HS-SPME/GC×GC-Q-TOF MS結合化學計量學對回收聚對苯二甲酸乙二醇酯鑒別能力的研究

郝天英, 林勤保*, 鐘懷寧, 董犇, 寇筱雪, 陳智峰, 葉智康, 王志偉

（1. 暨南大學 包裝工程研究所, 廣東普通高校產品包裝與物流重點實驗室, 廣東 珠海 519070；2. 廣州海關技術中心 國家食品接觸材料檢測重點實驗室（廣東）, 廣東 廣州 510623）

廢棄塑料的污染問題對社會和環境的影響日益擴大, 已引起普遍關注。近年來, 廢棄塑料所引發的各類問題逐漸開始影響海洋和陸地環境, 并在一定程度上損害生態系統、動植物甚至人類的生存條件[1］。同時, 2億噸/年的塑料生產也對不可再生的石油資源產生巨大消耗[2］。近年來, 一些涉及循環經濟、資源利用效率和生命周期創新的新興概念和發展模式被提出并被公眾接受。它們具有共同的關鍵性原則：再生、共享、優化和循環[3］。回收利用塑料材料（rPM）的使用是循環經濟的重要組成部分, 同時也逐漸成為塑料廢棄物問題的關鍵解決方案之一。歐盟委員會于2018年發布的歐盟塑料戰略也將為回收利用塑料的可持續發展、生產和消費環境創造更多機會[4］。回收塑料在用作食品接觸材料之前必須經過有效的去污處理。為評估塑料回收的去污效率, 許多食品安全機構倡導回收塑料廠商在回收處理過程中進行挑戰性測試, 以確保回收的塑料材料不會危及食品安全[5］。

第一個生命周期中用于食品包裝的塑料, 在經歷多種回收工藝后, 再被重新用作食品包裝材料已被證明是可行的[6-7］。然而, 由于塑料回收過程中易存在管理不善或利益驅動等因素, 一些回收塑料可能會在未經任何評估的情況下流入食品接觸材料供應鏈。這可能會導致食品安全方面的風險, 同時也會對遵守相關法律法規的企業造成損失。此外, 高風險物質從回收材料遷移到食品中的現象也值得關注。在任何情況下, 從食品接觸材料中遷移的高風險物質不應超過毒理學關注閾值（TTC）, 以及歐盟或中國相關法規中的閾值[8-10］。與其它塑料材料相比, 聚對苯二甲酸乙二醇酯（PET）具有優秀的拉伸和沖擊強度、耐化學性、透明性、可加工性、著色能力和熱穩定性[11］。回收PET中揮發性有機物（VOCs）的來源主要與降解產物、聚合物殘留和環境輸入污染物有關, 而這些污染物被定義為非有意添加物質（NIAS）[12］。目前, 國內的塑料回收利用體系和相關標準正處于建立和完善的階段, 塑料制品的循環流通和回收環境也與國外不甚相同, 意味著回收塑料中NIAS的類型和含量與國外的情況將會有所不同[9, 13］。因此, 在我國再生塑料快速發展的背景下, 建立一種有效且符合我國實際情況的方法來區分再生PET和原生PET是非常必要的。

全二維氣相色譜-串聯四極桿飛行時間高分辨質譜（GC×GC-Q-TOF MS）具有高靈敏度、高峰容量以及高分辨率的特點[14］。頂空-固相微萃取（HS-SPME）結合GC×GC-Q-TOF MS已被用于植物學、藥學和代謝組學等領域的揮發性有機物分析[15-16］。然而, 目前除了本課題組前期研究成果外[17］, 尚無將HS-SPME/GC×GC-Q-TOF MS應用于回收PET中揮發性有機物測定的研究。諸多研究證明了HS-SPME、GC-MS、Q-TOF MS與其它技術（如超高效液相色譜）結合, 在揮發性有機物識別、潛在化學污染物檢測和低聚物測定等領域的有效性、可靠性和巨大潛力[18-23］。然而, 較為復雜的樣品中具有類似化學性質的物質可能會導致共流出現象, 使定性結果不準確。GC×GC-Q-TOF MS同時使用2根不同類型的色譜柱, 將第一維色譜柱的流出物質重新進樣到第二維色譜柱中進行再分離, 能夠很好地解決共流出問題。同時, GC×GC-Q-TOF MS憑借其優秀的物質分離能力和檢測靈敏度, 在非靶向物質篩選方面表現出良好的性能, 適用于探索復雜樣品中的揮發性有機物[24］。HS-SPME、GC-MS和化學計量學的結合已被證明是一種非常有效的工具[25］。然而, 目前將HS-SPME/GC×GCQ-TOF MS與化學計量學相結合來鑒別回收PET未見報道。

本文旨在通過建立化學計量學結合HS-SPME/GC×GC-Q-TOF MS的方法來鑒別回收PET和原生PET。通過HS-SPME/GC×GC-Q-TOF MS對回收PET（rPET）和原生PET（vPET）材料中的揮發性有機物進行非靶向篩查, 基于NIST 17譜庫、保留指數（RI）和相關文獻進行定性, 并進一步調查其可能來源。采用正交偏最小二乘判別分析（OPLS-DA）、主成分分析（PCA）和線性判別分析（LDA）研究了回收PET組和原生PET組之間揮發性有機物的差異, 對差異性物質進行來源分析, 并建立回收PET和原生PET之間的鑒別模型。

1 實驗部分

1.1 儀器與試劑

全二維氣相色譜-串聯四極桿飛行時間高分辨質譜儀, 由8890 GC/7250氣相色譜-串聯四極桿飛行時間質譜儀（美國Agilent公司）和固態熱調制器（中國雪景科技公司）組成；頂空-固相微萃取自動進樣器（美國Agilent公司）；ME204電子天平（瑞士Mettler Toledo儀器公司）；固相微萃取針纖維為聚二甲基硅氧烷（PDMS）、二乙烯基苯/聚二甲基硅氧烷（DVB/PDMS）和二乙烯基苯/碳分子篩/聚二甲基硅氧烷（DVB/C-WR/PDMS）（美國Agilent公司）。

正構烷烴（C7～C40, 1 000 mg/L, 上海安譜實驗科技股份有限公司）。

1.2 樣品來源

70批次的回收PET樣品（R01～R70）由4個不同的回收商提供, 來源于國內不同地區, 且通過粉碎、清潔和干燥工序的機械回收工藝獲得, 樣品的最終形態均為瓶片；35批次的原生PET樣品（V01～V35）來源于15個不同的供應商或網絡采購平臺的分銷商, 形態包含整瓶、顆粒和粉末。為驗證樣品的初始形態是否會干擾鑒別結果, 所有樣品均以獲得時的形態進行實驗。

1.3 樣品前處理

將整瓶和瓶片的樣品（R01～R70, V10～V15）裁成約8 mm×8 mm的片狀, 粉末和顆粒形態的樣品（V01～V09, V16～V35）無需處理。稱取1 g（精確至0. 001 g）樣品置于20 mL頂空瓶中, 稱重后立即密封, 以減少揮發性有機物的損失, 隨后上機測試。

樣品通過HS-SPME自動進樣器進樣, 頂空瓶在110℃下平衡30 min, 固相微萃取針（DVB/CWR/PDMS）在振搖模式下吸附10 min, 并在250℃的前進樣口中解吸2 min, 解吸后的揮發性有機物進入全二維氣相色譜-串聯四極桿飛行時間質譜儀進行分析。第一次使用固相微萃取針前需將其置于260℃下老化40 min, 測試中吸附樣品前老化10 min, 進樣結束后老化2 min, 以消除萃取針中的吸附物質殘留。

1.4 GC×GC-Q-TOF MS條件

色譜條件：一維色譜由2根HP-5MS（15 m×0. 25 mm×0. 25μm）柱相連（兩柱間配備反吹系統）；二維色譜柱為DB-17MS（1 m×0. 25 mm×0. 25μm）；調制柱：SV調制柱（C6～C40）；調制器調制周期：4 s；柱箱升溫程序：初始溫度40℃保持5 min, 以8℃/min升至260℃, 保持8 min；不分流模式進樣；載氣為氦氣, 恒定流速為1. 20 mL/min。

質譜條件：MSD傳輸線溫度：320℃；離子源溫度：200℃；采集模式：全掃描；掃描質量范圍：m/z 35～500；質譜采樣速率：50次/s；EI電離能量：70 eV；溶劑延遲：0 min。

1.5 前處理及儀器參數優化

樣品前處理條件以及儀器參數均參照本課題組的前期優化實驗結果[17］。

1.6 物質的定性和可能來源

使用MassHunter工作站軟件庫（美國Agilent公司）進行GC×GC-Q-TOF MS數據采集, 使用全二維色譜數據處理工作站Canvas軟件（W1. 8. 0. 29165, 中國雪景科技公司）進行數據處理。采用NIST 17數據庫匹配結合色譜保留指數（RI）定性, 將正構烷烴混合標準品（C7～C40）在相同的儀器條件下上機檢測, 根據保留時間計算物質的保留指數并與NIST 17譜庫中的參考值對比。譜庫匹配度高于800（滿分為1 000）的物質被列為定性物質。

通過PubChem（https：//pubchem. ncbi. nlm. nih. gov/）和Chemicalbook（https：//www. chemicalbook. com/）對高標準標記物質進行檢索, 以獲得其可能的來源信息[26］。

1.7 數據處理與分析

對所有定性物質的色譜峰進行積分, 得到其色譜峰面積。以定性物質作為變量, 色譜峰面積作為變量的響應值, 將不同樣品中的色譜峰面積組成一個n（樣品數）×m（物質數量）的數據矩陣, 并進行進一步處理。為強調每個變量的重要性, 先將數據表中變量響應值的缺失值用所有樣品中該變量響應值中最小正值的一半代替, 再使用SIMCA 14. 1軟件（瑞典Umetrics公司）對數據進行對數轉換[27］；然后使用SIMCA 14. 1軟件將數據進行帕累托（Pareto）標準化轉換（變量響應值減去其平均值, 除以其標準偏差的均方根）, 以消除不同物質含量數量級的差別[28］。

為提高回收PET的鑒別準確率, 將處理后的數據導入SIMCA 14. 1軟件建立OPLS-DA模型, 篩選出對鑒別結果影響明顯的差異性物質。采用200次置換檢驗（Permutation test）對模型進行驗證。變量權重重要性排序（VIP）是通過OPLS-DA模型獲得的一個關鍵指標, 用于篩選回收PET和原生PET的差異性物質。本研究篩選VIP＞1和VIP＞2的物質, 使用SPSS 25. 0軟件（美國Statistical Product and Service Solutions公司）對篩選的物質進行T檢驗, 將VIP＞1且p＜0. 05和VIP＞2且p＜0. 05的物質列為差異性物質, 即標記物質和高標準標記物質。

將所有物質、標記物質和高標準標記物質分別作為變量, 其峰面積分別作為變量的響應值, 組成3個獨立的n（樣品數）×m（物質數量）的數據矩陣。通過SIMCA 14. 1軟件建立3個數據矩陣的OPLSDA、PCA模型, 通過SPSS 25. 0軟件建立LDA模型, 最終通過上述3種模型達到鑒別回收PET的目的。

2 結果與討論

2.1 典型回收PET和原生PET樣品的總離子流色譜圖

典型回收PET樣品R02和原生PET樣品V12的總離子流色譜圖（TIC）如圖1所示。由圖可知, 回收PET和原生PET的一維及二維TIC圖均存在較明顯的差異。鑒別模型中對回收PET組和原生PET組具有較高重要性且響應信號強度較高的高標準標記物質均在圖中進行了標注。在一維TIC圖（圖1D）中, 3-甲基十三烷和3-羥基-2, 2, 4-三甲基戊基異丁酸酯的一維保留時間較為接近, 較難區分, 而在二維TIC圖（圖1C）中, 上述2種有機物得到區分, 證明了GC×GC-Q-TOF MS在非靶向物質篩選和探索復雜PET樣品中揮發性有機物方面的良好性能。

圖1 典型回收PET樣品R02與原生PET樣品V12的二維TIC圖（A、C）和一維TIC圖（B、D）Fig. 1 Two-dimensional TIC（A, C）and one-dimensional TIC（B, D）of typical recycled PET sample R02 and virgin PET sample V12 A, B：recycled PET sample R02；C, D：virgin PET sample V12

2.2 回收PET和原生PET的差異性物質篩選

OPLS-DA是一種有監督的模式識別, 可將組間差異最大化, 同時找出導致差異的變量。為進一步探究回收PET和原生PET之間揮發性有機物的差異性物質, 本實驗基于所有物質、標記物質和高標準標記物質的數據矩陣建立了鑒別回收PET和原生PET的OPLS-DA模型。

在OPLS-DA評分圖中, 水平軸和垂直軸上的距離表示不同的含義（圖2A）, 前者表示回收PET和原生PET兩組間變量的差異, 而后者表示每個材料組內部的差異。R2X和R2Y分別代表模型對X和Y矩陣的解釋率, Q2代表模型的預測能力。如圖2A所示, 回收PET組和原生PET組間的揮發性有機物存在顯著差異, 回收PET組內的差異較小, 而原生PET組的差異相對顯著, 被分為幾個區域。在該模型中, 擬合參數分別為R2X（cum）=0. 475、R2Y（cum）=0. 984和Q2（cum）=0. 962, 表明OPLS-DA模型具有良好的擬合和預測能力。

此外, 由于使用有監督的學習方法進行分析時易產生過擬合, 為考察OPLS-DA在無差異性情況下的建模效果[29］, 使用200次置換檢驗進行驗證（圖2B）。在圖2B中, 左側較密集處為置換檢驗結果, 右上（橫縱坐標均接近1處）為初始OPLS-DA模型, 當R2回歸線截距大于0. 4, Q2回歸線截距小于0, 且兩條回歸線斜率均大于0時, 則認為OPLS-DA模型的擬合準確率和預測能力可以接受, 不存在過擬合。在垂直軸上, R2和Q2回歸線的截距分別為0. 430和-0. 318, 且兩回歸線的斜率均大于0, 初始OPLS-DA模型的R2和Q2值高于各置換檢驗結果[30］, 證明OPLS-DA模型是穩定且有效的, 不存在過擬合。

VIP值是OPLS-DA模型中評價變量貢獻的常用方法, 結合T檢驗, 一般認為VIP＞1且p＜0. 05的物質對分類具有較大貢獻且具有統計學意義。圖2C展示了OPLS-DA模型最終的VIP結果, X軸為檢測的468種揮發性有機物, Y軸則表示這些揮發性有機物對應的VIP值。將VIP＞1且p＜0. 05的物質作為標記物質, VIP＞2且p＜0. 05的物質作為高標準標記物質。基于此標準, 共篩選出98個標記物質和31個高標準標記物質。

基于高標準標記物質的OPLS-DA加載散點圖（圖2D）中, 藍色和綠色圖形分別代表不同的材料組和揮發性有機物。揮發性有機物和材料組之間的距離代表它們在鑒別模型中對該組的重要性, 某一物質距離材料組之間的距離越小, 表示在鑒別模型中, 該物質更傾向于作為該材料組的標志性物質存在, 在鑒別過程中, 該樣品也對該材料組具有較高的貢獻度和重要性, 而距離越大則表示情況相反。由圖可知, 一些具有高水平標記的化合物, 如（+）-檸檬烯、γ-松油烯和β-紅沒藥烯, 可以看作是回收材料組的標志性物質, 而與原生材料組距離較近的其他化合物則更傾向于作為原生材料組的標志性物質存在。

圖2 基于所有物質的OPLS-DA評分圖（A）、200次置換檢驗驗證結果（B）、所有物質的VIP值（C）, 以及基于高標準標記物質（VIP＞2）的OPLS-DA加載散點圖（D）Fig. 2 OPLS-DA score plot based on all compounds（A）, result of permutation at 200 times（B）, VIP values of all compounds（C）, and loading scatter plot of OPLS-DA based on high-level markers（VIP＞2）（D）

2.3 PCA分析

為提高鑒別模型的有效性和準確性, 以所有物質、標記物質和高標準標記物質的峰面積為數據來源, 對105批樣品建立PCA模型。基于所有物質（圖3A）、標記物質（圖3B）和高標準標記物質（圖3C）的PCA得分圖如圖3所示, 圖中前兩個主成分分別解釋了35. 7%、49. 7%和60. 1%的變量, 所有主成分解釋了59. 7%、84. 1%和82. 5%的變量, 回收PET和原生PET兩組間的距離差距較為明顯。表明本實驗的PCA模型能夠較準確地反映大多數變量, 且能夠很好地解釋回收PET組和原生PET組間的差異。

由圖3可見, 105批PET樣品在圖中分成回收PET區域和原生PET區域兩部分, 說明回收PET和原生PET中揮發性有機物的種類和含量存在差異。相較于回收PET, 原生PET在得分圖中的區域分布更加分散, 其原因可能是不同PET生產企業的生產環境和加工條件不同, 或是原生PET中加入的添加劑種類和含量有所不同。盡管原生PET樣品間存在一定差異, 但回收PET和原生PET依然能夠在PCA得分圖上得以較好的區分。與基于所有物質的PCA模型相比, 基于標記物質和高標準標記物質的PCA模型的得分圖中, 回收PET和原生PET的區域更集中, 且回收PET和原生PET樣本間分離得更加明顯, 離群樣品的離群程度也有所降低。這說明PCA與OPLS-DA結合篩選差異性物質（標記物質和高標準標記物質）并建立鑒別模型的方法, 可用于進一步放大回收PET和原生PET組間的差異性, 使鑒別結果更準確和明顯。篩選的標記物質和高標準標記物質在減少數據體積的同時, 能夠保證模型的準確性和穩固性。

圖3 基于所有物質（A）、標記物質（VIP＞1）（B）和高標準標記物質（VIP＞2）（C）的回收PET及原生PET的PCA得分圖Fig. 3 PCA score plots of recycled and virgin PET samples based on all compounds（A）, markers（VIP＞1）（B）and high-level markers（VIP＞2）（C）

2.4 LDA分析

LDA是一種有監督的學習方法, 與無監督的PCA相比, LDA能夠最大化多個給定分類之間的差異, 這種區別在確定兩者差異方面起著重要作用[31］。在本實驗中, 基于所有物質、標記物質和高標準標記物質的LDA模型被用來鑒別回收PET和原生PET。為了通過鑒別準確率表示模型的穩定性和可預測性, 將基于所有物質、標記物質和高標準標記物質的數據集分別分為訓練集和驗證集兩部分。數據集中2/3的樣品作為訓練集, 其余1/3的樣品作為驗證集, 即訓練集包含70批樣品, 驗證集包含35批樣品, 用于LDA鑒別模型。此外, 為解決人工采樣可能導致結果不穩定的問題, 在每次選取訓練集和驗證集時, 均分別采用隨機、系統和分層3種抽樣方法。

基于LDA鑒別模型的回收PET鑒別結果如表1所示, 所有LDA模型均表現出較高的穩定性, 且所有訓練集的平均鑒別準確率均高于98. 5%。在基于標記物質和高標準標記物質的隨機抽樣和分層抽樣方法下, 訓練集的準確率達到100%。

表1 基于LDA鑒別模型的回收PET鑒別結果Table 1 Results of the discrimination between recycled and virgin PET based on LDA model （%）

與基于高標準標記物質的模型相比, 基于所有物質和標記物質的LDA模型的鑒別準確率相對較差, 其驗證集的平均準確率分別為88. 6%和89. 5%, 不足以區分回收PET和原生PET。而基于高標準標記物質的模型, 其驗證集的平均準確率達96. 2%, 在隨機和系統抽樣方法下, 最高準確率達到97. 1%。表明基于高標準標記物質的LDA模型在鑒別回收PET和原生PET方面更具優勢。樣品形態對鑒別結果無明顯影響。

2.5 高標準標記物質的來源分析

本實驗在回收PET和原生PET中共檢測到468種揮發性有機物, 但其中大多數有機物對于回收PET和原生PET的鑒別貢獻度不高, 不具有明顯的影響。因此, 僅對顯著影響回收PET和原生PET鑒別結果的31種高標準標記物質進行了進一步分析, 其詳細信息如表2所示。通過數據庫檢索的高標準標記物質的可能來源作為參考, 在此基礎上初步推測了這些物質出現在回收PET與原生PET中的原因。

表2 高標準標記物質的詳細信息Table 2 Details of compounds with high-level marker

（續表2）

（續表2）

31種高標準標記物質的化合物類別分布如圖4A所示, 包括烯烴（19%）、烷烴（39%）、酮（10%）、酯（10%）、醇（6%）、醛（3%）、芳香族化合物（10%）和萘（3%）。在PubChem網站和Chemicalbook的數據庫中進行檢索, 上述化合物可能的來源如表2所示。由于回收PET和原生PET樣品來源較為多樣, 31種高標準標記物質的可能來源也較為廣泛且復雜。其可能來源分為七類：食品、藥品、化妝品、農藥、塑料、工業和未知來源（圖4B）。其中, 工業來源代表該化合物的可能來源不是食品、藥品、化妝品、農藥和塑料, 但可能與有機合成、有機化工原料、有機化工中間體、工業添加劑或工業溶劑等其他工業生產領域有關。并且, 同一高標準標記物質可能存在多個可能來源。

圖4 高標準標記物質的化合物類別頻率分布（A）及其可能來源占比（B）Fig. 4 Frequency distributions of chemical compounds classes（A）and proportions of their possible origins（B）for high-level markers

可能來源與食品領域相關的高標準標記物質包括被包裝食品自身的成分和食品添加劑等, 如香料（（+）-檸檬烯、γ-松油烯、α-松油醇、癸醛）、調味劑（（+）-檸檬烯、β-紅沒藥烯、十二烷、2-癸酮、2-乙基己醇、癸醛、黃樟素、1-甲基萘）, 以及FDA用于食品接觸物質的間接添加劑（二十烷、鄰苯二甲酸二甲酯、鄰苯二甲酸二丁酯）。前兩種來源的物質帶來食品安全問題的可能性較小, 但它們從回收PET包裝向食品中的遷移可能會導致被包裝食品的原始感官特性發生變化[32］。用于食品接觸物質的間接添加劑則應予以關注, 因為其可能來源也同時與塑料等領域有關, 說明它們通常作為食品包裝材料的添加劑而被使用。部分與食品相關的揮發性有機物在原生PET組中更具重要性。可能來源為FDA用于食品接觸物質的間接添加劑的物質在原生PET組中更具重要性, 原因可能與它們是作為增塑劑添加到原生PET材料中或是與再生產、運輸和銷售過程中和其他塑料材料產生交叉污染有關, 這也是它們對原生PET鑒別的影響較大, 被劃分為高標準標記物質的原因。（+）-檸檬烯作為回收PET組的標志性物質, 在所有回收PET樣品中均有檢出, 同時其作為一種單萜類化合物, 最有可能的來源為香精和香料。γ-松油烯和β-紅沒藥烯同樣也是回收PET組的標志性物質, 且只在回收組中被檢出, 作為萜類化合物, 它們最有可能的來源同樣為食品。一些香料和調味劑（如α-松油醇和黃樟素）對樣品分類也起著較為重要的作用, 這可能是由于不同PET生產商和經銷商在制造和分銷過程中使原生PET材料被污染所致, 相關監管機構需加以關注。

可能來源與藥品領域相關的高標準標記物質主要涉及藥物的風味添加劑（（+）-檸檬烯）、用于治療特定疾病的物質（（+）-檸檬烯）和醫藥原料或中間體（1, 2-二苯氧基乙烷、癸醛）。1, 2-二苯氧基乙烷僅在回收PET中檢出, 說明其可能來源于PET材料在第一個生命周期中接觸的藥品、PET回收過程中的環境污染或與其他材料接觸時的交叉污染。（+）-檸檬烯主要在回收PET中檢出, 癸醛則在回收PET和原生PET中均有檢出, 但與食品來源相比, 上述物質來源于藥品的可能性不高。

可能來源與化妝品領域相關的高標準標記物質包括化妝品香料（（+）-檸檬烯）和化妝品溶劑（十二烷、α-松油醇）, 它們出現在PET樣品中可能是由于回收過程中的交叉污染。但與食品來源相比, 這些物質來源于化妝品的可能性較低。

可能來源與農藥領域相關的高標準標記物質包括農藥相關（鄰苯二甲酸二甲酯、鄰苯二甲酸二丁酯、1, 3-二氯苯）和農藥的環境轉化產物（1-甲基萘）。其中, 鄰苯二甲酸二甲酯和鄰苯二甲酸二丁酯可作為增塑劑使用, 它們更可能來源于PET自身或和其他塑料接觸時的交叉污染。1, 3-二氯苯僅在原生PET組中檢出, 這一現象在其他研究領域也有報道[33］。原生PET組中檢出的1, 3-二氯苯可能來源于生產、運輸或分銷過程中接觸到的污染, 但由于1, 3-二氯苯在工業生產中可作為溶劑使用, 因此后者更可能是其真實來源。1-甲基萘在回收組和原生組中均有檢出, 有研究表明它是一種具有獨特風味的物質, 同時也是青磚茶的關鍵香氣成分[34］, 且可作為調味劑使用, 因此相較于農藥, 其更可能來源于食品。

可能來源與塑料領域相關的高標準標記物質為增塑劑（鄰苯二甲酸二甲酯、鄰苯二甲酸二丁酯）, 在許多消費品中能夠檢測到這類物質, 其與基因毒性和人體功能破壞有相關性[35-36］。本實驗中, 鄰苯二甲酸二甲酯和鄰苯二甲酸二丁酯在原生PET組中的檢出頻率更高, 同時對于原生PET的鑒別也更具重要性。但是, 一般情況下PET在生產過程中并不需要添加增塑劑, 因此原生PET中檢出的增塑劑更有可能來自于生產廠商不同塑料生產線的污染或外來污染。鄰苯二甲酸二甲酯和鄰苯二甲酸二丁酯在回收組中同樣也有檢出, 可能是由于回收過程中的環境污染、與其他材料接觸時的交叉污染或是回收過程中混入部分使用增塑劑的其他塑料。同時, 回收PET即使在回收過程被增塑劑污染, 在經歷回收PET粉碎、清潔等工藝后增塑劑會明顯減少, 此外, 部分增塑劑在PET前一個生命周期中也能夠釋放到外部環境中。因此, 增塑劑對原生PET鑒別的重要性更加明顯。然而, 可能存在為改善回收后的塑料性能進而向回收材料中添加增塑劑等的可能, 這種現象同樣應引起關注[37］。

工業領域相關是一個相對復雜且籠統的分組, 理論上用于生產的化合物均屬于該范疇, 因此其也包含各種類型的化合物（有機合成、有機化工原料、有機化工中間體、工業添加劑或工業溶劑等）。本實驗的31種高標準標記物質中, 除了可能來源是食品、藥品、化妝品、農藥和塑料的物質, 仍有6種物質可能來源于其他工業生產過程。這些物質可能是各類材料之間接觸產生的NIAS, 或是在各種復雜的生產和循環環境下發生的化學反應的產物, 有待于進一步研究。

此外, 有10種高標準標記物質的可能來源未被檢索到, 其遷移能力以及對食品安全的影響等也不明確, 有待進一步研究。

結果表明, 回收PET和原生PET釋放的一些高頻揮發性有機物應引起關注, 它們可能來源于PET上一個使用周期中接觸引入的物質, 以及回收過程中與其他材料、物質或環境接觸導致的交叉污染等, 同時, 一些化合物的可能來源需進一步確認。出于食品安全方面的考慮, 這些物質的遷移和毒性值得進一步研究, 相關監管部門和行業協會應將建立回收塑料材料的閉環回收及分類系統以及完善行業標準和法律法規提上議程。

3 結 論

本文建立了HS-SPME/GC×GC-Q-TOF MS結合化學計量學鑒別回收PET的方法, 70批回收PET和35批原生PET樣品中共檢出468種揮發性有機物, 但其中大多數有機物對于回收PET和原生PET的鑒別貢獻度不高, 不具有明顯影響。通過OPLS-DA模型和T檢驗, 篩選出回收PET和原生PET間的差異性物質, 即98種標記物質（VIP＞1且p＜0. 05）和31種高標準標記物質（VIP＞2且p＜0. 05）。基于高標準標記物質的PCA模型可以很好地解釋回收PET和原始PET樣本組之間的差異, 能夠達到鑒別回收PET和原生PET的目的。在基于高標準標記物質的LDA鑒別模型中, 訓練集和驗證集的準確率分別達到100%和97. 1%, 能夠有效鑒別回收PET和原生PET。另外, 樣品的形態對鑒別結果無明顯影響。利用在線數據庫和相關文獻, 對鑒別貢獻度高的31種高標準標記物質的可能來源進行了分析。31種高標準標記物質包括烯烴、烷烴、酮、酯、醇、醛、芳香族化合物和萘, 其可能來源被劃分為：食品、藥品、化妝品、農藥、塑料、工業和未知。使用不同的儀器、方法檢測PET中不同種類的物質, 結合更多新的化學計量學方法, 尋找回收PET和原生PET之間同時具有統計學意義和化學意義的差異性物質, 開發更加精確、穩定、簡便、低成本的回收PET鑒別方法將會是可行的后續研究方向。