《Journal of Choice Modelling》：Development of an effective method for biomonitoring of per- and polyfluoroalkyl substances and phthalate diesters and monoesters in human hair using liquid chromatography coupled with tandem mass spectrometry
编辑推荐：
本研究开发了基于超高效液相色谱-电喷雾串联质谱法（UPLC-ESI-MS/MS）同时测定24种邻苯二甲酸酯及其单酯和36种全氟多氟烷基化合物的方法。通过超声溶剂提取和分散固相萃取净化，验证显示回收率77%-117%，相对标准偏差低于20%。检测限为0.042-24 ng/g（邻苯二甲酸酯类）和0.002-1.25 ng/g（全氟化合物）。该方法应用于头发样本分析，发现DEHP和MEHP为邻苯二甲酸酯类主要成分，PFOA和PFOS为全氟化合物主要成分，证实该方法在人体毛发生物监测中可靠有效。
王慧阳|叶冠西|张启辉|李宗瑞|杨慧|周颖|徐森豪|王静鑫|余云江
广东药科大学公共卫生学院，中国广州510310
摘要
人类头发作为一种经过验证的非侵入性生物监测工具，可用于评估人体对特定新兴污染物的暴露情况。在本研究中，基于超高效液相色谱-电喷雾串联质谱（UPLC-ESI-MS/MS）技术，开发并验证了一种有效且可靠的方法，用于同时测定人类头发中的24种邻苯二甲酸酯（PAEs）和单酯（mPAEs）以及36种全氟和多氟烷基物质（PFASs）。样品制备过程包括头发的清洗和研磨、超声溶剂萃取以及分散固相萃取（d-SPE）净化。该方法通过空白样品和添加内标的实验进行了验证。结果显示，PAEs和mPAEs的回收率在77%至117%之间，相对标准偏差（RSD）低于20%；PFASs的回收率在83%至117%之间，RSD也低于20%。所有内标的回收率均在82±2%至105±5%之间。PAEs和mPAEs的检测限（LODs）分别为0.042至24 ng/g，PFASs的检测限为0.002至1.25 ng/g。该方法应用于实际头发样本的分析，结果显示DEHP和MEHP是主要的PAEs和mPAEs化合物，而PFOA和PFOS是最丰富的PFASs。该方法在PFASs和PAEs的生物监测分析中表现出良好的稳定性。
章节摘录
1. 引言
邻苯二甲酸酯（PAEs）是一类合成化学品，以其耐久性、稳定性和在塑料软化中的灵活性而闻名，广泛用作建筑材料、粘合剂、医疗器械、食品包装、玩具、服装和个人护理产品等众多产品中的增塑剂[[1], [2], [3]]。PAEs可以在体内代谢或在体外降解，生成邻苯二甲酸单酯（mPAEs）[4,5]。许多研究都报告了这两种物质的广泛存在。
试剂和材料
邻苯二甲酸酯标准混合物（包括邻苯二甲酸二甲酯（DMP）、邻苯二甲酸二乙酯（DEP）、邻苯二甲酸二烯丙酯（DAIP）、邻苯二甲酸二丙酯（DPrP）、邻苯二甲酸二丁酯（DBP）、邻苯二甲酸二戊酯（DPeP）、邻苯二甲酸二苯酯（DPP）、邻苯二甲酸二环己酯（DCHP）、邻苯二甲酸二己酯（DHxP）、邻苯二甲酸二苄酯（DBzP）、邻苯二甲酸二（2-乙基己基）酯（DEHP）、邻苯二甲酸二异己基酯（DiHxP）、邻苯二甲酸二异丁基酯（DiBP）和邻苯二甲酸二异戊基酯（DiPeP）购自AccuStandard（康涅狄格州纽黑文）。仪器方法的优化
仪器参数根据之前针对目标分析物的验证方法进行调整[37,38]。通过使用单个分析物标准品优化了质谱参数，包括MS/MS转换时的前/母离子、DP和CE设置（ESI(+)和ESI(-)模式），以确保对PAEs、mPAEs和PFASs的灵敏检测。样品清洗的优化
清洗溶剂的选择（丙酮、Milli-Q水和0.1% SDS）基于先前的研究结果[[39], [40], [41]]。作为有机溶剂，丙酮仍
4. 结论
我们开发了一种可靠的方法，用于同时分析少量人类头发中的14种PAEs、10种mPAEs和36种PFASs。该方法提高了实验效率，简化了实验流程，并通过超声萃取和UPLC-MS/MS测定减少了有机溶剂的使用量。在优化条件下，该方法成功应用于人类头发样本中PAEs、mPAEs和PFASs的同时测定，取得了满意的结果。
作者贡献声明
王慧阳：撰写初稿、数据分析、数据管理。叶冠西：方法验证、方法学研究。张启辉：方法学研究、实验设计。李宗瑞：撰写、审稿与编辑、资源协调、资金申请。杨慧：方法学研究、实验设计。周颖：方法验证、方法学研究。徐森豪：数据可视化、实验设计。王静鑫：撰写、审稿与编辑、资源协调、资金申请。余云江：项目监督、资源提供。
利益冲突声明
作者声明没有已知的财务利益或个人关系可能影响本文的研究结果。
致谢
本研究得到了中国国家重点研发计划（2023YFC3905400）和中国国家自然科学基金（项目编号42007347）的支持。作者感谢苏伟杰先生在仪器条件优化方面提供的帮助。
