《Microchemical Journal》：Integrating chromatography and mass spectrometry with multivariate machine learning for chemical warfare agents attribution
编辑推荐：
准确鉴别合成路径对消除化学武器威胁至关重要。本研究创新性地将二维气相色谱-飞行时间质谱联用技术（GC×GC-TOFMS）与多种机器学习算法结合，首次在化学溯源中应用自组织映射（SOM）模型，成功区分VX和VR神经毒剂的合成路线，分别达到94.4%和100%的准确率。通过非靶向筛选识别出VX和VR各自163和143个化学溯源标志物（CASs），并验证了图学习模型相比传统化学计量学方法（如PLS-DA）在解析复杂化学数据中的显著优势。研究为相似化学品的来源追踪提供了智能化解决方案，推动了分析化学与数据科学的深度融合。
张子轩|黄腾鑫|卢晓刚|高润丽|裴成欣|丁俊杰|王红梅
中国北京102205，国家关键化学实验室（NBC危害防护领域）
摘要
尽管《化学武器公约》（CWC）禁止使用化学战剂（CWAs），但这些毒剂仍被非法使用，并通过意外或故意的环境释放对公共安全和生态完整性构成持续威胁。因此，准确识别这些毒剂的来源对于确保全球化学安全至关重要。在此，我们开发了一种新的方法，该方法结合了全面的二维气相色谱-飞行时间质谱（GC × GC-TOFMS）技术和多种机器学习技术，以区分结构相似的VX和VR神经毒剂的合成途径。我们开发了一种图学习模型，将色谱图转换为具有区分性的特征，从而使后续的Res-Net 50分类器在VX和VR的途径识别中分别达到了94.4%和100%的准确率。此外，分别识别出了VX和VR的163个和143个化学属性签名（CASs）。层次聚类分析（HCA）在VX的合成途径识别中实现了100%的准确率，在VR的识别中实现了93.3%的准确率；主成分分析（PCA）和正交偏最小二乘判别分析（PLS-DA）也实现了完美的分类，R2 = 1。值得注意的是，自组织映射（SOM）模型首次被应用于化学属性的识别。这项研究为高度相似的环境污染物的多机器学习辅助溯源建立了一个新的范式，增强了复杂化学数据的解释能力，并推动了分析化学与数据科学在环境法医学中的整合。
引言
化学战剂（CWAs）的释放或暴露对全球安全、公共卫生和生态完整性构成了严重且持续的威胁。禁止化学武器组织（OPCW）致力于共同努力，实现一个无化学武器的世界[1]，[2]。因此，开发快速准确的溯源技术对于确定污染来源、明确责任、支持环境修复和评估相关风险至关重要。此外，这些能力对于在《化学武器公约》（CWC）下提供技术支持也至关重要[1]，[3]，[4]。
在各种CWAs中，V系列神经毒剂尤其令人担忧，因为它们具有极高的毒性、在环境中的持久性以及长期污染的潜力[5]，[6]，[7]，[8]，[9]。例如2017年金正男遇刺事件[10]凸显了VX（O-乙基S-(2-二异丙基氨基乙基)甲基膦硫醇酸酯）的现实影响。早期对V类毒剂的研究主要集中在分析表征和验证[11]，[12]，[13]，[14]，以及它们的环境降解研究[6]，[11]，[15]，[16]，[17]。后续研究在没有化学计量学方法的情况下，对不同生产年份的VX库存中的化学属性签名（CASs）进行了表征[18]。这些发现为V类毒剂的环境溯源和法医鉴定提供了宝贵的见解。
化学属性鉴定基于环境法医学原理，运用化学计量学方法和检测技术来分析和识别有毒样品，从而实现可追溯性和来源鉴定[19]，[20]，[21]。其主要目标是分析化学物质或其成分，并识别关键标记（称为CASs），以追踪感兴趣的来源[22]，[23]。通过多个国际OPCW指定实验室的研究，CWAs的化学属性鉴定取得了进展，这些研究针对了多种毒剂[19]，[22]，[24]，[25]，[26]，[27]，[28]。尽管这些研究奠定了宝贵的基础，但它们依赖于传统方法，这存在一个根本性的局限性。现代分析技术（如全面的二维气相色谱（GC × GC-TOFMS）产生的复杂高维数据包含微妙的非线性模式，传统化学计量学方法可能无法完全捕捉到这些模式。这就形成了一个关键的研究空白：现代人工智能（AI）的力量，特别是擅长建模复杂关系数据的基于图的深度学习模型，在化学溯源任务中几乎尚未得到充分利用。
在这里，我们通过引入一种开创性的分析方法来填补这一空白，该方法结合了GC × GC-TOFMS的卓越分离能力和一系列机器学习（ML）模型，以实现V型神经毒剂的精确溯源。我们使用VX和VR作为模型化合物，建立了一种基础且可推广的方法。通过一系列ML模型（从传统化学计量学到先进的图学习），我们识别出了每种毒剂的CASs，并用于区分它们的合成途径。我们将这种方法与传统化学计量学和其他ML模型进行了系统比较，证明了其优越的性能。这项研究为高度相似化学品的智能溯源建立了一个新的范式，标志着数据科学与分析化学在法医和安全应用中的整合取得了重大进展。
安全与法律事项
注意：V类毒剂具有极高的毒性，处理这些化合物时需要采取严格的安全措施。所有相关工作都在配备适当设备的通风橱内的指定实验室中，由受过高度培训的人员进行[1]。用于制备这些样品的所有玻璃器和实验室耗材在接触神经毒剂后都进行了适当的去污和处理。
结果与讨论
在这项研究中，我们采用了两种不同的方法框架来追踪样品的合成来源：（1）基于色谱图的方法，使用基于ML的图像识别模型对样品色谱图进行分类；（2）基于质谱的方法，这是属性研究中更为传统的策略。后者包括非靶向筛选，以识别特定于这些毒剂的CASs。所得的化学信息被转换为
结论
这项研究在化学属性鉴定分析方法上取得了根本性的进展，通过数据科学和分离科学的创新整合，解决了区分高度相似化合物的核心挑战。
我们首先建立了稳健的化学基线，分别识别并表征了VX和VR的163个和143个CASs。这些签名主要是O-烷基磷酸酯和N,N-二烷基胺衍生物，传统方法有效地利用了这些特征
CRediT作者贡献声明
张子轩：撰写——原始草稿，验证，正式分析，数据管理。黄腾鑫：可视化，方法论。卢晓刚：软件，方法论。高润丽：正式分析，数据管理。裴成欣：监督，概念化。丁俊杰：验证，监督，软件。王红梅：撰写——审稿与编辑，监督，资金获取，概念化。
利益冲突声明
作者声明他们没有已知的财务利益或个人关系可能影响本文所述的工作。
致谢
作者感谢OPCW科学咨询委员会（SAB）的化学法医学临时工作组（TWG）的支持。
