化学引导ROIMCR优化：面向废水LC-HRMS非靶向筛查的ROI阈值、MCR组分可信度与vASCA解释一体化策略

《Analytica Chimica Acta》：Chemically guided ROIMCR optimization for reliable LC-HRMS non-target screening of wastewater

　　

原文未提供独立摘要；以下翻译论文开头的亮点部分：化学引导的ROIMCR（regions of interest multivariate curve resolution，区域感兴趣多元曲线分辨）工作流程可提升废水LC-HRMS（liquid chromatography–high-resolution mass spectrometry，液相色谱-高分辨质谱）非靶向筛查的可靠性。ROI（regions of interest，感兴趣区域）阈值选择由空白过滤、%GoodROI与目标标准品检测共同引导。可靠的MCR（multivariate curve resolution，多元曲线分辨）组分支持注释及基于vASCA（variable-selection ANOVA simultaneous component analysis，变量选择方差分析同时成分分析）的废水解释。vASCA可突出采样点、采样日及其交互作用对废水轮廓的影响。

作者S. Pellacani、R. Barbieri、B. Benedetti、J. Camacho、M. Cocchi、C. Durante、G. Perra、C. Scopetani和L. Strani针对废水LC-HRMS（液相色谱-高分辨质谱）非靶向筛查中ROIMCR（感兴趣区域多元曲线分辨）参数选择与组分解释依赖数值指标的问题，提出化学引导的ROIMCR决策框架。研究背景是：废水化学组成复杂，包含人为输入及生物、化学或光化学转化产物；LC-HRMS非靶向筛查需经过特征提取、对齐、过滤、同位素/加合物/碎片分组和注释等多步处理，常用特征平台因算法和参数不同可产生差异明显的特征列表，假阳性特征可传播至下游统计并影响环境解释。ROIMCR可压缩数据维度并解析色谱洗脱轮廓与质谱谱图，较特征列表更能处理共洗脱和部分重叠峰，但仍高度依赖ROI强度阈值、m/z偏差和最小出现次数等参数；阈值过严可丢失低强度但化学相关信号，过宽则引入噪声、基线波动和背景信号。已有化学引导策略多将目标污染物先验信息、加标优化和空白过滤分开使用，尚缺乏将ROI阈值选择、MCR模型评价和疑似鉴定整合的统一操作框架；MCR组分数也不等于化合物数，数学组分可能对应单一化合物、共洗脱物、未解析混合物、背景、伪影或噪声，需按色谱和质谱轮廓的化学可解释性评价。为此，研究人员将空白来源选择性、目标标准品保留和MCR轮廓可解释性整合为单一决策框架，并用于真实废水案例，以提升用于注释和下游统计解释的组分可靠性。其意义在于把ROIMCR优化从主要依赖数值拟合转向受化学约束的决策过程，为复杂废水LC-HRMS数据的保守、可解释处理提供策略。

关键技术方法：样本来自意大利某WWTP（wastewater treatment plant，污水处理厂）2025年9月30日及10月6、13、20、27日进水和出水，2个重复，共20个样品；另设6个QC（quality control，质量控制）、6个20 μg L^?1多标准品混合物、6个溶剂空白和6个程序空白。经SPE（solid-phase extraction，固相萃取）后以LC-HRMS在HESI⁺/HESI^?（heated electrospray ionization，加热电喷雾电离）采集FS和dd-MS²数据。比较5个ROI阈值，以空白过滤、%GoodROI（good ROI percentage，良好ROI百分比）和目标标准品检测选阈值；MSROI矩阵经MCR-ALS（multivariate curve resolution-alternating least squares，多元曲线分辨-交替最小二乘）解析，按色谱/质谱轮廓分A/B/C类并保留A/B类，结合Compound Discoverer和Schymanski置信度注释；QC-RSD（relative standard deviation，相对标准偏差）过滤后行PCA（principal component analysis，主成分分析）和vASCA。

研究结果如下。3.1 化学引导ROIMCR决策工作流概述：研究人员通过汇总ROI阈值选择、MCR维度选择、MCR组分可靠性、组分注释和数据分析五个决策点，指出常规以最大化ROI数量或拟合优度为导向的局限，并以%GoodROI与目标标准品检测、收敛性/解释方差/失拟（lack of fit，LoF）与Class A组分数、三类可靠性评价、精确质量/保留时间/MS/MS与Schymanski置信度、QC-RSD过滤及重复置换vASCA形成化学约束流程。3.2 通过感兴趣区域方法提取特征：通过比较正、负HESI⁺/HESI^?下不同ROI强度阈值、空白过滤后保留比例及多标准品检测，正HESI⁺选0.05%，负HESI^?选0.10%；负HESI^?若仅取最高%GoodROI的0.30%虽为48.6%但仅检出19个可检出标准品中的18个，而0.10%检出全部19个且保留444个ROI，0.05%虽增加193个ROI但仅12个具连贯信号，故未显示明确分析收益。3.3 MCR-ALS模型评价与组分分类：通过收敛性、解释方差、R²、LoF和Class A组分数及轮廓可解释性选择模型，正HESI⁺选200个组分、负HESI^?选100个组分；正HESI⁺得44个Class A、105个Class B和51个Class C，负HESI^?得22、32和46个；剔除Class C后最终203个MCR组分（正HESI⁺ 149个、负HESI^? 54个）。3.4 所选组分的疑似鉴定：通过在Compound Discoverer输出中匹配保留时间、基峰精确质量和同位素模式，并结合MS/MS与mzCloud及Schymanski五级框架，正HESI⁺疑似注释86个化合物（level 1为16个、level 2为28个、level 3为39个，其余为更高等级），负HESI^?注释23个（level 1为2个、level 3为21个），分别对应保留组分的58%和43%；注释物按操作类别分为个人护理和家庭产品、药物、工业化合物、农药和驱避剂。3.5 数据分析结果：通过6个混合QC评价203个MCR变量重复性，93%变量QC-RSD低于50%，剔除13个高于50%的变量后保留20个样品和190个变量；PCA显示QC紧凑聚集，PC1解释37%方差并主要区分进水和出水，PC2解释16%并主要区分最后采样日；vASCA在100次重复中采样点、采样日和交互项均显著（p<0.05），采样点解释方差30%且190个变量均被选，采样日解释32%并选49个变量，交互解释66%并选47个变量；采样点第一成分中163个负载荷变量主要关联进水、27个正载荷变量关联出水；采样日保留变量中28个获疑似注释，交互项47个变量中27个获疑似注释且几乎与采样日变量重叠，表明交互作用主要由时间可变且进出水行为随采样活动变化的组分驱动。

讨论与结论部分总结：该工作流以可靠性和化学可解释性优先，能降低对分辨不良或较弱特征过度解释的风险，但保守策略可能排除低强度或低分辨但仍化学相关的化合物；MCR组分尤其Class B不应自动视作单一化合物，注释仍受MS/MS谱可用性、数据库覆盖及MCR保留时间-m/z对与Compound Discoverer特征对应关系限制。结论部分翻译：本研究提出了用于废水样品LC-HRMS非靶向筛查的化学引导ROIMCR工作流，整合ROI阈值选择、空白过滤、目标标准品检测、MCR-ALS解析、基于可靠性的组分分类和基于vASCA的数据解释。结果表明，ROI阈值选择不应仅依赖提取ROI数量，因为较宽松条件可能增加空白相关、噪声或非信息信号贡献；空白比较与目标标准品检测的整合使正、负HESI数据集分别选得最佳ROI提取条件，而将MCR解析组分分为可靠性类别则在注释和统计分析前提供了额外化学过滤。疑似鉴定揭示了所研究废水样品中化学多样的化合物集合，保留组分中有满意比例可高置信度注释，表明该保守工作流降低了过度解释低分辨或较弱特征的风险。vASCA使最终MCR峰面积矩阵可按实验设计解释；采样点是结构化变异的主要来源，反映废水化学轮廓在进水-出水间的广泛改变；采样点产生进水和出水样品清晰分离，为评估工作流恢复已知化学变异来源能力提供有用测试案例；更重要的是，vASCA能够识别贡献该对比的变量，并分别评估采样日和交互效应，整个采样活动中观察到显著时间变异和厂内日依赖变化。所提工作流为从复杂废水LC-HRMS数据集中提取、过滤和统计解释化学相关组分提供了可解释且保守的策略。在现行欧洲法规背景下，稳健且可解释的非靶向LC-HRMS工作流尤其相关，废水监测和新污染物控制日益受关注。然而也应承认局限：所提工作流有意保守，优先化学可解释和空白过滤信号而非最大化检测特征数，虽降低假阳性解释风险，也可能排除低强度或低分辨但仍化学相关的化合物；MCR解析组分不应自动解释为单个化合物，尤其Class B中可能仍存在残余共洗脱或密切相关物种；化合物注释仍是NTS分析瓶颈，应在非靶向LC-HRMS固有约束内解释，包括MS/MS谱可用性、数据库覆盖及MCR解析保留时间-m/z对与Compound Discoverer特征对应关系。