日本語AIでPubMedを検索
屋内の粉塵中の汚染物質分析のための液体クロマトグラフィーイオンモビリティー高分解能質量分析装置。識別と予測能力
Liquid chromatography-ion mobility-high resolution mass spectrometry for analysis of pollutants in indoor dust: Identification and predictive capabilities.
PMID: 32674776 DOI: 10.1016/j.aca.2020.05.052.
抄録
粉塵分析は、難燃剤や殺虫剤などのさまざまな汚染物質クラスに対する屋内環境での人間の曝露の程度を評価するための手段となります。高分解能質量分析計 (HRMS) を使用して汚染物質のプロファイルをより正確に把握するための非標的測定への関心が高まっています。しかし、これらの研究では、特に本物の標準物質が入手できない場合、提案された同定の信頼性を評価するという課題に直面しています。ここでは、データに依存しない LC-HRMS アプローチを使用して、さまざまな屋内環境（産業用電子廃棄物処理および家庭用）を表すダスト抽出物の高濃度環境汚染物質の分析を実証し、イオンモビリティー分析（IMS）を組み込んで複雑なサンプルの特性評価機能を追加しました。正確な質量前駆体および生成物イオン測定とイオンモビリティー由来の衝突断面積（CCS）測定を組み合わせた質量前駆体および生成物イオン測定を使用して、ターゲット処理と非ターゲット処理の両方のアプローチに基づいて、29種類の外来生物化合物を同定しました。CCS値測定の再現性と、比較された真正な標準物質に対する平均相対誤差0.38%の特性は、様々な発表された研究と一致しており、ロバストな測定特性を示しています。CCS値は、気相測定がそのような変化の影響を受けないため、最初のダスト分析後に別のクロマトグラフィー法を使用して確認する場合に特に有用でした。次に、観測された化合物のCCS値を、2つの異なる機械学習ベースの予測技術を用いて得られた予測CCS値と比較しました。1つの予測プログラムの結果は、非標的分析における化合物同定を支援するために、これらのモデルを使用する有望な方法を示しています。
Dust analysis provides a means to assess the degree of exposure of humans in an indoor environment to various contaminant classes such as flame retardants, pesticides and others. There is increasing interest in non-targeted acquisitions using high resolution mass spectrometry (HRMS) to better capture the contaminant profile. However, these studies are confronted with the challenge of assessing confidence in proposed identifications, particularly when authentic standards are not available. Here, we demonstrate the analysis of dust extracts representing various indoor environments (industrial e-waste processing and domestic) for high-abundance environmental contaminants using a data-independent LC-HRMS approach, incorporating ion mobility spectrometry (IMS) to provide additional characterization capability for the complex samples. Twenty-nine xenobiotic compound identifications were made based on both targeted and non-targeted processing approaches using accurate mass precursor and product ion measurement combined with an ion mobility derived collision-cross section (CCS) determination. Characterization of the repeatability of CCS value measurements and their average relative error to compared authentic standards of 0.38% were consistent with various published studies and represent a robust measurement property. CCS values were particularly useful in cases where confirmation after the initial dust analysis was performed using a different chromatographic method, due to the gas-phase measurement being unaffected by such changes. Observed compound CCS values were then compared to predicted CCS values obtained using two different machine-learning based predictive techniques. Results from one of the predictive programs indicates a promising avenue for use of these models for supporting compound identification in non-targeted analyses.
Copyright © 2020 Elsevier B.V. All rights reserved.