综述：高分辨率质谱技术推动消毒副产物研究进展

《Current Opinion in Environmental Science & Health》：High-Resolution Mass Spectrometry to advance DBP research

本综述系统梳理了高分辨率质谱（HRMS）在消毒副产物（DBP）研究中的最新应用（主要涵盖2023年至今），重点阐述了其在新型DBP发现、前体物识别、形成机制解析及毒性作用模式阐明等方面的突破性贡献，并深入探讨了样品处理、分析仪器及数据挖掘过程中的技术创新、现有局限与未来挑战，为领域内科研人员提供了前瞻性指导。

　　

引言

饮用水的微生物安全通常通过消毒来保障，但化学消毒剂会与水中的有机物和无机离子反应，生成消毒副产物。自1974年在氯化水中首次发现三卤甲烷以来，已有超过700种DBPs被报道。然而，已知的DBPs（通常含有一到两个碳原子）仅占氯化水中卤化物质的30%左右，其中不到20%能被准确定量，全球范围内受监管的更是不到二十种。更重要的是，已知DBPs并不能完全解释消毒水样中DBP混合物的总毒性。因此，发现未知DBPs对于理解和评估消毒水的潜在风险至关重要。

质谱技术一直是DBP研究的基石。过去十年间，（超）高分辨率质谱在科研实验室的普及极大地推动了该领域的进展。与低分辨率质谱相比，（U）HRMS具有更高的分辨率（半高全宽≥10,000，而低分辨率仅为1000-5000），这意味着其能提供极其精确的质量测量，误差在低ppm甚至亚ppm水平。因此，HRMS能够测定样品中可电离化合物的精确质量，从而为单同位素分子离子和同位素体分配分子式。

DBP发现

HRMS已广泛应用于DBP的发现，大部分努力集中在揭示DBP混合物中的未知部分，这部分被认为是重要的毒性贡献者。当前DBP发现的一个主要空白是高分子量DBPs（含有超过两个碳原子的分子，它们可能最终转化为已知的C1和C2 DBPs）的表征。这归因于其多样性和复杂的结构、消毒过程中前体物发生的复杂聚合和缩合反应，以及当前分析测定面临的挑战。

气相色谱（GC）和液相色谱（LC）均可与HRMS联用进行DBP发现。然而，最近的研究更多由LC-HRMS驱动，主要关注HMW、高极性、非挥发性和热不稳定性DBPs的发现。例如，利用GC-HRMS发现了卤代苯胺、卤代环戊二烯和氯苯二酚等挥发性及热稳定性DBPs。而LC-HRMS非靶向筛查则促进了氯化天然有机物过程中高分子量氯化及溴化羧酸的发现，并将已知卤代苯醌的种类从15种扩展到46种。此外，LC-HRMS还有助于识别源自新兴微量污染物（如甲基帕拉苯、BP4、各种雌激素等）的DBPs。

拓展DBP研究的化学空间

样品处理和分析技术的创新有助于拓展传统GC和LC-MS方法通常覆盖的化学空间，从而发现新的DBPs。例如，顺序固相萃取（SPE）能够收集具有不同酸碱性质的化合物，从而识别出更多的含氮DBPs。针对高极性DBPs的分析，提出了反应性导向固相萃取（SPREx）等新方法，用于捕获水中的羰基化合物。超临界流体色谱与HRMS联用，以及纳升液相色谱与傅里叶变换离子回旋共振质谱（FT-ICR-MS）联用，也为特定类型DBPs的分析提供了新途径。

在电离技术方面，基质辅助激光解吸电离（MALDI）被用于获取HMW DBPs的单电荷离子，克服了电喷雾电离（ESI）产生的多电荷离子谱图复杂的局限性。此外，在FT-ICR-MS数据处理中使用吸收模式而非扩展幅度模式，可以提高信噪比和分辨率，从而识别出更多的DBP分子式，特别是含氯DBPs。

HRMS数据挖掘

从复杂的HRMS数据中提取相关信息需要实施数据挖掘策略。常用的DBP发现数据处理方法包括同位素模式分析、质量缺陷分析、基于碎片的分析以及用于特征优先级的机器学习模型。

针对含氯和溴的DBPs，其识别基于其特征性的同位素强度模式和负质量缺陷。为了提高识别准确性，开发了名为HalogenFinder的多阶段机器学习模型云平台，该平台通过平衡使用重同位素峰的益处和从共洗脱化合物中提取这些峰的风险，降低了假阳性率。对于仅含碘的DBPs，由于碘只有一个稳定同位素，无法使用同位素模式分析，研究人员训练了随机森林模型，基于MS2碎片模式来识别碘代DBPs。

特征性碎片离子也被用于过滤HRMS数据以发现DBPs。例如，通过筛选具有卤素特征同位素模式的特征，并结合卤代核碱基的特征碎片离子，发现了卤代核苷。片段链表征算法也被用于改进LC-HRMS数据中的DBP注释率，并链接DBPs与其前体物。

此外，通过文献综述或DBP生成潜能测试，创建了特定的DBP库或可疑列表，以辅助结构鉴定。然而，这些库目前仍不完整，难以覆盖消毒水中可能形成的所有化学物质。

HRMS与智能实验策略结合用于DBP发现

与传统的DBP发现实验方法（即分析经传统SPE或液液萃取浓缩的对照水和消毒水）不同，智能工作流程依赖于效应导向或反应性导向方法，和/或反应产物的同位素标记。

效应导向分析（EDA）将生物效应评估与化学分析相结合，以识别观察到的生物效应的毒性驱动因子。应用EDA揭示，芳香族卤代DBPs对海洋多毛类胚胎发育毒性的贡献大于脂肪族DBPs，并且氯（胺）化水中分子量低于1 kD的组分表现出最高的预测硫醇反应性细胞毒性和直接遗传毒性。

非靶向筛查HRMS分析也与所谓的反应性导向分析（RDA）相结合。RDA不依赖于生物测定，而是使用模拟与生物分子反应的化学探针。例如，开发了一种硫醇探针（轻重同位素标记的谷胱甘肽GSH）来识别硫醇反应性（即有毒）的DBPs。该策略允许根据DBPs的硫醇反应性（反映在相应DBP-GSH加合物的丰度上）对其进行优先级排序。

同位素标记也被用于发现含氨基化合物，即使用甲醛和氘代甲醛对氨基进行甲基化，然后通过特征性质谱双峰进行识别。

HRMS在DBP领域的其他应用

除了发现特定DBPs，非靶向（U）HRMS还被广泛应用于表征溶解性有机物（DOM）并研究其在消毒处理过程中的变化。结合机器学习模型，非靶向（U）HRMS表征DOM已被提议作为预测DBP形成的强大工具。

HRMS与质量差异和相关分析相结合，考虑到卤素取代和加成反应，已成功用于识别DOM消毒过程中的DBP前体物和主要形成途径。

通过非靶向（U）HRMS评估消毒过程中DBP物种随时间的变化，并结合量子和理论化学计算，有助于提供DBP形成和稳定性的机理见解。这些应用产生的知识为控制相关DBPs在消毒过程中的形成奠定了基础，并揭示了有毒DBPs在水中的归趋（持久性）。例如，研究表明，常用的淬灭剂（如Na₂S₂O₃、Na₂SO₃和抗坏血酸）存在下，总有机卤素（TOX）会分解，GC×GC-HRMS揭示其原因是溴代DBPs发生了还原脱卤。

HRMS也有助于阐明DBP的毒性机制。例如，通过基于HRMS的多策略方法（包括基于一般代谢途径的疑似代谢物筛查、已知亚结构碎片分子的非靶向数据过滤以及基于谱图相似性的分子网络搜索不可预测代谢物）识别了代谢产物。对已识别代谢物的毒性评估揭示了脂肪酸缀合物是毒性最强的关键代谢物。非靶向筛查HRMS还揭示了卤乙腈与人蛋白硫醇的反应性，以及哺乳动物细胞暴露于特定DBPs后脂质组和蛋白质组的变化。

展望与未来前景

近年来，HRMS在水消毒和DBP研究领域的应用呈指数增长，极大地促进了新DBPs和DBP形成机制的发现。然而，在识别消毒水中有毒DBPs方面，仍存在一些挑战需要克服。为了覆盖DBPs的化学多样性，需要使用多维提取方法和互补的分析技术。EDA和RDA虽然在该领域应用尚处于起步阶段，但却是识别有毒DBPs的有效策略。

虽然非靶向筛查HRMS可以覆盖广泛的化学物质，但由于化合物离子化的差异以及对低丰度DBPs灵敏度不足，所获结果的重复性受到限制。因此，基于非靶向筛查HRMS的协议需要标准化以便进行数据比较。通过引入离子迁移谱（IMS）可以提高HRMS分析的灵敏度，IMS有助于降低分析背景噪声，提供额外的维度（碰撞截面）用于鉴定，并有助于区分共洗脱的异构/同量异位素化合物，从而显著减少假阳性报告。

HRMS产生了宝贵的数据，这些数据也可以进行回顾性分析。然而，需要智能的数据过滤工作流程和大型、特定的质谱库（尤其是针对LC-HRMS数据）来提取相关信息并加速数据处理过程。最近开发的特定开源代码可以促进卤代DBP发现的数据挖掘。机器学习模型的集成可以辅助特征选择并降低化合物注释的假阳性率。