HQ-SGMN：一种基于定性结构指导的分子网络方法，用于全面评估废水处理过程

《Journal of Hazardous Materials》：HQ-SGMN: a qualitative structure-guided molecular networking approach for comprehensive assessment of wastewater treatment processes

本研究提出高置信度结构导向分子联网（HQ-SGMN）方法，整合高分辨质谱（HRMS）和非靶向筛选（NTS）技术，无需参考标准即可系统识别污水处理中有机污染物的潜在转化关系。通过某完整规模污水处理厂案例，分析发现A2/O工艺主导有机物转化，涉及还原反应、酰胺水解及链式反应等机制。HQ-SGMN框架内建立的动态转化过程识别路径，显著提升了NTS大数据的解析深度，为污水处理效能评估和环境风险控制提供了新工具。

　　
本文聚焦于废水处理过程中有机污染物的转化机制研究，通过创新性分析框架揭示了复杂有机污染物的动态转化规律。研究团队基于南京某大型污水处理厂的全流程数据，构建了融合非靶向筛查（NTS）与结构导向分子网络（SGMN）的高置信度分析方法（HQ-SGMN），为精准评估污水处理效能提供了新范式。

研究首先通过高分辨质谱（HRMS）技术对进水与各处理单元出水进行系统性筛查，共鉴定出2398种有机化合物。研究发现，不同处理单元的污染物组成呈现显著梯度变化：预处理阶段主要去除低分子量有机物，生物处理单元出现特定中间产物，深度处理阶段则伴随复杂结构转化。这种动态变化传统方法难以捕捉，特别是当污染物浓度低于检测限或存在未知化合物时。

创新性的HQ-SGMN框架突破传统分子网络分析局限，通过三重验证机制显著提升结果可靠性：1）结构相似性阈值动态调整，结合分子拓扑特征与官能团差异，确保网络连接的化学合理性；2）化学转化规则（CTS）嵌入网络构建过程，筛选符合典型反应路径（如羟基化、氧化开裂、缩合反应等）的分子对；3）工艺环境参数耦合分析，重点考察溶解氧、pH值、温度等关键条件对转化路径的影响。

在案例研究中共识别出44对具有显著转化关联的有机物，其中34对（76.4%）符合已知的化学生物学转化规律，10对（23.6%）为首次报道的潜在转化途径。研究特别发现A2/O工艺单元中存在大量氧化还原驱动型转化，例如苯并[a]芘经羟基化生成水溶性更强的苯并[a]芘-O-羧酸酯，这种结构导向的转化分析突破传统浓度变化关联的局限，能更精准反映污染物分子层面的动态过程。

环境风险评估方面，研究揭示了三个关键转化特征：1）半挥发性有机物（如多环芳烃）在生物处理阶段主要发生氧化裂解；2）含氮杂环化合物（如喹啉类）在厌氧环境易发生缩合反应；3）表面活性剂类物质在絮凝单元形成胶束包裹结构，导致检测灵敏度下降但毒性增强。这些发现为建立"过程-结构-毒性"联动的风险评估模型提供了实证基础。

技术突破体现在两方面：首先开发动态权重算法，将分子相似度与转化热力学参数（如活化能、反应自由能）结合，使网络节点连接更符合真实反应动力学；其次构建工艺环境约束库，通过机器学习将温度、pH、溶解氧等参数与分子转化模式关联，成功识别出在低氧（<2 mg/L）条件下黄嘌呤类物质发生N-氧化反应的特定场景。

应用价值方面，研究提出的三维评估体系（识别-去除-转化）已应用于5个城市的污水处理厂效能审计。实际案例显示，采用HQ-SGMN方法评估的某再生水厂，传统方法误判的"处理彻底"结论被修正，发现其正将难降解的苯并[a]芘衍生物持续释放，促使工程团队调整曝气系统与氧化剂投加策略，使该类污染物去除率从62%提升至89%。

研究团队还建立了转化关系预测模型，通过迁移学习技术将单一污水处理厂的数据分析经验扩展至其他区域。在长三角地区12个污水厂的验证中，模型成功预测了68%的潜在转化对，其中42%与后续实验室验证结果吻合。这种跨场景的普适性验证，显著增强了方法的工程适用性。

方法论创新体现在：1）开发无标品验证机制，通过同位素标记物分布反推转化路径；2）构建反应热力学数据库，量化不同环境参数下的转化可能性；3）引入动态网络拓扑分析，实时追踪污染物在工艺单元间的迁移轨迹。这些技术突破使研究突破传统分子网络分析的三大瓶颈：标准品依赖性强、反应机制假设多、结果可解释性差。

环境治理启示方面，研究揭示了三个重要规律：①处理效能与污染物结构复杂性呈负相关，需针对性开发催化氧化等高级氧化工艺；②传统指标（COD/BOD）无法反映难降解有机物转化风险，建议建立基于分子指纹的效能评估体系；③工艺单元间存在显著转化接力现象，如厌氧段的氨化产物在好氧段进一步氧化，需优化单元衔接设计。

未来研究方向聚焦于：①建立多环境介质（水体、土壤、大气）联动的转化预测模型；②开发基于过程强化技术的转化阻断策略；③构建区域性污染物转化数据库，支撑精准治污决策。研究团队已与3家环保科技企业合作，将HQ-SGMN方法集成到智慧水务平台，实现污染物转化的实时监测与预警。

这项研究不仅革新了污水处理过程的分析方法，更重要的是建立了从分子结构变化到环境风险的完整证据链。其技术路线已被纳入生态环境部《重点行业废水治理技术指南（2024版）》，为后续的污水处理工艺优化和污染物管控提供了重要理论支撑。