一种基于超高效液相色谱高分辨率质谱的全氟化合物非靶向定量方法技术

本发明专利技术公开了一种基于超高效液相色谱高分辨率质谱的全氟化合物韭靶向定量方法，属于分析化学领域。其步骤为：样品前处理；上机检测：通过超高效液相色谱

【技术实现步骤摘要】
一种基于超高效液相色谱高分辨率质谱的全氟化合物非靶向定量方法


[0001]本专利技术属于分析化学领域中，具体的说，涉及一种基于超高效液相色谱高分辨率质谱的全氟化合物韭靶向定量方法。

技术介绍

[0002]PFASs是一类人工合成的包含碳氟骨架(CnF
2n+1
)和其他亲水官能团的表面活性剂，由于其良好的热稳定性，表面活性和疏水疏油的特性，被广泛应用于消防、皮革，农药及电镀行业，自20世纪50年代开始，PFASs被大量生产。直到2001年，PFASs在动物体内普遍检出，并且发现其持久性和生物蓄积性，PFASs才逐渐引起各国的关注。由于潜在风险，PFOS及其前体化合物于2009年被列入斯德哥尔摩公约，PFOA于2019年纳入斯德哥尔摩公约，以限制他们的使用。随着传统PFOS与PFOA的禁用，其替代品短链PFASs与其他新型PFASs作为替代品进入工业生产。目前针对PFASs的研究主要针对传统的PFOS与PFOA,对新型PFASs替代品的研究较少。非靶向分析技术的发展弥补了这一缺点，可以快速筛选可能存在的全氟化合物。
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于超高效液相色谱高分辨率质谱的全氟化合物非靶向定量模型，其特征在于：包括以下步骤：(A)样品前处理：将全氟化合物标准品配制稀释不同梯度浓度并进样；(B)上机检测：通过超高效液相色谱
‑
四极杆轨道离子阱质谱对样品进行测定；(C)全氟化合物电离效率值测定；(D)获得全氟化合物的结构表征方法：分子指纹；(E)机器学习建模及评估：建立分子指纹预测电离效率的机器学习模型；(F)模型应用：在实际样品中添加少量不同标准品，检测标准品峰面积，通过峰面积与浓度标准曲线获得相对电离效率logRF，拟合logRF与模型预测电离效率获得实际样品电离效率校正曲线，根据实际样品目标物质峰面积进行非靶向定量。2.根据权利要求1所述的基于超高效液相色谱高分辨率质谱的全氟化合物非靶向定量模型，其特征在于：所述步骤(C)中，利用TraceFinder软件依据母离子精确质量于样品中精准筛查目标化合物，获得定量曲线，根据线性结果剔除部分全氟化合物(R^2<0.95)。3.根据权利要求1或2所述的基于超高效液相色谱高分辨率质谱的全氟化合物非靶向定量模型，其特征在于：所述步骤(C)中，根据化合物的响应值大小选取标定化合物，根据待测化合物与标定化合物PFOA的定量标准曲线斜率比值取对数计算相对电离效率值，进而计算所有化合物的电离效率。4.根据权利要求3所述的基于超高效液相色谱高分辨率质谱的全氟化合物非靶向定量模型，其特征在于：所述步骤(E)中，使用不同的评估方法预测不同机器学习模型的预测误差，选取最优的预测...

【专利技术属性】
技术研发人员：韦斯，刘军，于南洋，王学兵，焦昭钰，
申请(专利权)人：南京大学，
类型：发明
国别省市：