PFAS高分辨率質譜數據的非靶標識別技術綜述

【特約主持人】孟祥周：教育部“新世紀優秀人才支持計劃”入選者

【主持人按語】從環境管理角度來看，新污染物一般是指新近發現或被關注，對生態環境或人體健康存在風險，尚未納入管理或者現有管理措施不足以有效防控其風險的污染物.新污染物是全球環境領域研究熱點之一，我國于2022年發布實施《新污染物治理行動方案》，全面推進新污染物治理工作，是當前我國生態環境科技創新的重點領域.環境中新污染物種類繁多且總體濃度較低，建立新污染物檢測方法是掌握新污染物的環境暴露水平、治理新污染物的重要基礎.本專欄圍繞新污染物的檢測技術進行討論，其中《PFAS高分辨率質譜數據的非靶標識別技術綜述》聚焦典型新污染物全氟及多氟烷基物質（PFAS），系統梳理了如何基于高分辨質譜檢測數據建立PFAS的非靶標識別技術，從識別框架、策略、軟件等角度展開討論，可為新污染物篩查提供科技支撐.《基于原位形成低共熔溶劑的酸誘導—分散液液微萃取/高效液相色譜法測定環境水樣中烷基酚》以癸酸鈉為萃取劑，建立了一種原位檢測水樣中烷基酚的方法，具有簡單、快速、靈敏、低成本和綠色等優點，成功應用于黃河水、湖水、衛河水樣中烷基酚的測定，也為開發新污染物原位檢測技術提供了借鑒.

摘 要：全氟及多氟烷基物質（per- and polyfluoroalkyl substances，PFAS）使用廣泛，在環境中難以降解，且具有生物富集性、遷移性和毒性，引發全球關注.PFAS種類繁多，基于高分辨率質譜的非靶標分析是發現環境中未知PFAS的主要方法，而高效識別技術是其中的難點.系統梳理了PFAS非靶標識別技術的框架，總結了不同PFAS非靶標識別策略的應用情況與優缺點，比較了不同PFAS非靶標識別開源軟件的特點，以期為環境未知PFAS的精準識別、溯源和管控提供科技支撐.

關鍵詞：全氟及多氟烷基物質（PFAS）;高分辨率質譜（HRMS）;非靶標識別;疑似篩查;新污染物

中圖分類號：X502 文獻標志碼：A文章編號：1000-2367（2025）03-0001-11

收稿日期：2024-11-18;修回日期：2024-11-23.

基金項目：國家自然科學基金（42177378）；國家環境保護城市土壤污染控制與修復工程技術中心開放基金（USCR-202202）；嘉興市公益性研究計劃項目（2023AY11053）；上海市法醫學重點實驗室暨司法部司法鑒定重點實驗室開放課題（KF202422）.

作者簡介（通信作者）：孟祥周（1979-），男，河南濮陽人，同濟大學教授，博士，博士生導師，研究方向為新污染物環境行為及風險管控，E-mail：xzmeng@tongji.edu.cn.

引用本文：孟祥周，張博暄，韓寶蒼，等.PFAS高分辨率質譜數據的非靶標識別技術綜述［J］.河南師范大學學報（自然科學版），2025，53（3）：1-11.（Meng Xiangzhou，Zhang Boxuan，Han Baocang，et al.A review on the nontarget identification technology for PFAS by using high resolution mass spectrometry［J］.Journal of Henan Normal University（Natural Science Edition），2025，53（3）：1-11.DOI：10.16366/j.cnki.1000-2367.2024.11.18.0003.）

根據經濟合作及發展組織（organisation for economic co-operation and development，OECD）的定義^［1］，全氟及多氟烷基物質（per- and polyfluoroalkyl substances，PFAS）是含有至少一個全氟甲基或亞甲基碳原子（沒有任何H/Cl/Br/I原子與其相連）的氟化物質.據初步統計，具有這種結構的物質已超過700萬種^［2］，廣泛應用于消防、電鍍、食品包裝、紡織印染等工業領域^［3］.研究表明，PFAS在全球環境介質中普遍檢出，且已經對生態環境和人體健康產生不利影響，作為一類新污染物受到全球重點關注^［4-6］.2012年，PLACE等^［7］嘗試使用非靶標分析方法（nontarget analysis）對水成膜泡沫滅火劑中未知PFAS進行識別，鑒定出10類30種PFAS，引發了研究者興趣.

以“PFAS”，“nontarget OR nontargeted OR suspect screening”為主題詞，在Web of Science數據庫進行論文搜索（檢索時間截至2024年10月31日），根據內容相關性篩選出461篇，其歷年發表的論文數量如圖1所示.自2019年開始，每年發表的論文數量呈現快速增長趨勢，主要集中在2022-2024年.目前，PFAS非靶標分析方法已經廣泛應用于水體^［8］、大氣^［9］、土壤^［10］、生物體^［11］、人體組織^［12］、飲用水^［13］、工業生產過程及工業品^［14-15］、污水處理系統^［16］等樣品分析中.

非靶標分析方法一般包括樣品前處理、色譜分離和高分辨率質譜分析，而高分辨率質譜數據處理環節是難點.常用的高分辨率質譜主要包括四極桿飛行時間質譜，靜電場軌道阱質譜和傅立葉變換離子回旋共振質譜3種.質譜數據的采集模式主要包括全掃描（full scan）、數據依賴性采集（data-dependent acquisition，DDA）和數據非依賴性采集（data-independent analysis，DIA）^［17］.前人已圍繞PFAS非靶標分析中的識別技術進行了較多探討^［18-19］，但建立全面準確的識別方法仍然面臨挑戰.本文從應用的角度梳理了PFAS非靶標識別技術框架，系統綜述了非靶標識別策略及其在開源軟件中的應用，可為PFAS非靶標識別分析方法的發展與實踐提供科技支撐.

1 非靶標識別方法框架

非靶標識別技術包括未知化合物的特征提取、特征識別與結構鑒定、結果評估等流程^［20］，其框架及對應環節的參數如圖2所示.框架主體分為5部分，Ⅰ：峰提取；Ⅱ：特征提取；Ⅲ：疑似篩查與非靶標篩查；Ⅳ：原始數據核對；Ⅴ：化合物評級.Ⅰ和Ⅱ屬于化合物特征提取，部分研究者會根據使用的軟件或方法將其合并.Ⅲ為特征識別與結構鑒定，是非靶標識別技術的核心.研究者將9種常用的識別策略分為3組（圖2），早期研究通常使用其中的1組，而目前研究傾向于使用盡可能多的策略來提高識別結果的覆蓋面和置信度.Ⅳ和Ⅴ為識別結果評估，即對識別出的未知PFAS進行核對和置信度分級（confidence level）.SCHYMANSKI等^［21］依據樣品一級質譜（MS）、二級質譜（MS²）、色譜保留時間（retention time，RT）、標準品信息、一級質譜同位素分布特征等將未知化合物的置信度分為1～5級.CHARBONNET等^［22］在分級標準的基礎上，結合PFAS種類的結構特殊性，細化每個等級的評價標準（圖3）.如GHORBANI等^［23］通過非靶標方法識別了污染地下水中88種PFAS，其中置信度為1a有22種，2a有20種，2b有7種，3a有37種，3b有2種.隨著識別技術的不斷發展，PFAS置信度評價體系也可能納入新的指標，如二級質譜碎片質量差異和碳數歸一化質量虧損等^［19］.

2 PFAS非靶標識別策略

2.1 疑似篩查

2.1.1 一級質譜數據庫匹配

數據庫匹配是指把檢測出的高分辨率一級質譜特征與包含已知化合物的清單或數據庫進行比較^［24］.僅通過數據庫匹配的特征置信度為5a.常用的數據庫包括公開的清單和研究人員自建清單，包括OECDPFAS（n=4 730）、NISTPFAS（n=4 948）、PRIORISKPFAS（n=4 240）、PFASMASTER（n=8 498）等，每個清單都包含大量獨有的PFAS^［25］.這些數據庫一般包括化合物名稱、分子式和理論精確質量數.根據分子式可以計算出每個化合物的理論同位素分布，匹配過程中會同時比較同位素的精確質量偏差與豐度偏差.使用化合物通用數據庫匹配（如ChemSpider和PubChem）可以涵蓋更廣泛的PFAS^［2，26］，但識別假陽性概率也隨之增加.為了最大限度減少假陽性結果的數量，應根據研究對象（區域污染源特征、PFAS產品信息等）和分析方法對應的PFAS種類和類型（如電離方式，物質電離能力等）調整數據庫的內容和范圍，以及與其他識別策略進行結合應用.

2.1.2 化學式分配

質量虧損（mass defect，MD）是指原子或分子的精確質量與標稱質量之差.不同元素如碳（12.000 0 Da）、氫（1.007 8 Da）、氧（15.994 9 Da）、氮（14.003 1 Da）和氟（18.998 4 Da）等有著特定的質量虧損，HRMS可以捕捉這樣的微小差異，實現將化學式分配給足夠精確的質量測量結果.僅確定未知特征分子式的置信度為4.如全氟己烷磺酸分子離子的精確質量數為399.943 88，在質量偏差為5×10^-6時分配的化學式為41個，1×10^-6時為7個，0.2×10^-6時為4個^［27］.因此，為了縮小化學式分配范圍，必須合理限制元素數量與類型，合理運用化學式分配規則^［28］.通過比較同位素分布也會大幅減少化學式的可能性，TANG等^［29］使用S同位素分布篩選全氟磺酸類物質，而JIAO等^［30］通過特殊同位素分布（［M］^-/［M+2］^-= 3/1）確定化合物中氯元素的存在.在有限的質量分辨率和精度下，分配的化學式數量隨著分子量的增加而呈指數增加，該方法通常與其他方法結合使用以增加識別置信度.

2.2 非靶標篩查

2.2.1 質量虧損過濾

按照質量虧損定義，碳原子不會改變分子的整體MD，其他原子對分子的MD有不同程度的貢獻（如H和N等貢獻微小正值，S，O，F，Cl，Br等貢獻微小負值）.因此PFAS類物質有其特有的MD范圍（如-0.25 Da＜MD＜0.1 Da，涵蓋OECDPFAS清單中92.8%的PFAS^［31］），在規定范圍內保留的特征置信度為5b.KOELMEL等^［32］將-0.11 Da＜MD＜0.12 Da范圍內（涵蓋PFASMASTER清單的90%）的特征標記為潛在PFAS特征.使用MD過濾方法僅需特征的精確質量數計算即可有效保留氟質量分數大于60%的PFAS，但對于低氟含量的PFAS與其他碳氫化合物則無法有效分離^［33］.此外，具有高正質量虧損的化合物可能被錯誤地識別為負質量缺陷，對識別過程造成干擾.

2.2.2 碳數歸一化質量虧損過濾

KAUFMANN等^［34］在2022年提出了篩選一級質譜數據PFAS特征的新方法.該方法首先估算特征的碳原子數量：

C=（I_M+1/I_M）/0.011 145，

式中，C表示特征碳原子數量，I_M+1和I_M分別代表第一同位素峰和單同位素峰的豐度.基于特征碳原子數量，可以用特征質量數除以C計算碳數歸一化質量（mass over carbon，m/C），用特征質量虧損除以碳數歸一化質量虧損（mass defect over carbon，MD/C）.通過將m/C和MD/C繪制為XY坐標軸圖，研究發現魚體組織樣品中的PFAS特征與其他的特征產生了有效分離^［34］.ZWEIGLE等^［33］基于此方法對49萬種有機化合物進行了MD/C-m/C表征，發現含氟量較高的PFAS［n（F）/n（C）＞0.8，n（H）/n（F）＜0.8，含氟質量分數＞55%］可以有效地與其他有機化合物及天然有機物分離.結構相關的化合物（如PFAS同系物）在MD/C-m/C圖中有規律的排布，可用于后續同系物篩查.ZWEIGLE等^［35-36］也開發了系列軟件FindPFΔS/PFΔScreen來實現PFAS的MD/C-m/C篩選流程與可視化，進一步證實將該方法納入PFAS置信度評價體系的可行性.

2.2.3 同系物篩查

由于PFAS生產和使用的特點，產品和環境樣品中的PFAS通常為含有一系列重復單元（如CF₂，C₂F₄，CF₂₀）的同系物^［37］.Kendrick質量虧損（Kendrick mass defect，KMD）分析是用于篩查樣品中PFAS同系物的有效方法^［18］.Kendrick質量（Kendrick mass，KM）是將以碳元素（12.000 0 Da）為基準的質量參考體系轉換為以任意重復單元為基準的質量參考體系：

KM=M（NM_RU/M_RU），

式中，KM為Kendrick質量，M為特征檢測質量，NM_RU和M_RU分別代表重復單元標稱質量和精確質量.由于碳元素的質量虧損為零，因此轉換后重復單元的質量虧損也為零，特定重復單元同系物的KMD（由標稱Kendrick質量與KM相減得到）也是相同的，由該分子的剩余部分決定.在KMD與質量XY軸圖中，來自同一化合物類別的同系物出現水平對齊.還可利用不同類別化合物碳鏈長度與保留時間的相關性對KMD識別的特征進一步篩選，這可通過人工或者軟件腳本實現^［38］.MD過濾方法也可用于過濾KMD，如MUNOZ等^［39］保留了-0.15 Da＜KMD＜0.15 Da范圍內的特征來篩選潛在PFAS.與MD隨鏈長增加而減小不同，KMD是穩定的，但單一PFAS特征無法通過KMD分析保留，豐度較低的同系物特征也容易被峰提取算法遺漏.同系物特征和保留時間信息通常作為提高置信度評級的輔助手段.

2.2.4 二級質譜碎片/數據庫匹配

二級質譜碎片由質譜碰撞池中母離子的化學鍵斷裂產生，全氟或含氟量較高的化合物通常擁有類似的二級質譜碎片.CHARBONNET等^［22］將PFAS的二級質譜碎片分為兩類，其中診斷離子碎片通常為含氟碎片（如［C_nF_2n+1］^-和［C_nF_2n+1O］^-等），子類離子碎片為不同類別PFAS的官能團產生的非氟碎片（如［SO₃］^-和［PO₃］^-等）.KOELMEL等^［32］總結了PFAS在質譜碎裂過程可能產生的777個碎片用于二級質譜數據匹配.二級質譜數據庫包括母離子及其對應的二級質譜碎片的精確質量數，會同時與未知特征進行匹配，匹配特征將分配3級及以上置信度.數據庫分為公開數據庫（如MassBank^［40］）、供應商數據庫（如mzCloud^［41］）及自建數據庫，其中自建數據庫包括實驗數據庫^［42-43］和計算機算法模擬數據庫^［44］等.由于較高的置信度分配，二級質譜碎片/數據庫匹配已成為PFAS非靶標識別的主要方法.

2.2.5 中性丟失/碎片質量差異匹配

中性丟失是指分子中不帶電荷的片段在質譜分析過程中丟失的現象，在一級質譜掃描和二級質譜掃描中均會產生.PFAS物質的中性丟失通常發生在極性的頭部基團和非極性的尾部基團^［45］.TANG等^［29］使用［CO₂］和［CF₂O］作為中性丟失片段對一級質譜數據中全氟羧酸類PFAS特征進行搜索識別.［HF］是氟調聚和含氫PFAS等多氟烷基PFAS的常見中性丟失片段，是通過二級質譜數據推斷物質結構的重要依據^［46］.碎片質量差異源自化合物不同碎片化途徑產生的碎片之間的差異，如碎片［C₂F₅］^-和［C₃F₇］^-間的ΔCF₂差異.ZWEIGLE等^［35］按照PFAS類別總結了對應的碎片質量差異，應用該方法顯著提高了非靶標PFAS的識別數量.雖然中性丟失和碎片質量差異產生的原理并不相同，但二者都反映為二級質譜中兩個碎片之間的中性片段差異，在分析過程中擁有一致的匹配方式，未來可作為置信度評價體系的一個有效指標.

2.3 新興技術

2.3.1 色譜法-保留時間指數

目前PFAS非靶標分析中，液相色譜耦合高分辨率質譜仍是主要方法^［47］.因此，借助化合物結構與RT的相關性（即保留時間指數retention time indice，RTI，簡記為I_RT）可減少假陽性識別結果.AALIZADEH等^［48］則建立了I_RT的計算公式：

I_RT=（t_Rx-t_Rmin/t_Rmax-t_Rmin）×1 000=α·t_RC+C，

式中，I_RT是保留時間指數，t_Rx和t_RC分別表示校準物質和目標化合物的RT，t_Rmax和t_Rmin是校準物質實際測量的最大和最小RT，α和C分別是置信區間99%對應的斜率和截距.

目前應用I_RT的研究主要包括：（1）機理模型預測^［49］.使用真實溶劑似導體屏蔽模型（conductor-like screening model for realistic solvents，COSMO-RS）計算PFAS的辛醇水分配系數（octanol-water partition coefficients，K_ow），結合各向同性極化率與實驗I_RT建立多元回歸模型，預測未知PFAS的I_RT，但該預測模型不能突破液相條件的限制；（2）機器學習預測.江漢大學丁一^［50］基于PFAS分子結構與RT之間的構效關系發展了機器學習算法模型，通過篩選多種分子描述符的重要度增加模型的魯棒性和預測能力.同時，將預測I_RT與實測I_RT的誤差范圍作為條件對識別結果進行過濾，過濾效率高達52.5%.

2.3.2 離子淌度質譜-碰撞截面面積

離子淌度質譜（ion mobility spectrometry，IMS）技術是一種快速氣相分離技術，可根據離子在緩沖氣體中的大小、形狀和電荷狀態產生不同的漂移時間，實現離子分離，增加質譜的分析維度^［51］.通過漂移時間計算得到的碰撞橫截面積（collision cross sections，CCS）是一種分子描述符，可為未知化合物識別提供額外證據^［52］.DODDS等^［51］探究了不同類別PFAS的CCS與質荷比的關系，系統驗證了CCS在區分不同子類和異構體PFAS方面的穩定性，以及成為未知化合物鑒定指標的潛力.KIRKWOOD-DONELSON等^［53］使用IMS開發了一種基于分子尺寸的DIA質譜分析方法，利用CCS與碰撞能量的相關性優化了各類PFAS的碰撞能量，同時增強了DIA數據反卷積的效果.

2.4 識別方法比較

不同PFAS識別策略的優缺點如表1所示.一級質譜數據經full scan得到，包括分子離子及其同位素的精確質量數與離子強度，質荷比范圍（m/z）一般在50～1 000，質量分辨率大于20 000（m/z=500），質量偏差范圍為（1～10）×10^-6.基于一級質譜數據的識別策略較多，主要是將PFAS特征篩選出來，但較少單獨使用，對識別置信度的影響也較小.二級質譜數據分為單個母離子的MS²數據（經靶向MS/MS²或DDA得到）和多個母離子的MS²數據（經DIA得到）.二級質譜數據識別策略可以提升識別置信度，常易受數據庫容量和二級質譜碎片數量的限制.兩種新興方法的應用效果已經得到證明，但受限于研究數量，仍處于發展階段，具有較大應用潛力.綜合應用識別策略可以彌補各自的劣勢，同時應用效果也受到質譜數據質量精確度、碎片豐富度、特征碎裂覆蓋率等儀器分析效果的影響，確保高質量質譜數據的獲取也是PFAS非靶標分析的重要一環.

3 非靶標識別開源軟件

一些高分辨率質譜供應商（如Agilent，Thermo Fisher和Waters等）針對各自儀器的數據格式開發了相應的非靶標識別軟件^［54］.這些軟件配有可視化界面并涵蓋大部分非靶標分析流程，在軟件運行速度上具有優勢，成為非靶標分析的主要工具.但是，商業軟件存在識別算法不透明的缺點（如特征峰提取，峰對齊等算法），用戶無法靈活調整數據解析方式，造成識別結果不理想，新功能的集成也比較滯后^［55］.近來，研究者專門針對PFAS非靶標識別開發了新方法及開源軟件，各具特點.開源軟件在部署環境和功能模塊設置上更具靈活性，盡管需要使用者掌握R語言、Python、Java等典型編程語言，但已經較大程度降低了對編程知識的依賴.

3.1 Fluoromatch

Fluoromatch軟件由耶魯大學KOELMEL領導的團隊于2020年開發^［56］，發布后歷經數次更新，當前版本為5.4（時間截至2024年10月31日）.該軟件是首個開源的自動化PFAS高分辨率質譜數據分析軟件，實現了從特征峰挑選，空白過濾，到PFAS特征注釋與分組的完整工作流.其突出特點是包含大量由標準品產生或計算機預測生成的PFAS碎片信息，初級版本中（Fluoromatch 1.0）包含約7 000個PFAS的母離子與對應的碎片信息.該軟件通過將樣品特征信息（精確質量數、保留時間、二級質譜碎片）與軟件數據庫匹配，增加對樣品PFAS特征注釋的覆蓋率.研發者還提供了支持多條件交叉過濾的可視化軟件FluoroMatch visualizer^［57］，方便使用者進行人工篩查與導出數據.

3.2 EnviMass

EnviMass由Martin Loos開發，是一種基于R編碼環境的自動化高分辨率質譜數據挖掘工具，包含Web瀏覽器中的圖形用戶界面^［58］.該軟件最初用于從LC-HRMS數據中檢測水生系統中已知和未知微污染物的變化趨勢和泄漏信息，在4.4版本增加了針對PFAS分析的腳本，可進行靶向和疑似篩查、源內片段識別、同系物篩查、二級質譜碎片匹配、質量虧損過濾.其中源內片段識別會檢查每個特征是否具有其他共洗脫離子，并與自建的源內片段庫進行篩選匹配，從而排除因源內裂解和加合離子導致的假陽性識別.

3.3 FindPFΔS/PFΔScreen

圖賓根大學ZWEIGLE團隊^［35］于2022年開發了基于Python的開源軟件FindPFΔS，該軟件通過搜索二級質譜原始數據中碎片質量的特定差異（如ΔCF₂、ΔCF₃等）來發現相關聯的PFAS類別.FindPFΔS同時提供二級質譜碎片匹配和前體離子同系物篩查等功能.在FindPFΔS功能的基礎上，該團隊又開發了PFΔScreen軟件^［36］，該軟件主要增加了一級質譜的碳數歸一化質量虧損（MD/C）過濾功能，并增強了色譜圖、質譜圖和離子共洗脫等可視化功能.

3.4 APP-ID

南京大學韋斯團隊在2024年開發了一個自動PFAS識別平臺（APP-ID）^［59］，該平臺突出亮點是對常規PFAS非靶標識別流程的特征提取和特征識別環節進行改進.這些改進包括使用自主開發的Flink算法構建PFAS分子網絡，開發一級質譜精確搜索模塊和轉換搜索模塊，開發機器學習預測PFAS結構指紋模塊，構建候選結構和預測指紋相似性的排序評分系統，綜合提高對疑似PFAS特征的提取覆蓋率和未知PFAS的識別準確率.

3.5 SWATH-F/IonDecon

在3.1～3.4節所列出的軟件主要適用于DDA數據，且功能已經較為完善，而針對DIA數據的PFAS非靶標識別軟件仍在不斷開發中.南京大學韋斯團隊針對SWATH（sequential window acquisition of all theoretical fragment-ion spectra）數據（一種DIA數據）開發了基于Python的SWATH-F^［60］，該腳本可以從反卷積與峰提取后的質譜數據中篩查PFAS同系物，并自動化注釋其結構.耶魯大學KOELMEL團隊^［61］則開發了解卷積軟件IonDecon，完成了DIA數據到DDA數據的轉化，并集成Fluoromatch軟件用于后續PFAS識別.

3.6 應用實踐

表2總結了幾款軟件的基本信息與特點.已有研究比較了不同軟件（包括商業軟件與開源軟件）在PFAS非靶標識別效果的差異，不同軟件之間識別結果的一致性約為70%，其差異主要源自峰提取算法和數據庫容量^{［54，62］}.軟件的迭代更新可不斷提高PFAS非靶標識別的數量與準確性，也會進一步減少識別結果的差異.Fluoromatch軟件更新頻率較高，目前使用該軟件進行PFAS非靶標識別的研究在逐步增加.數據采集模式也是影響識別效果的一個主要因素，PARTINGTON等^［63］研究表明一級質譜掃描、DIA和DDA適用于不同識別目的，需要在掃描精度、鑒定置信度和識別數量上進行取舍.因此，研究者可根據實驗數據情況和預期功能來選擇軟件進行數據分析.

4 結論與展望

PFAS的廣泛使用及其在環境中的普遍檢出對生態環境與人體健康形成潛在危害，而非靶標PFAS的高效識別是進行PFAS分析和管控的重要基礎.本文系統總結了利用高分辨率質譜數據開展PFAS非靶標識別的技術框架、識別策略應用情況及優缺點，全面梳理了PFAS非靶標識別開源軟件的特點及應用實踐.對于PFAS非靶標識別技術的研發，將來可從以下方面展開：

（1）擴大非靶標分析涵蓋化學空間.樣品的前處理方法、色譜和質譜條件等分析過程均可影響所涵蓋的PFAS種類，但目前尚需構建簡易通用工作流程，用于提取樣品中絕大部分PFAS組分.同時，也需要開展與其他分析方法（總可氧化前體、紅外光譜、核磁共振氟譜等）的聯合使用研究，用來更好解釋樣品中有機氟的組成和來源.

（2）開發準確高效智能的分析軟件.目前商用軟件和開源軟件在峰提取算法、分析速度、識別置信度等方面均存在優化的空間，需要開發更多數據“無損”過濾方法來進一步降低識別假陽性率和人工干擾.人工智能和機器學習可輔助提高PFAS特征的識別覆蓋率和準確率.基于PFAS的數量和類型，可靠的自動評級、自動分組與數據可視化功能也將大幅減少人工處理時間.

（3）拓展PFAS非靶標數據的應用.目前納入詳細討論分析的PFAS非靶標數據主要用于未知PFAS識別，環境歸趨與溯源.可以將其他學科如毒理學、醫學等學科的數據與PFAS非靶標數據結合，實現對跨學科問題的多角度研究.如與定量構效關系預測和效應導向分析結合可實現“有毒”PFAS的準確鑒定，與代謝組學非靶標數據的結合可擴大對未知PFAS在化學暴露組中重要性的認識.

參 考 文 獻

［1］ WANG Z Y，BUSER A M，COUSINS I T，et al.A new OECD definition for per- and polyfluoroalkyl substances［J］.Environmental Science amp; Technology，2021，55（23）：15575-15578.

［2］SCHYMANSKI E L，ZHANG J，THIESSEN P A，et al.Per- and polyfluoroalkyl substances（PFAS） in PubChem：7 million and growing［J］.Environmental Science amp; Technology，2023，57（44）：16918-16928.

［3］GLüGE J，SCHERINGER M，COUSINS I T，et al.An overview of the uses of per- and polyfluoroalkyl substances（PFAS）［J］.Environmental Science Processes amp; Impacts，2020，22（12）：2345-2373.

［4］COUSINS I T，JOHANSSON J H，SALTER M E，et al.Outside the safe operating space of a new planetary boundary for per- and polyfluoroalkyl substances（PFAS）［J］.Environmental Science amp; Technology，2022，56（16）：11172-11179.

［5］EVICH M G，DAVIS M J B，MCCORD J P，et al.Per- and polyfluoroalkyl substances in the environment［J］.Science，2022，375（6580）：eabg9065.

［6］ACKERMAN GRUNFELD D，GILBERT D，HOU J，et al.Underestimated burden of per- and polyfluoroalkyl substances in global surface waters and groundwaters［J］.Nature Geoscience，2024，17：340-346.

［7］PLACE B J，FIELD J A.Identification of Novel Fluorochemicals in Aqueous Film-Forming Foams Used by the US Military［J］.Environmental Science amp; Technology，2012，46（13）：7120-7127.

［8］WANG Q，RUAN Y F，YUEN C N T，et al.Tracing per- and polyfluoroalkyl substances（PFASs） in the aquatic environment：target analysis and beyond［J］.TrAC Trends in Analytical Chemistry，2023，169：117351.

［9］YU N Y，GUO H W，YANG J P，et al.Non-target and suspect screening of per- and polyfluoroalkyl substances in airborne particulate matter in China［J］.Environmental Science amp; Technology，2018，52（15）：8205-8214.

［10］ZWEIGLE J，BUGSEL B，RōHLER K，et al.PFAS-contaminated soil site in Germany：nontarget screening before and after direct TOP assay by kendrick mass defect and FindPFΔS［J］.Environmental Science amp; Technology，2023，57（16）：6647-6655.

［11］SPAAN K M，VAN NOORDENBURG C，PLASSMANN M M，et al.Fluorine mass balance and suspect screening in marine mammals from the Northern Hemisphere［J］.Environmental Science amp; Technology，2020，54（7）：4046-4058.

［12］LI Y Q，YU N Y，DU L T，et al.Transplacental transfer of per- and polyfluoroalkyl substances identified in paired maternal and cord sera using suspect and nontarget screening［J］.Environmental Science amp; Technology，2020，54（6）：3407-3416.

［13］JIAO E M，LARSSON P，WANG Q，et al.Further insight into extractable（organo） fluorine mass balance analysis of tap water from Shanghai，China［J］.Environmental Science amp; Technology，2023，57（38）：14330-14339.

［14］CHEN Y J，WANG R D，SHIH Y L，et al.Emerging perfluorobutane sulfonamido derivatives as a new trend of surfactants used in the semiconductor industry［J］.Environmental Science amp; Technology，2024，58（3）：1648-1658.

［15］HARRIS K J，MUNOZ G，WOO V，et al.Targeted and suspect screening of per- and polyfluoroalkyl substances in cosmetics and personal care products［J］.Environmental Science amp; Technology，2022，56（20）：14594-14604.

［16］LIU T，HU L X，HAN Y，et al.Non-target discovery and risk prediction of per- and polyfluoroalkyl substances（PFAS） and transformation products in wastewater treatment systems［J］.Journal of Hazardous Materials，2024，476：135081.

［17］GUO J，HUAN T.Comparison of full-scan，data-dependent，and data-independent acquisition modes in liquid chromatography-mass spectrometry based untargeted metabolomics［J］.Analytical Chemistry，2020，92（12）：8072-8080.

［18］LIU Y N，D'AGOSTINO L A，QU G B，et al.High-resolution mass spectrometry（HRMS） methods for nontarget discovery and characterization of poly- and per-fluoroalkyl substances（PFASs） in environmental and human samples［J］.TrAC Trends in Analytical Chemistry，2019，121：115420.

［19］BUGSEL B，ZWEIGLE J，ZWIENER C.Nontarget screening strategies for PFAS prioritization and identification by high resolution mass spectrometry：a review［J］.Trends in Environmental Analytical Chemistry，2023，40：e00216.

［20］錢慧敏，劉艷娜，姚林林，等.非靶標技術在新污染物識別中的應用［J］.環境化學，2024，43（2）：363-376.

QIAN H M，LIU Y N，YAO L L，et al.Recent advances in nontarget discovery of emerging pollutants in the environment［J］.Environmental Chemistry，2024，43（2）：363-376.

［21］SCHYMANSKI E L，JEON J，GULDE R，et al.Identifying small molecules via high resolution mass spectrometry：communicating confidence［J］.Environmental Science amp; Technology，2014，48（4）：2097-2098.

［22］CHARBONNET J A，MCDONOUGH C A，XIAO F，et al.Communicating confidence of per- and polyfluoroalkyl substance identification via high-resolution mass spectrometry［J］.Environmental Science amp; Technology Letters，2022，9（6）：473-481.

［23］GHORBANI GORJI S，GóMEZ RAMOS M J，DEWAPRIYA P，et al.New PFASs identified in AFFF impacted groundwater by passive sampling and nontarget analysis［J］.Environmental Science amp; Technology，2024，58（3）：1690-1699.

［24］PLACE B J，ULRICH E M，CHALLIS J K，et al.An introduction to the benchmarking and publications for non-targeted analysis working group［J］.Analytical Chemistry，2021，93（49）：16289-16296.

［25］JOERSS H，MENGER F.The complex ′PFAS world′-How recent discoveries and novel screening tools reinforce existing concerns［J］.Current Opinion in Green and Sustainable Chemistry，2023，40：100775.

［26］LI X R，CUI D N，NG B，et al.Non-targeted analysis for the screening and semi-quantitative estimates of per- and polyfluoroalkyl substances in water samples from South Florida environments［J］.Journal of Hazardous Materials，2023，452：131224.

［27］YOUNG R B，PICA N E，SHARIFAN H，et al.PFAS analysis with ultrahigh resolution 21T FT-ICR MS：suspect and nontargeted screening with unrivaled mass resolving power and accuracy［J］.Environmental Science amp; Technology，2022，56（4）：2455-2465.

［28］KIND T，FIEHN O.Seven Golden Rules for heuristic filtering of molecular formulas obtained by accurate mass spectrometry［J］.BMC Bioinformatics，2007，8：105.

［29］TANG C M，LIANG Y T，WANG K，et al.Comprehensive characterization of per- and polyfluoroalkyl substances in wastewater by liquid chromatography-mass spectrometry and screening algorithms［J］.NPJ Clean Water，2023，6：6.

［30］JIAO Z Y，YU N Y，MAO J D，et al.The occurrence，tissue distribution，and PBT potential of per- and polyfluoroalkyl substances in the freshwater organisms from the Yangtze River via nontarget analysis［J］.Journal of Hazardous Materials，2023，458：131868.

［31］MOHAMMED TAHA H，AALIZADEH R，ALYGIZAKIS N，et al.The NORMAN suspect list exchange（NORMAN-SLE）：facilitating European and worldwide collaboration on suspect screening in high resolution mass spectrometry［J］.Environmental Sciences Europe，2022，34（1）：104.

［32］KOELMEL J P，STELBEN P，MCDONOUGH C A，et al.FluoroMatch 2.0-making automated and comprehensive non-targeted PFAS annotation a reality［J］.Analytical and Bioanalytical Chemistry，2022，414（3）：1201-1215.

［33］ZWEIGLE J，BUGSEL B，ZWIENER C.Efficient PFAS prioritization in non-target HRMS data：systematic evaluation of the novel MD/C-m/C approach［J］.Analytical and Bioanalytical Chemistry，2023，415（10）：1791-1801.

［34］KAUFMANN A，BUTCHER P，MADEN K，et al.Simplifying nontargeted analysis of PFAS in complex food matrixes［J］.Journal of AOAC International，2022，105（5）：1280-1287.

［35］ZWEIGLE J，BUGSEL B，ZWIENER C.FindPFΔS：non-target screening for PFAS-Comprehensive data mining for MS² fragment mass differences［J］.Analytical Chemistry，2022，94（30）：10788-10796.

［36］ZWEIGLE J，BUGSEL B，FABREGAT-PALAU J，et al.PFΔScreen-an open-source tool for automated PFAS feature prioritization in non-target HRMS data［J］.Analytical and Bioanalytical Chemistry，2024，416（2）：349-362.

［37］BARZEN-HANSON K A，ROBERTS S C，CHOYKE S，et al.Discovery of 40 classes of per- and polyfluoroalkyl substances in historical aqueous film-forming foams（AFFFs） and AFFF-impacted groundwater［J］.Environmental Science amp; Technology，2017，51（4）：2047-2057.

［38］WANG Y，YU N Y，ZHU X B，et al.Suspect and nontarget screening of per- and polyfluoroalkyl substances in wastewater from a fluorochemical manufacturing park［J］.Environmental Science amp; Technology，2018，52（19）：11007-11016.

［39］MUNOZ G，MICHAUD A M，LIU M，et al.Target and nontarget screening of PFAS in biosolids，composts，and other organic waste products for land application in France［J］.Environmental Science amp; Technology，2022，56（10）：6056-6068.

［40］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.

［41］VINAIXA M，SCHYMANSKI E L，NEUMANN S，et al.Mass spectral databases for LC/MS- and GC/MS-based metabolomics：state of the field and future prospects［J］.TrAC Trends in Analytical Chemistry，2016，78：23-35.

［42］BOATMAN A K，CHAPPEL J R，POLERA M E，et al.Assessing per- and polyfluoroalkyl substances in fish fillet using non-targeted analyses［J］.Environmental Science amp; Technology，2024，58（32）：14486-14495.

［43］FU Y，JI Y Y，TIAN Y W，et al.Unveiling priority emerging PFAS in Taihu Lake using integrated nontarget screening，target analysis，and risk characterization［J］.Environmental Science amp; Technology，2024，58（42）：18980-18991.

［44］GETZINGER G J，HIGGINS C P，FERGUSON P L.Structure database and in silico spectral library for comprehensive suspect screening of per- and polyfluoroalkyl substances（PFASs） in environmental media by high-resolution mass spectrometry［J］.Analytical Chemistry，2021，93（5）：2820-2827.

［45］CHEN Y J，YANG J S，LIN A Y C.Comprehensive nontargeted analysis of fluorosurfactant byproducts and reaction products in wastewater from semiconductor manufacturing［J］.Sustainable Environment Research，2024，34（1）：14.

［46］STRYNAR M，MCCORD J，NEWTON S，et al.Practical application guide for the discovery of novel PFAS in environmental samples using high resolution mass spectrometry［J］.Journal of Exposure Science amp; Environmental Epidemiology，2023，33（4）：575-588.

［47］MANZ K E，FEERICK A，BRAUN J M，et al.Non-targeted analysis（NTA） and suspect screening analysis（SSA）：a review of examining the chemical exposome［J］.Journal of Exposure Science amp; Environmental Epidemiology，2023，33（4）：524-536.

［48］AALIZADEH R，ALYGIZAKIS N A，SCHYMANSKI E L，et al.Development and application of liquid chromatographic retention time indices in HRMS-based suspect and nontarget screening［J］.Analytical Chemistry，2021，93（33）：11601-11611.

［49］GUARDIAN M G E，ANTLE J P，VEXELMAN P A，et al.Resolving unknown isomers of emerging per- and polyfluoroalkyl substances（PFASs） in environmental samples using COSMO-RS-derived retention factor and mass fragmentation patterns［J］.Journal of Hazardous Materials，2021，402：123478.

［50］丁一.基于機器學習實現全氟及多氟化合物非靶標快速篩查［D］.武漢：江漢大學，2023.

DING Y.Rapid non-target screening of Per- and Polyfluoroalkyl Substances based on machine learning algorithm［D］.Wuhan：Jianghan University，2023.

［51］DODDS J N，HOPKINS Z R，KNAPPE D R U，et al.Rapid characterization of per- and polyfluoroalkyl substances（PFAS） by ion mobility spectrometry-mass spectrometry（IMS-MS）［J］.Analytical Chemistry，2020，92（6）：4427-4435.

［52］SONG X C，CANELLAS E，DREOLIN N，et al.Application of ion mobility spectrometry and the derived collision cross section in the analysis of environmental organic micropollutants［J］.Environmental Science amp; Technology，2023，57（51）：21485-21502.

［53］KIRKWOOD-DONELSON K I，DODDS J N，SCHNETZER A，et al.Uncovering per- and polyfluoroalkyl substances（PFAS） with nontargeted ion mobility spectrometry-mass spectrometry analyses［J］.Science Advances，2023，9（43）：eadj7048.

［54］JACOB P，WANG R，CHING C，et al.Evaluation，optimization，and application of three independent suspect screening workflows for the characterization of PFASs in water［J］.Environmental Science：Processes amp; Impacts，2021，23（10）：1554-1565.

［55］SADIA M，BOUDGUIYER Y，HELMUS R，et al.A stochastic approach for parameter optimization of feature detection algorithms for non-target screening in mass spectrometry［J］.Analytical and Bioanalytical Chemistry，2024.DOI：10.1007/s00216-024-05425-3.

［56］KOELMEL J P，PAIGE M K，ARISTIZABAL-HENAO J J，et al.Toward comprehensive per- and polyfluoroalkyl substances annotation using FluoroMatch software and intelligent high-resolution tandem mass spectrometry acquisition［J］.Analytical Chemistry，2020，92（16）：11186-11194.

［57］KOELMEL J P，STELBEN P，GODRI D，et al.Interactive software for visualization of nontargeted mass spectrometry data—FluoroMatch visualizer［J］.Exposome，2022，2（1）：osac006.

［58］MARTIN LOOS.EnviMass version 3.5（2019）［CP］.

［59］WANG X B，YU N Y，JIAO Z Y，et al.Machine learning-enhanced molecular network reveals global exposure to hundreds of unknown PFAS［J］.Science Advances，2024，10（21）：eadn1039.

［60］LI L H，GAO R J，WANG X B，et al.SWATH-F：a novel nontarget strategy based on the SWATH-MS deconvolution method assisting in annotating PFAS homologues in multisample studies［J］.Analytical Chemistry，2023，95（39）：14551-14557.

［61］KOELMEL J P，KUMMER M，CHEVALLIER O，et al.Expanding per- and polyfluoroalkyl substances coverage in nontargeted analysis using data-independent analysis and IonDecon［J］.Journal of the American Society for Mass Spectrometry，2023，34（11）：2525-2537.

［62］NASON S L，KOELMEL J，ZUVERZA-MENA N，et al.Software comparison for nontargeted analysis of PFAS in AFFF-contaminated soil［J］.Journal of the American Society for Mass Spectrometry，2021，32（4）：840-846.

［63］PARTINGTON J M，RANA S，SZABO D，et al.Comparison of high-resolution mass spectrometry acquisition methods for the simultaneous quantification and identification of per- and polyfluoroalkyl substances（PFAS）［J］.Analytical and Bioanalytical Chemistry，2024，416（4）：895-912.

A review on the nontarget identification technology for PFAS

by using high resolution mass spectrometryMeng Xiangzhou^1，2，3， Zhang Boxuan^1，3， Han Baocang^1，3， Zhu Qinghe²， Yang Jie²， Zhang Minchao⁴

（1. College of Environmental Science and Engineering， Tongji University， Shanghai 200092， China; 2. Ministry of Ecology and Environment

Engineering Center for Urban Soil Contamination Control and Remediation， Shanghai Academy of Environmental Sciences，

Shanghai 200233， China; 3. Jiaxing Tongji Environmental Research Institute， Jiaxing 314051， China; 4. Technical Center

for Industrial Products and Raw Materials Inspection and Testing of Shanghai Customs District， Shanghai 201210， China）

Abstract： Per- and polyfluoroalkyl substances（PFAS） have been widely used in various commercial products， which raised global concerns because of their persistence， bioaccumulation， mobility， and toxicity. Large unknown PFAS in the environment are generally identified by using nontarget analysis with high-resolution mass spectrometry， however， the development of fast and efficient identification technology is difficult and urgent. This review aims to draw the framework of nontarget identification technology for PFAS， to summarize the application， advantages and disadvantages of different nontarget identification strategies， and to compare the open-source nontarget identification software. The results are helpful for the precise identification， source exploration and control of novel PFAS in the environment.

Keywords： per- and polyfluoroalkyl substances（PFAS）; high-resolution mass spectrometry（HRMS）; nontarget identification; suspect screening; new pollutants

［責任編校 趙曉華 劉洋］