基于色譜-質譜聯(lián)用技術的食品中農藥殘留高通量非靶向檢測技術研究進展

黎才婷，雷紫依，丁勝華，蔣立文，劉 霞，李 跑,,*

（1.湖南農業(yè)大學食品科學技術學院，食品科學與生物技術湖南省重點實驗室，湖南 長沙 410128；2.湖南省農業(yè)科學院，湖南省農產品加工研究所，湖南 長沙 410125）

農藥是現代農業(yè)生產中必不可少的生產資料，在糧食增產和生物災害防治方面起重要作用[1]。目前世界上農藥品種眾多，根據用途可分為殺蟲劑、殺菌劑、除草劑、殺鼠劑、植物生長調節(jié)劑及殺軟體動物劑等；根據化學成分可分為有機磷類、有機氯類、氨基甲酸酯類、擬除蟲菊酯類、酰胺類、環(huán)二烯類、三唑類等。不同種類農藥理化性質各異，且目前所使用的新型農藥相對于傳統(tǒng)的有機磷以及有機氯農藥半衰期更短，所施用的濃度更低，在食品中殘留量較低，檢測難度非常大。

近10 年來，農藥殘留引起的食品安全問題引起了廣泛關注，開發(fā)高效、準確的檢測技術對保障食品安全至關重要。目前，農藥殘留檢測方法主要包括光譜法、生物傳感器、微流控芯片技術、色譜法以及色譜-質譜聯(lián)用法等。光譜法具有操作簡單、快速、成本低等優(yōu)點，但其易受到噪聲和復雜基質的干擾，且較難實現農藥的高通量檢測[2]。生物傳感器方法具有靈敏度高、分析速度快、儀器體積小等優(yōu)點，適用于農藥殘留現場快速檢測，但其熱穩(wěn)定性較差，且往往只能實現特定農藥的分析，較難實現農藥的高通量檢測[3-5]。微流控芯片技術具有操作簡便、試劑使用量少、集成化高等優(yōu)點，但重復性方面還需進一步提高[6-8]。色譜法具有較強的分離能力，利用標準樣品可以實現復雜基質中農藥殘留的定性定量分析。色譜與質譜聯(lián)用法兼具色譜的分離能力和質譜的定性能力，既能實現復雜樣品中農藥的有效分離，又能實現多種農藥及其代謝物的快速定性分析，靈敏度高、重現性好，是大多數農藥殘留檢測國家標準推薦的方法。因此，基于色譜-質譜聯(lián)用法開發(fā)高靈敏度、高通量、非靶向農藥殘留檢測技術成為了研究熱點。

然而，由于樣品、環(huán)境、儀器等原因，基于色譜-質譜聯(lián)用技術的多農藥殘留高通量非靶向檢測依舊存在以下幾點問題：第一，前處理及儀器分析時間較長；第二，食品樣品組分較多，痕量目標物易受復雜基質干擾；第三，檢測信號易受基線漂移以及譜峰重疊的干擾。針對以上問題，國內外科研人員進行了大量研究，主要集中在分析儀器的改進、樣品前處理技術的創(chuàng)新以及化學計量學方法的優(yōu)化等方面。色譜-質譜聯(lián)用技術發(fā)展前景廣闊，本文對近10 年國內外多農藥殘留高通量非靶向檢測相關報道進行歸納和總結，簡要介紹食品中多農藥殘留檢測現狀，詳述多維色譜技術及高分辨率質譜技術、新型吸附劑材料及樣品前處理技術、新型化學計量學方法等檢測技術的基本原理，以及在多農藥殘留檢測領域中的最新應用進展，并對其優(yōu)缺點進行比較，對存在的問題提出相關建議，旨在為推進色譜-質譜聯(lián)用技術在食品中多農藥殘留檢測中的應用提供新的參考依據。

1 食品中多農藥殘留檢測現狀

截至2021年11月，現行有效的食品中多農藥殘留檢測國家標準有177 項，其中基于色譜-質譜聯(lián)用技術的檢測方法有87 項。圖1為各種色譜-質譜聯(lián)用技術在農藥殘留檢測標準中的占比。基于色譜-質譜聯(lián)用技術的農藥殘留檢測方法主要包括氣相色譜-質譜（gas chromatographymass spectrometry，GC-MS）、氣相色譜-串聯(lián)質譜（gas chromatography-tandem mass spectrometry，GCMS/MS）、液相色譜-質譜（liquid chromatography mass spectrometry，LC-MS）以及液相色譜-串聯(lián)質譜（liquid chromatography-tandem mass spectrometry，LC-MS/MS）。GC-MS以及LC-MS/MS是目前國家標準中最常用的兩種方法，而基于LC-MS以及GC-MS/MS的國家標準相對較少。

圖1 基于色譜-質譜聯(lián)用技術檢測農藥殘留的國家標準Fig.1 China’s national standards for the detection of pesticide residues based on chromatography-mass spectrometry

表1對4 種色譜-質譜聯(lián)用技術的優(yōu)缺點以及適用范圍進行了對比。GC-MS儀器價格相對較低，且操作較簡便，通過將目標分析物質譜數據與農藥標準質譜數據庫進行對比，無需標準品即可實現對農藥殘留的非靶向檢測。隨著新型農藥的不斷推出，GC-MS檢測的不足逐漸顯現。一方面，含有大量硫醚的蔥、蒜、韭菜等蔬菜在農藥殘留檢測時基質干擾較為嚴重；另一方面，該方法較難實現磺酰脲類、苯氧羧酸類等不易揮發(fā)且熱穩(wěn)定性差的新型農藥殘留檢測[9]。GC-MS/MS同樣不適用熱不穩(wěn)定以及揮發(fā)性差的農藥殘留檢測。LC-MS/MS抗干擾能力最強、靈敏度最高，但儀器價格昂貴。Alder等[10]利用LCMS/MS與GC-MS對500 種農藥組分進行分析，并對兩種方法的檢測結果進行比較，結果表明，有135 種農藥組分無法被GC-MS檢出，而僅有49 種農藥組分無法被LC-MS/MS檢出。此外，在靈敏度方面，GC-MS較LC-MS/MS低3～4 個數量級。然而，無論是GC-MS還是LC-MS/MS均不能單獨應用于所有種類農藥組分的檢測。農業(yè)農村部基于GC-MS和LC-MS建立了NY/T 1379—2007《蔬菜中334 種農藥多殘留的測定 氣相色譜質譜法和液相色譜質譜法》[11]。Chamkasem等[12]采用改進的QuEChERS前處理技術結合LC-MS/MS和GC-MS/MS實現了鱷梨中136 種農藥的檢測。Song等[13]同樣采用QuEChERS前處理技術，采用LC-MS/MS和GC-MS/MS實現了對雞蛋中60 種農藥的檢測，回收率為70%～120%，相對標準偏差小于20%。

表1 不同色譜-質譜聯(lián)用技術的優(yōu)缺點以及適用范圍Table 1 Advantages, disadvantages and application scope of different chromatography-mass spectrometry techniques

2 食品中多農藥殘留檢測分析儀器的改進

為了滿足多農藥殘留高通量非靶向檢測需求，科研人員對色譜以及質譜儀器進行相應的改進，開發(fā)了新型檢測儀器。近10 年來，多維色譜技術逐漸成為農藥殘留檢測研究的熱點。多維色譜技術通過耦合兩個或多個極性不同的色譜柱，構建了一種具有不同分離能力的聯(lián)用系統(tǒng)，具有峰容量大、分離效率高的優(yōu)點，成為了多農藥殘留檢測的強有力分析手段[14-15]。del Castillo等[16]將固相微萃取技術（solid-phase microextraction，SPME）與多維氣相色譜質譜結合，用于復雜樣品中多農藥的定性定量分析。結果表明，多維氣相色譜分析技術可以避免一維色譜中由于目標組分受到樣品基質成分干擾而出現的假陽性問題。del Castillo等[17]再次將SPME與多維氣相色譜-質譜技術結合用于復雜樣品中痕量農藥的檢測，該方法具有良好的重現性以及更高的靈敏度。第一維氣相色譜農藥殘留最低檢測限為0.11～0.42 ng/kg，而第二維氣相色譜最低檢測限可達0.013～0.093 ng/kg。

為了實現農藥殘留的精準檢測，可靠以及準確的質譜分析手段是必不可少的。與低分辨的離子阱以及四極桿質譜相比，中高分辨質譜如飛行時間質譜（time of flight mass spectrometer，TOF MS）[18]、軌道阱質譜（Orbitrap MS）[19]等在全質量數據采集、數據可溯源性以及數據庫檢索方面具有顯著優(yōu)勢。TOF技術利用經脈沖電場加速后不同質荷比的離子具有恒定速度但通過恒定距離所需時間不同的原理，從而具有較快的掃描速度以及較高的靈敏度。王思威等[20]利用高效液相色譜-四極桿TOF MS結合QuEChERS前處理技術，分析目標化合物特征離子的質量數、二級碎片以及保留時間信息，實現了對蜂蜜、蜂巢和荔枝花中農藥的非靶向檢測。該方法共篩查出多菌靈、毒死蜱、除蟲脲等8 種農藥，方法LOD為0.03～0.50 μg/kg，加標回收率為80%～96%，具有較高的靈敏度和回收率。Orbitrap是由一個中心電極和兩個外部電極組成，其利用離子在靜電作用下圍繞中心電極做圓周運動并在中心電極和外部電極之間振蕩，不同離子振蕩頻率不同的原理，得到離子質譜數據，具有靈敏度高、穩(wěn)定性好的優(yōu)點。Gómez-Pérez等[21]利用不同質譜儀對300 種農藥和獸藥進行分析，Orbitrap MS在靈敏度以及回收率等方面均優(yōu)于TOF MS。Saito-Shida等[22]對比了TOF MS和Orbitrap MS的分析結果，發(fā)現對于低含量（小于0.01 mg/kg）農藥殘留的檢測，Orbitrap MS的選擇性和靈敏度均略優(yōu)于TOF MS。可能是因為Orbitrap MS的分辨率更高，質譜窗口更窄。因此，Orbitrap MS比TOF MS更適用于復雜食品中多農藥殘留的高通量非靶向檢測。此外，將多維氣相色譜與高分辨質譜技術聯(lián)用可獲得更精準的質譜信息，實現多農藥殘留的高通量非靶向檢測[14]。

綜上所述，利用多維色譜技術、TOF MS以及Orbitrap MS等可開發(fā)高靈敏度、高通量、非靶向的多農藥殘留檢測方法。在色譜技術中，多維色譜的靈敏度優(yōu)于一維色譜；在質譜技術中，Orbitrap MS的靈敏度最高，其次為TOF MS。但多維色譜技術與高分辨質譜存在儀器昂貴，商品化質譜數據庫、快速數據分析算法和軟件缺乏等不足，因此在實際應用中普及度較低，未來可考慮將多維色譜以及高分辨率質譜技術與數據處理方法如化學計量學方法進行結合。

3 食品中多農藥殘留檢測中新型前處理方法的開發(fā)

樣品前處理是食品中多農藥殘留檢測的關鍵步驟。食品樣品具有復雜多樣性，傳統(tǒng)樣品前處理技術如勻漿法、索氏提取法、浸泡法存在操作時間長、有機試劑消耗量大、富集倍數低等缺陷。雖然液-液萃取（liquid-liquid extraction，LLE）、固相萃取（solid-phase extraction，SPE）以及QuEChERS等提取技術的建立促進了樣品前處理技術的發(fā)展，但是在提取效率、富集倍數、有機溶劑用量方面仍然具有一定局限性。針對以上問題，目前樣品前處理技術的創(chuàng)新主要集中以下兩方面：1）開發(fā)農藥提取技術，以富集食品中痕量農藥，提高農藥提取效率；2）開發(fā)新型環(huán)保的吸附材料，減少色素、脂類、水分等成分對目標農藥組分檢測的干擾，減少有機試劑的使用量。此外，樣品前處理技術正向微型化、自動化、環(huán)境友好化方向發(fā)展。

3.1 新型液相微萃取技術的開發(fā)

傳統(tǒng)LLE技術在農藥殘留檢測過程中需要大量的有毒、有害有機溶劑，且操作時間長、富集效率低[23]。科研人員在LLE技術的基礎上開發(fā)了液相微萃取（liquidphase microextraction，LPME）技術，并對其不斷進行創(chuàng)新，相繼開發(fā)了以下5 種新型LPME技術。分散液-液微萃取（dispersive liquid-liquid microextraction，DLLME）技術是利用萃取劑在分散劑的作用下形成分散細小的液滴，通過振蕩混合形成乳濁液，從而實現萃取，達到高度富集目標組分的目的[24]。單滴微萃取技術（single-drop microexteaction，SDME）通常可分為直接浸沒和頂空單滴兩種類型，前者將帶有萃取劑的進樣針穿過密封樣品瓶蓋，針尖浸沒于樣品溶液中，通過對樣品溶液升溫及攪拌加速，使目標組分進入進樣針針尖萃取液滴中；后者則將帶有萃取劑的進樣針懸浮于樣品溶液上方，通過對樣品溶液加熱，使目標組分揮發(fā)進入針尖萃取液滴中，實現目標組分高富集且高效環(huán)保的目的[25]。中空纖維液液微萃取技術（hollow fiber liquid-phase microextraction，HF-LPME）利用多孔的中空纖維為萃取溶劑載體，將目標組分萃取至中空纖維的孔腔內，達到高效萃取以及凈化的效果[26]。連續(xù)樣品滴流微萃取（continuous sample drop flow microextraction，CSDF-ME）采用與水互不相容且密度大于水的有機溶劑作為萃取溶劑，樣品水溶液在蠕動泵作用下持續(xù)通過窄針，在萃取溶劑中形成細小水樣液滴，達到高度濃縮的效果[27]。促進反應微萃取（promoted reaction microextraction，PRME）技術利用酸堿中和反應產生氣泡的原理，促進目標組分萃取至萃取溶液中，達到簡便、高效的萃取目的[28]。

表2對比了近年來開發(fā)的新型LPME方法。大多數LPME技術能與GC-MS等進行聯(lián)用，且具有操作便捷、富集倍數高、有機溶劑用量少等顯著優(yōu)點，但是仍然較難避免有害有機試劑的使用。目前常用于食品中農藥殘留分析中的萃取溶劑多為密度高于水的氯化溶劑，如三氯甲烷、四氯化碳、氯苯，或者密度低于水的非氯化溶劑，如正己烷以及十一醇。尋找更加環(huán)保的綠色溶劑至關重要。低共熔溶劑（deep eutectic solvents，DES）以低蒸氣壓、低毒、熱穩(wěn)定性好、可回收利用、易于生物降解等優(yōu)點得到了廣泛關注[29]。Mokhtari等[30]首次以有機磷酸鹽、二氯乙酸和癸酸為原料合成了一種新型環(huán)保的DES，并用作DLLME中的提取溶劑，實現了蜂蜜中8 種有機硫代磷農藥的萃取，前處理流程如圖2所示。將乙腈與蜂蜜樣品充分混合后，通過離心將乙腈從溶液中分離，采用有機磷酸鹽、二氯乙酸和癸酸混合加熱合成的DES作為DLLME過程中的萃取溶劑，在NaCl溶液中實現目標物的萃取。結果表明，該方法重復性好、靈敏度較高，具有較低的LOD（0.05～0.10 ng/g）和定量限（limit of quantification，LOQ）（0.19～0.36 ng/g）。為了進一步減少前處理過程中有害有機試劑的使用，Nemati等[31]首次將攪拌棒吸附萃取技術（stir bar sorptive extraction，SBSE）與固化懸浮有機液滴（solidification of floating organic droplet，SFO）-DLLME技術結合，制備兩種DES并作為SBSE步驟中的洗脫溶劑以及DLLME步驟中的萃取溶劑和分散劑，用于番茄樣品中酸性農藥的衍生化及檢測，提高了帶有羧基的酸性農藥的揮發(fā)性。DES更符合“綠色化學”的理念，且成本較低，在多農藥殘留檢測領域具有較好的應用前景。在今后的研究中，還需開發(fā)易商品化、毒害低的新型萃取材料，同時還需簡化操作步驟，建立自動化的提取技術。

表2 食品中農藥殘留檢測的新型液相微萃取技術Table 2 Novel liquid-phase microextraction techniques for the detection of pesticide residues in food samples

圖2 DES的合成及DLLME流程示意圖Fig.2 Schematic diagram of deep eutectic solvents synthesis and dispersive liquid-liquid microextraction procedure

3.2 新型固相微萃取技術的開發(fā)

相對于LLE，SPE操作時間較短。但傳統(tǒng)的SPE裝置單一，且依舊使用有毒有機溶劑，選擇性不夠好。因此，科研人員對SPE技術進行改進，主要可分為SPME[40]、SBSE[41]、基質固相分散萃取（matrix solidphase dispersion，MSPD）技術[42]。SPME是一種集采樣、萃取、預濃縮和進樣于一體的無溶劑萃取技術，通過萃取頭中含有聚合物涂層的纖維對復雜樣品基質中的目標組分進行萃取，實現樣品的自動化前處理。SBSE與SPME的原理相似，通過用聚合物涂覆的攪拌棒攪拌樣品溶液，達到高效、便捷萃取目標組分的目的。MSPD與SPME和SBSE不同的是，需要將樣品與萃取溶劑混合并研磨，再將混合物進行洗脫，從而使目標組分被充分萃取且與基質干擾物完全分離。如表3所示，新型SPE技術具有操作簡便、回收率高、靈敏度高的優(yōu)點，且大都能與GC-MS技術聯(lián)用，可以實現食品中多農藥殘留的檢測，但3 種方法仍存在纖維材料重復性較差、涂層種類有限、有機試劑消耗量大等不足。為了克服以上缺點，Liang Weiqian等[43]開發(fā)了一種天然的大麥殼生物材料碳（barley husk biomaterial carbon，BHBC）。如圖3所示，通過將大麥殼炭化，將制備的BHBC涂覆在腐蝕過的不銹鋼絲上，得到BHBC包覆的SPME纖維材料，從蔬菜樣品中提取了12 種農藥，回收率為76%～104%，相對標準偏差小于12%；實驗結果表明，對比常用的纖維材料，該纖維涂層多孔、粗糙，且不銹鋼絲穩(wěn)定性好，使用壽命長。dos Santos等[42]以天然海砂為固體載體，采用超聲波輔助MSPD對6 種果蔬中的36 種農藥進行提取，回收率為60%～140%，相對標準偏差小于20%。該方法操作簡便、環(huán)保，克服了傳統(tǒng)合成固體載體材料制作成本高、有機試劑消耗量大等缺點。綜上所述，以上開發(fā)的新型材料大多具有穩(wěn)定性好、有機溶劑量消耗少等優(yōu)點，且逐漸趨于天然化以及環(huán)保化。但是部分天然材料的制備操作仍較繁瑣，對實驗人員的專業(yè)技術有一定要求。因此，如何將此類天然材料開發(fā)成商業(yè)化的成品并用于多農藥殘留檢測中仍需進一步研究。

圖3 聚二甲基硅氧烷/BHBC的SPME纖維制備示意圖Fig.3 Schematic diagram of the preparation of SPME fiber with polydimethylsiloxane/barley husk biomaterial carbon (BHBC)

表3 食品中農藥殘留檢測的新型固相萃取技術Table 3 Novel solid-phase extraction techniques for the detection of pesticide residues in food samples

3.3 新型QuEChERS技術的開發(fā)

截至2021年11月，檢索Web of Science數據庫發(fā)現，基于QuEChERS提取技術的農藥殘留檢測實驗性論文共有2 738 篇。QuEChERS作為常用的樣品前處理技術，樣品的制備時間較短，溶劑與樣品的消耗量較少，并在有效減少雜質干擾的同時實現了不同化學基團農藥的高效提取[49-51]。但是QuEChERS技術富集倍數較低、凈化材料的選擇具有局限性。針對QuEChERS技術所存在的問題，科研工作者重點從QuEChERS與其他方法聯(lián)用以及凈化材料的開發(fā)兩方面開展了大量研究。

QuEChERS技術中常用的凈化材料有石墨化炭黑、伯仲胺、C18等。為了進一步提高QuEChERS的提取效率以及凈化效果，科研工作者開發(fā)了新型碳納米管材料[52]以及石墨烯材料[53]等微型化材料。此類材料除雜效果好，但較難合成，且價格較高。為此，Wang Jun等[54]開發(fā)了一種基于可切換溶劑的QuEChERS方法，采用正十八胺作為凈化材料。通過高溫與低溫下正十八胺形態(tài)的改變，以DLLME形式吸附樣品中的雜質，有效減少基質干擾，實現了水果和蔬菜中16 種農藥的檢測。研究結果表明，與伯仲胺和C18等傳統(tǒng)材料相比，正十八胺具有更好的凈化效果。除此之外，將DLLME代替分散固相萃取的凈化步驟，與QuEChERS技術聯(lián)合使用，可以提高QuEChERS技術對目標分析物的富集度，加快提取效率。Mao Xuejin等[55]為了克服QuEChERS技術富集效率低以及DLLME技術中使用有毒溶劑、有機相收集困難等缺點，將QuEChERS和DLLME-SFO進行結合，使用低毒性的乙醇和非氯化溶劑的正十六烷作為分散劑和提取溶劑，成功實現了蔬菜中8 種農藥的檢測，回收率為61.6%～119.4%，LOD與LOQ分別為0.3～1.5 μg/kg和0.9～4.7 μg/kg。前處理流程如圖4所示。此外，Qin Yuhong等[56]開發(fā)了基于QuEChERS技術的自動多塞過濾凈化方法，實現了對獼猴桃中33 種農藥的檢測。相比于傳統(tǒng)的QuEChERS技術，該方法易于自動化且操作簡單。綜上所述，QuEChERS與其他微型化提取技術特別是DLLME進行聯(lián)用時，能有效減少雜質干擾，實現農藥殘留的高效提取。此外，所開發(fā)的凈化和提取材料朝著低毒性、微型化、易于提取的方向發(fā)展。

圖4 DLLME-SFO-QuEChERS示意圖Fig.4 Schematic diagram of dispersive liquid-liquid microextraction(DLLME)-solidification of floating organic droplet (SFO)-QuEChERS

3.4 其他前處理技術的開發(fā)

微波輔助提取技術作為一種常用的輔助提取技術，可加快提取速度，提高提取效率。Wu Lijie等[57]開發(fā)了一套簡單、高效與環(huán)保的微波集成處理系統(tǒng)（圖5），將動態(tài)微波輔助萃取與微波加速溶劑洗脫兩個過程結合，用于5 種蔬菜中6 種有機磷農藥殘留的提取，縮短了提取時間并減少了溶劑消耗。超聲輔助提取技術也可用于農藥殘留的提取[58]。其利用空化效應增大目標分析物進入萃取溶劑的速度以及效率。加速溶劑提取技術通過在較高的溫度（50～200 ℃）以及壓力（10～15 MPa）下，同樣能實現農藥殘留的快速提取[59-60]。然而，盡管樣品前處理技術種類豐富，但由于農藥種類繁多，尚無一種通用的樣品前處理方法以實現大部分農藥殘留的檢測，且不同食品基質不同，不同樣品前處理的適用性也不同。

圖5 集成微波處理系統(tǒng)示意圖Fig.5 Schematic diagram of the integrated microwave processing system

4 食品中多農藥殘留檢測化學計量學方法的開發(fā)

色譜-質譜聯(lián)用技術具有較強的分離能力。但是由于食品樣品的復雜性，實現復雜樣品中各組分有效分離仍然是一個巨大的難題。除此之外，檢測信號中容易出現譜峰重疊、噪聲以及背景基線干擾問題。分析儀器的改進以及新型前處理技術的開發(fā)仍無法完全解決這些問題。不同于實驗手段，化學計量學方法利用“數學分離”的思想，可以實現復雜信號解析以及目標組分的信息提取，并實現組分的定性定量分析[61-63]。針對復雜色譜-質譜信號中存在的問題，科研人員已建立了多種化學計量學方法，如多元曲線分辨-交替最小二乘法（multivariate curve resolution-alternating least squares，MCRALS）[64-65]、免疫算法（immune algorithm，IA）[66-67]以及基于化學因子分析（chemical factor analysis，CFA），并將其用于食品中多農藥殘留檢測。但傳統(tǒng)化學計量學方法解析效率低、準確率較差，且參數較多，難以實現食品中多農藥殘留高通量非靶向檢測。為了彌補這些不足，開發(fā)自動化、高通量的解析算法逐漸成為科研工作者研究的熱點。如圖6所示，食品中多農藥殘留檢測中的化學計量學方法主要包括4 個部分：色譜峰識別、背景及基線漂移校正、色譜峰漂移校正以及重疊色譜峰的解析[68]。目前的研究重點主要集中在色譜峰的識別以及重疊色譜峰的解析等兩方面，前者可以實現農藥殘留的定性檢測，后者可以實現農藥殘留的定量分析。

圖6 色譜數據自動化分析程序Fig.6 Flow chart of automated chromatographic data analysis

4.1 色譜峰識別中的化學計量學方法

色譜峰的準確識別是多農藥殘留定性分析的基礎。如果所有組分完全分離，則每一個色譜峰對應一個組分。但是由于食品樣品的復雜性，信號中易出現譜峰漂移、譜峰重疊以及不規(guī)則峰形等現象，利用此類信號無法實現農藥殘留的準確定性分析。此外，農藥種類眾多，僅用人工手段以實現農藥非靶向檢測費時費力。Miao Lingni等[69]和本課題組[70]前期分別提出了用于農藥殘留非靶向檢測的化學計量學方法，利用TTFA算法或ITTFA算法結合農藥標準質譜庫，將解析得到的質譜數據與質譜庫進行自動化比對以實現農藥殘留的非靶向檢測。然而，如果樣品組分種類較多時，需利用標準樣品確定目標組分的洗脫區(qū)域才能實現計算，因而較難實現復雜食品樣品中農藥殘留的高通量非靶向檢測。因此，本課題組提出了移動窗口目標轉換因子分析（moving window target transformation factor analysis，MWTTFA）方法[71]。通過結合移動窗口與TTFA算法的優(yōu)勢，自動判定目標農藥是否存在，得到其洗脫時間區(qū)域，從而實現農藥殘留的高通量非靶向檢測。然而利用MWTTFA對更為復雜的樣品數據進行解析時，容易出現誤判，無法實現農藥殘留的準確定性分析。因此，本課題組再次對MWTTFA進行改進，提出了改進的MWTTFA方法，并結合所創(chuàng)建的農藥標準質譜庫實現了17 種有機磷農藥以及51 種農藥的快速定性分析[72]。結果表明，利用所建立的改進的MWTTFA算法，標準洗脫與快速洗脫條件所得到的定性結果一致，實現了多農藥組分的快速定性分析。但是，該方法無法實現質譜相似組分，特別是同分異構體的準確定性分析，還需進一步改進。

4.2 重疊色譜峰解析中的化學計量學方法

科研工作者開發(fā)了一系列色譜峰解析算法以實現食品中多農藥殘留的準確定量分析。本課題組將MWTTFA和非負免疫算法（non-negative immune algorithm，NNIA）結合，首先利用MWTTFA結合標準質譜庫篩選可能存在的農藥殘留組分，再用NNIA算法實現重疊譜峰的準確解析[71]。結果表明，該方法可以在洗脫10 min內得到17 種和42 種農藥組分的色譜以及質譜信息。Wu Xi等[73]將獨立成分分析、ITTFA以及NNIA結合，建立了一種用于農藥殘留非靶向檢測的化學計量學方法，在快速升溫程序下實現了53 種農藥色譜峰的快速解析。Xia Zhenzhen等[74]采用目標波段熵最小化算法結合GC-MS，無需利用質譜庫的質譜信息便可實現18 種有機磷農藥色譜峰的準確解析。化學計量學方法種類豐富，但往往參數較多，且對操作人員的經驗有較高的要求。因此需要開發(fā)自適應算法，在減少參數的同時可得到最佳檢測效果。此外，對于基質更為復雜的樣品，還應將新型前處理技術與化學計量學方法相結合以實現復雜樣品中多農藥殘留的準確檢測。

5 結 語

農藥殘留帶來的食品安全問題愈發(fā)嚴峻，亟需開發(fā)高靈敏度、高通量、非靶向的農藥檢測新方法。色譜-質譜聯(lián)用技術兼具色譜的分離能力和質譜的定性能力，能有效分離復雜樣品中的農藥組分，又能實現多種農藥及干擾組分的快速定性分析，靈敏度高、重現性好。但是食品中多農藥殘留檢測依舊存在農藥殘留量低、食品基質復雜、檢測時間較長等問題。針對這些問題，目前研究重點主要集中在以下幾點：一是分析儀器的改進，利用多維色譜技術與高分辨質譜以實現復雜食品樣品中多農藥殘留的高通量檢測；二是新型樣品前處理技術的開發(fā)，開發(fā)選擇性與靈敏度更高的微型、環(huán)保的前處理技術與吸附材料；三是化學計量學的優(yōu)化，開發(fā)快速、高效、自動化色譜質譜數據定性定量分析算法。然而，目前的檢測技術仍有以下幾點不足：一是分析儀器成本高；二是所開發(fā)的新型前處理技術廣適性和吸附材料商品化程度較低；三是大多化學計量學方法無法實現質譜相似組分，特別是同分異構體的準確分析。綜上所述，雖然基于色譜-質譜技術的食品中多農藥殘留高通量非靶向檢測技術尚有不足，但是其發(fā)展前景廣闊。隨著市場需求和技術的革新，未來還需要將多維色譜、高分辨質譜聯(lián)用、高效環(huán)保的前處理方法與自適應化學計量學分析算法有機結合，推動食品中農藥多殘留高通量非靶向檢測的發(fā)展。