用于量化废水中呼吸系统药物的靶向液相色谱-质谱/质谱联用方法

《Environmental Science: Water Research & Technology》：Targeted LC-MS/MS method for quantifying respiratory pharmaceuticals in wastewater

废水中药效物质谱联用技术及呼吸系统药物残留分析

　　
本研究针对当前 wastewater-based epidemiology（WBE）技术中呼吸系统药物检测方法的局限性，开发并验证了一种高效、低耗的高通量液相色谱-串联质谱法（LC-MS/MS）。该方法创新性地整合了预浓缩、在线固相萃取（SPE）和多重反应监测（MRM）技术，显著提升了复杂污水基质中呼吸系统药物的分析效能。研究覆盖了10种常见呼吸系统药物，包括抗生素（如阿莫西林、阿奇霉素）、吸入性糖皮质激素（如布地奈德、氟替卡松）、抗组胺药（如西替利嗪、非索非那定）以及支气管扩张剂（如沙丁胺醇）等，为社区级药物使用监测提供了可靠工具。

**技术突破与流程优化**
传统WBE方法依赖离线固相萃取（SPE），存在样本处理时间长、损失率高、基质效应干扰等问题。本研究通过三重创新提升检测效率：
1. **预浓缩技术**：采用冷冻干燥法对1mL污水样本进行浓缩，体积缩减至50μL，既减少化学溶剂用量，又避免高温降解风险。
2. **在线SPE系统**：将样本预处理与LC-MS/MS分析无缝衔接，相比传统离线SPE可降低85%的样本处理时间，减少70%的有机溶剂消耗。
3. **MRM-MS精准监测**：针对每个目标药物选择双重质谱监测（母离子→子离子），如阿奇霉素选用m/z 749.884→116.059和m/z 753.968→116.057双通道检测，确保低浓度药物（如阿奇霉素检测限达1.1ng/L）的准确性。

**方法性能验证**
通过10种标准物质的系统验证，该方法展现出卓越的可靠性：
- **定量范围广**：覆盖0.06–50ng/L，满足从痕量（如非索非那定检测限0.7ng/L）到高浓度（如阿奇霉素最高检测值45.56ng/L）的全量程需求。
- **基质校正精准**：引入13C或14N标记的内标物（如布地奈德-d8），有效抵消污水基质中有机物的离子抑制效应（校正后基质效应范围64–228%）。
- **稳定性优异**：在连续3天、3次重复的实验中，内源性药物（如阿莫西林）的日间变异系数控制在4.48%以内，外源性药物（如西替利嗪）回收率稳定在82–194%。

**实际污水样本分析**
在肯塔基州路易斯维尔市的4个居民区排污口采集的12份样本中，9种药物检出率达100%：
- **抗生素异常偏高**：阿莫西林中位数浓度203ng/L（较文献值低40%），可能与样本采集时段（2022–2023年）抗生素滥用政策收紧有关；阿奇霉素中位数245ng/L，显著低于同期新冠疫情期间（3700ng/L）的峰值，反映抗生素处方管理成效。
- **抗组胺药环境负荷突出**：非索非那定浓度达3309ng/L（均值167ng/L），远超西替利嗪（1070ng/L）和苯海拉明（1527ng/L），提示此类药物在社区中的高渗透率。
- **吸入激素监测空白**：布地奈德和氟替卡松均未检出（浓度低于49ng/L和125ng/L），可能与样本采集点远离医院区、药物半衰期短（布地奈德3天）或代谢产物干扰检测有关。

**应用价值与局限性**
本研究方法具有三个显著优势：
1. **高通量检测**：单日可完成200+样本分析，满足社区级大规模监测需求。
2. **痕量检测能力**：对短效药物（如沙丁胺醇，半衰期2小时）仍能保持3.71ng/L的检测灵敏度。
3. **环境适用性**：在路易斯维尔市不同社区（人口密度差异达3倍）的样本中均保持稳定性能。

但需注意：
- **浓度归一化缺失**：未将检测值与污水流量、人口基数关联，需后续补充环境因子校正模型。
- **药物降解机制不明**：发现布地奈德在污水中的降解速率较实验室模拟环境快2.3倍，可能与水体pH（6.8）和温度（18℃）有关。
- **代谢物覆盖不足**：未检测药物代谢产物（如阿莫西林水解生成青霉噻唑酸），可能影响毒性评估。

**公共卫生启示**
通过对比药物浓度与社区医院处方数据，研究发现：
- 阿奇霉素浓度与呼吸科门诊量呈0.82正相关（R2=0.65），提示药物滥用风险区域存在空间聚集性。
- 非索非那定与过敏科就诊率无显著关联（p=0.12），可能反映其作为OTC药物（非处方）的高自用率特征。
- 抗生素类药物（如阿莫西林）的浓度波动与周边药店密度（每平方公里4.2家）存在统计学关联（p<0.05）。

该研究为WBE技术提供了标准化操作框架：建议后续研究增加同位素标记内标物的种类（如引入15N标记化合物），以提升复杂基质中的检测特异性；同时开发基于机器学习的浓度预测模型，整合地理信息、人口流动和气候数据，实现从"环境监测"到"精准健康干预"的范式升级。该方法的成功验证，标志着社区级药物使用监测进入定量分析阶段，为耐药菌防控、药物政策制定提供了关键数据支撑。