提高篩查效率。