利用循环离子迁移-质谱技术提升吡咯里西啶生物碱异构体的分离效果

《Analytica Chimica Acta》：CYCLIC ION MOBILITY-MASS SPECTROMETRY TO ENHANCE THE SEPARATION OF PYRROLIZIDINE ALKALOID EPIMERS

吡咯喹啉生物碱异构体通过多通循环离子迁移谱与超高效液相色谱-高分辨质谱联用技术实现高效分离。研究针对四个难以分离的异构体对（如lycopsamine/indicine），发现多通模式能有效区分单通无法分辨的异构体，且在绿茶提取物的复杂基质中验证了该方法的有效性。

　　

Laura Carbonell-Rozas|Nicola Dreolin|Chiara Dall’Asta|Dale A. Cooper-Shepherd

帕尔马大学食品与药物系，意大利帕尔马43124，Viale delle Scienze 27/A

摘要

背景

循环离子迁移谱（cIMS）已成为一种强大的工具，可以提升传统LC-MS或单次离子迁移技术无法分辨的异构体和差向异构体物种的分辨率。在本研究中，我们将多通道cIMS集成到UPLC-HRMS工作流程中，以解决分离差向异构吡咯里西啶生物碱（PAs）这一长期存在的挑战。这些植物来源的毒素具有监管关注性。我们选取了四对具有代表性的PA差向异构体对——lycopsamine/indicine、rinderine/echinatine、rinderine-N-oxide/echinatine-N-oxide以及integerrimine-N-oxide/senecivernine-N-oxide——并进行了离线高分辨率循环离子迁移分离。

结果

通过多通道模式，无论是在质子化形式还是钠加合物形式下，所有PA差向异构体对都实现了基线或接近基线的分离，并且在不同通过次数下均未观察到信号强度的显著损失。测量了单次循环离子迁移谱（CCS）值，并与先前使用线性IMS获得的值进行了比较，发现某些差向异构体的分辨率有限。相比之下，为每个差向异构体计算了多通道CCS值，从而在单次测量值相同的情况下实现了区分。最后，将优化的循环序列集成到LC–cIMS–HRMS方法中，针对特定的保留时间窗口和m/z值，引入了额外的分离维度。该方法成功应用于绿茶提取物的分析，证明了其在实际食品基质中的适用性。

意义

本研究首次展示了在非靶向LC–HRMS工作流程中整合多次靶向多通道cIMS分离的能力，强调了其在扩展结构相关小分子分离能力和分析信心方面的潜力。该工作流程对于分析含有差向异构体化合物的复杂混合物尤为重要，这类混合物在自然污染的食品中很常见。

部分摘录

引言

在过去十年中，离子迁移谱（IMS）引起了不同领域研究人员的关注，特别是在食品分析[1]、[2]和组学相关研究[3]中。虽然IMS最初作为一种独立的分析检测工具出现，但目前它被广泛应用于混合离子迁移-质谱仪[4]中。此后，从小分子到大生物分子，已有大量应用案例被报道[5]。人们对这种技术的兴趣日益增长。

化学品和试剂

除非另有说明，本研究中使用的所有试剂均为分析级，溶剂均为HPLC级。甲醇（MeOH）和甲酸（99%）来自Honeywell公司，而乙腈（MeCN）则购自Greyhound Chromatography公司。

目标PA的分析标准品购自PhytoPlan公司（德国海德堡）。本研究共考虑了35种PA和PANO：Intermedine、intermedine N-oxide、rinderine、indicine、lycopsamine、europine等。

利用循环IMS分离PA差向异构体

cIMS用于分离那些在单次色谱运行中无法分离的PA异构体，即具有相似CCS值的共洗脱物种[22]。因此，选择了以下差向异构体对：lycopsamine/indicine、rinderine/echinatine、rinderine-NO/echinatine-NO、intermedine-NO/indicine-NO、integerrimine-NO/senecivernine-NO。尽管最近已有报道指出36种PA的色谱分离方法[32]，但这些特定的差向异构体对仍需通过cIMS进行分离。

结论

本研究表明，将多通道循环离子迁移谱（cIMS）集成到LC-HRMS平台中显著提升了结构相似分析物的分离效果，以PA差向异构体为例进行了验证。通过针对特定保留时间进行靶向循环离子迁移分离，实现了四种难以通过色谱或线性TWIMS分离的PA差向异构体的完全或接近基线的分辨率。

作者贡献声明

Laura Carbonell-Rozas：撰写——初稿、方法学设计、实验实施、数据分析、概念构思。Dale A. Cooper-Shepherd：撰写——审稿与编辑、数据可视化、方法验证、实验监督、软件开发。Nicola Dreolin：软件开发、方法学设计、数据分析。Chiara Dall’Asta：撰写——审稿与编辑、方法验证、资源协调。

利益冲突声明

作者声明他们没有已知的财务利益冲突或个人关系可能影响本文的研究结果。

致谢

L.C.R.感谢Waters Corporation（英国Wilmslow）在其研发实验室提供的博士后访问机会。

该项目得到了国家恢复与韧性计划（NRRP）的支持，具体为Mission 4 Component 2 Investment 1.3 - 招标编号：341 of 15/03/2022，该项目由意大利大学与研究部资助，资金来自欧盟——NextGenerationEU。项目代码：PE0000003，特许法令编号：1550，由意大利大学与研究部于2022年11月10日颁布。