基于傅里叶变换离子回旋共振质谱(FT-ICR MS)石油组学数据处理方法的巴西两Pre-salt盆地湖相原油盆地间判别研究

《JOURNAL OF MASS SPECTROMETRY》：Petroleomics FT-ICR MS Data Processing Methods for Inter-Basin Discrimination of Lacustrine Oils From Two Brazilian Pre-Salt Basins

　　

摘要：原油中非挥发性及极性馏分主要由含氮、硫、氧杂原子(NSO heteroatom-containing compounds)的化合物组成，可通过提供热成熟度(depositional environment)、沉积环境(thermal maturity)等有机地球化学参数以及酸碱性(acidity and basicity)等理化性质关键信息，在石油表征中发挥重要作用。负离子模式电喷雾电离耦合傅里叶变换离子回旋共振质谱[ESI(?) FT-ICR MS]应用于未分馏全油样品已被确立为油品表征的金标准技术，因其可直接电离多种极性化合物。然而，所得数据量大且复杂，给数据预处理、分析与可视化带来显著挑战。本研究比较了两种不同的数据预处理方法，并阐明其在FT-ICR MS石油组学(Petroleomics)应用于盆地间判别中的适用性。研究人员以巴西两个Pre-salt盆地的湖相原油(lacustrine oils)为案例开展研究。

研究背景与意义

原油中极性NSO化合物虽仅占少量，却包含最丰富的官能团多样性，强烈影响密度、黏度等理化性质，并为有机地球化学表征提供关键生物标志物，可用于判断热成熟度与沉积环境，也广泛应用于溢油溯源、腐蚀评估及生物降解研究中。巴西Pre-salt省盛产富含NSO化合物的湖相原油，前人虽已对其与中国湖相油进行对比，但基于非挥发性或极性馏分的湖相原油盆地间判别(inter-basin discrimination)尚缺乏稳健策略。ESI(?) FT-ICR MS作为石油组学金标准可超高分辨率解析极性组分，但海量高维数据需合理预处理与多元统计分析支撑。本文旨在对比两种最常用的FT-ICR MS数据矩阵构建与预处理策略——基于化合物类别/碳数/双键当量(DBE, Double Bond Equivalence)相对丰度汇总矩阵，与基于指派分子式绝对强度矩阵——并以巴西两Pre-salt盆地(A与D)湖相原油为对象评估其盆地判别性能，发表于《JOURNAL OF MASS SPECTROMETRY》。

主要关键技术方法

研究人员采集巴西海上两Pre-salt盆地(A和D)经常规地球化学参数(GC-FID及GC–MS饱和烃生物标志物)筛选排除生物降解与次生改造影响的30个湖相原油样品。样品用甲醇–甲苯(1:1, v/v)含0.2% NH₄OH溶解至1 mg/mL，采用7.2 T LTQ FT Ultra进行ESI(?)-FT-ICR MS分析(m/z 200–800, 分辨~400,000 @ m/z 400)。原始谱图经PetroMS软件内标再校准并指派分子式(S/N>3, 质量误差<1 ppm)，识别CH、N₁、N₁O₁、N₁O₂、O₁、O₂等杂原子类别。构建两类数据矩阵：(I) 基于化合物类别、DBE分布及碳数分布的相对丰度汇总矩阵(86行×30列)；(II) 基于主要杂原子类(N₁、N₁O₁、N₁O₂、O₁、O₂)中各分子式峰强度矩阵(30行×5554列)；缺失值>50%变量剔除，剩余以对应变量最小正值1/5填补。矩阵I不做归一化并均值中心化，矩阵II做总和归一化(sum normalization)后帕累托标度化(Pareto scaling)。采用MetaboAnalyst 6.0进行偏最小二乘判别分析(PLS-DA, Partial Least Squares Discriminant Analysis)提取变量投影重要性(VIP>1.0)及留一法交叉验证(LOOCV, Leave-One-Out Cross-Validation)，并计算受试者工作特征曲线下面积(AUROC, Area Under the Receiver Operating Characteristic Curve)；对PLS-DA筛选变量另行无监督主成分分析(PCA, Principal Component Analysis)以规避有监督模型过拟合偏差。

研究结果

3 Results and Discussion

代表性ESI(?)-FT-ICR MS谱图显示Basin A在m/z 200–400区间离子丰度更高且最强离子绝对强度高于Basin D；Basin D则在m/z 400–500区间离子更丰富且平均丰度较低。两盆地均以N₁类离子为主。碳数分布上Basin A极性化合物主要集中于C₂₀–C₃₀，Basin D则集中于C₄₀–C₆₀且碳数离散度更大。DBE分布上Basin A含更多DBE 1–10的组分，Basin D含更多DBE 10–20组分，氧含类化合物差异尤为明显。杂原子类别相对丰度方面Basin A富集N₁与O₄S₁类，Basin D富集N₁O₁、N₁O₂、O₁、O₂类，表明Basin D更富氧、芳香度与热成熟度略高，Basin A富硫反映沉积有机质来源差异。

PLS-DA模型对两数据矩阵均实现良好判别：矩阵I(化合物类别+DBE+碳数) Accuracy=0.93, R²=0.87, Q²=0.71, Sensitivity=0.88, Specificity=1.00, AUROC=0.97，第一主成分解释65.8%方差，判别主要靠N₁(Basin A偏高)、N₁O₂与O₂(Basin D偏高)，碳数与DBE分布相对丰度在此策略下无统计显著性。矩阵II(分子式强度) Accuracy=0.93, R²=0.98, Q²=0.73, Sensitivity=0.88, Specificity=0.95, AUROC=0.97，第一主成分解释20.5%方差。经PLS-DA筛选VIP≥1变量后作PCA，两盆地仍有部分重叠，与R²–Q²>15%有关。

基于矩阵II PLS-DA载荷绘制的各杂原子类DBE–碳数热力图显示：Basin A关联区碳数多为C₂₀–C₃₀(N₁O₂延至C₂₀–C₄₀)，DBE偏低(N₁O₁、O₁、O₂类DBE多<10–15)；Basin D关联区碳数多C₄₀–C₆₀(N₁O₁跨C₃₀–C₆₀)，N₁O₁、N₁O₂、O₁、O₂类DBE分布向高值延伸(DBE可达15–20)，而N₁类DBE分布在两盆地相似(5–20)，说明含氧类芳香度与热成熟度自Basin A至Basin D增加，且两盆地源岩沉积有机质不同。巴西Pre-salt湖相油碳数普遍高于已报道中国湖相油，DBE分布变异性大无统一对比模式，但与巴西Pre-salt前期研究一致。

4 Conclusion(结论部分)

研究人员成功建立并比较了两种FT-ICR MS数据预处理策略下的湖相原油盆地判别模型，二者判别效果相当(AUROC均为0.97)但信息粒度不同。主要检出N₁、N₁O₁、N₁O₂、O₁、O₂杂原子类及含硫极性化合物(O₄S₁等)，符合巴西Pre-salt湖相油特征。巴西湖相油碳数高于其他地区湖相油，反映沉积有机质差异。Basin A富集N₁类(偏碱性)，Basin D富集含氧芳环类(较高热成熟度与酸性)且碳数更高，指示不同沉积环境。研究表明非挥发性及极性馏分为Pre-salt盆地判别提供了挥发性生物标志物之外的互补地球化学信息。基于化合物类别/碳数/DBE汇总矩阵的预处理策略直观定量，适合快速概览特征杂原子类别贡献；基于分子式强度的矩阵结合DBE–碳数热力图可在分子水平实现统计稳健的精细判别与特定地球化学标志物表征，二者互为补充。本研究增进了对FT-ICR MS石油组学数据预处理策略的理解，展示了先进可视化工具在复杂石油数据集判别与解释中的应用价值。