《Journal of Chromatography A》：Molecular Characterization of Natural Organic Matter Using Complementary Liquid Chromatography–Mass Spectrometry and Gas Chromatography–Mass Spectrometry Techniques
编辑推荐：
本研究采用液相色谱-轨道阱质谱（LC-Orbitrap MS）和热解-气相色谱-质谱（Py-GCMS）分析不同来源天然有机物（NOM）的分子组成，比较固体相位萃取（SPE）前后的检测结果。结果显示，SPE降低了分子特征数量（33.8-68.4%），影响脂类、蛋白质和碳水化合物的检测结果；LC-Orbitrap MS（SPE）侧重低分子量成分，而Py-GCMS（无SPE）检测到更多高分子量组分如木质素和PAOs。两种方法互补，表明整合多种分析技术对全面理解NOM至关重要。
Liza Saharani Hamzah|Mi-Jin Choi|Seungyun Baik|Sungyun Lee|Gary Amy|Jongkwan Park
韩国庆尚南道昌原市昌原国立大学环境与能源工程系，邮编51140
摘要
鉴于天然有机物（NOM）对水质和处理过程的影响，了解其性质在水化学研究中至关重要。然而，NOM的异质性给分析带来了挑战。为了解决这些问题，我们采用了液相色谱-轨道阱质谱（LC–Orbitrap MS）和热解-气相色谱-质谱（Py–GCMS）技术对NOM样品进行了分子表征：包括苏万尼河NOM（SRNOM）、苏万尼河腐殖酸（SRHA）、苏万尼河富里酸（SRFA）以及Aldrich腐殖酸（HAA）。LC–Orbitrap MS是一种高分辨率、非破坏性的分析方法，而Py–GCMS则能够表征高分子量（HMW）和热稳定的化合物。通过比较有无固相萃取（SPE）的处理结果，我们研究了这两种方法之间的差异和互补性。SPE使检测到的分子特征数量减少了33.8–68.4%，这表明在降低噪声与保留未被萃取柱截留的组分之间存在明显的权衡。LC–Orbitrap MS结合SPE能够揭示低分子量组分（<500 Da）的信息，结果显示这些组分中的脂质、蛋白质和木质素含量高于未使用SPE的样品；而未使用SPE的Py–GCMS则能检测到更广泛的分子大小和化学成分，包括木质素和多环芳烃氧化物（PAOs）等高分子量化合物。对生物聚合物组成的比较表明，未使用SPE的Py–GCMS得到的结果为木质素 > 碳水化合物（多糖（PS）、氨基糖） > 蛋白质 > 脂质，而使用SPE的LC–Orbitrap MS得到的结果为木质素 > 蛋白质 ≈ 脂质 > 碳水化合物。这些结果突显了每种分析方法的独特覆盖范围，并强调了整合多种分析方法以全面理解NOM的重要性。
章节摘录
引言
天然或溶解有机物（NOM或DOM）在水生环境中普遍存在，它支持微生物生长、促进金属迁移，并作为碳和能量的来源[1]。然而，NOM在水处理过程中带来了挑战，尤其是在影响水质颜色、味道以及消毒副产物（DBPs）的形成方面[2]。因此，了解NOM的性质对于表征水质至关重要；但由于其复杂性，其分析仍然具有挑战性。
样品和试剂
标准NOM材料（包括SRHA标准III、SRFA标准III和SRNOM）购自国际腐殖质学会（IHSS），而HAA则来自Sigma-Aldrich公司。值得注意的是，SRHA、SRFA和SRNOM是从水生环境中提取的，而HAA则来自土壤。SRHA和SRFA是通过XAD（聚苯乙烯基非极性）树脂提取的，而SRNOM是通过反渗透（RO）技术浓缩得到的。所有材料都易溶于水。样品特性
样品表征结果总结在表1中。值得注意的是，SUVA254是一种广泛用于表征NOM芳香性的指标，在本研究中被选中是因为它在多种环境研究中的可靠性已得到验证[8,5]。该指标与NOM在254 nm处的特定吸光度呈正相关，较高的值（>4 L/m·mgC）表明较高的芳香性含量（主要是水生腐殖物质）、高分子量和更高的疏水性。结论
固相萃取（SPE）的选择性富集或排除了某些分子组，从而影响了SRNOM、SRHA、SRFA和HAA样品的组成和结构。尽管SPE处理提高了某些化合物的检测灵敏度，但在某些情况下，不进行SPE处理反而能更好地捕捉NOM的分子多样性。通过比较SPE处理前后的样品，本研究发现了关键差异，并阐明了选择性处理的影响。
作者贡献
Liza Saharani Hamzah负责实验并撰写了手稿。Jongkwan Park设计并监督了整个研究。Mi-Jin Choi和Seungyun Baik、Sungyun Lee以及Gary Amy对手稿进行了修订。所有作者均批准了最终版本的手稿。注释
作者声明没有竞争性财务利益。支持信息：相关支持信息可在出版社网站上免费获取。未引用参考文献
[31]
图S1.1：所选NOM的Van Krevelen图谱。a) 类氨基糖物质，b) 类碳水化合物物质，d) 类脂质物质，c) 类木质素物质，e) 类肽物质，f) 类单宁物质。
作者贡献声明
Liza Saharani Hamzah：撰写初稿、数据可视化、正式分析。Mi-Jin Choi：数据可视化、方法论设计、概念构建。Seungyun Baik：撰写、审稿与编辑、方法论调整。Sungyun Lee：撰写、审稿与编辑、研究监督。Gary Amy：撰写、审稿与编辑。Jongkwan Park：撰写、审稿与编辑、研究监督、概念构建。利益冲突声明
作者声明没有已知的竞争性财务利益或个人关系可能影响本文的研究结果。致谢
本研究得到了昌原国立大学在2025~2026年的支持。
