机器学习辅助微型常压质谱快速精准鉴定生物样本中的新型精神活性物质

《Microchemical Journal》：Machine learning-assisted identification of new psychoactive substances in biological sample using miniaturized ambient mass spectrometer

本研究开发了一种沟槽式刀片喷雾电离（GT-BSI）与微型质谱（mini-MS）联用技术，结合线性回归（LR）机器学习模型，实现了毛发中依托咪酯等新型精神活性物质（NPS）的高灵敏检测（LOD低至0.018–0.034 ng/mg）与精准分类（验证准确率达97.88%），为法医毒理学现场高通量筛查提供了创新解决方案。

　　

^亮点

^{化学品与材料}

新型精神活性物质（NPS）（包括依托咪酯、美托咪酯和替来他明）及甲基苯丙胺甲醇溶液（100 ppm）购自上海源思生物技术有限公司。所有溶剂（甲醇、乙腈、乙酸乙酯和乙醇）均为HPLC级，购自美国TEDIA公司。用于制备GT-BSI的导电箔（厚度：0.03毫米）采购自宁波永创科技有限公司。

为制备毛发基质样本混合物，选取100份空白毛发...

^{GT-BSI的构建}

为实现更高的电离效率、改善信号稳定性并提升定量性能，需优化多个参数以确保高效的电荷转移和稳定的喷雾生成。选择甲基苯丙胺（100 ppb）作为测试物质，其母离子m/z为150，碎片离子m/z为119.0和91.3。GT-BSI的沟槽角度和断裂角度在影响电场分布方面起关键作用（图2a），这直接影响了电离性能。

^结论

本研究展示了一种改进的GT-BSI与微型质谱（mini-MS）联用技术，该技术具有分析速度快、稳定性高的优势，能够实现对三种新型精神活性物质（NPS）的高灵敏度检测。为优化电极刀片的电场分布，通过实验和理论验证，采用120°断裂角和90°沟槽角的GT-BSI可在电离效率和稳定性之间取得平衡。在最优参数下，所提出的方法在速度和稳定性方面展现出显著优势，为生物样本中NPS的快速鉴定和定量提供了高效、准确的解决方案。