综述：从快速指纹图谱到精细轮廓分析：GC-IMS与GC-MS在食品安全与真实性评估中的应用

《Measurement: Food》：From rapid fingerprinting to detailed profiling: GC-IMS and GC-MS in food safety and authenticity assessment

　　

全球食品供应链的复杂性以及掺假、成分鉴定和地理来源验证等真实性问题，需要快速可靠的分析工具来保障消费者健康。气相色谱-离子迁移谱（GC-IMS）和气相色谱-质谱（GC-MS）已成为先进可靠的技术，可实现现场筛查和可信的化合物检测与定量。本综述基于分析性能、优势、局限性、适用性以及在食品安全与真实性中的互补使用，对GC-IMS和GC-MS进行了批判性讨论。此外，还介绍了现有的操作挑战和未来展望，强调了标准化分析程序、先进化学计量学建模以及GC-IMS和GC-MS混合工作流程的必要性。文献计量数据的检索遵循系统综述和荟萃分析优先报告条目（PRISMA）指南，从主要科学数据库中获取相关文献。在定性综合之前，根据预定义的纳入和排除标准对符合条件的研究进行筛选。研究结果表明，GC-IMS和GC-MS是食品安全和真实性评估中互补的分析技术。因此，GC-IMS为筛选应用提供了快速指纹图谱工具，而GC-MS为确证分析提供了卓越的化合物鉴定和定量能力。本综述收集的数据对于构建强大的GC-IMS和GC-MS系统至关重要，这些系统将革新和加强工业与研究中的食品安全和真实性评估。

1. 1.
   引言
   食品污染可能通过生物或化学危害无意发生，或通过经济动机驱动的掺假和食品欺诈故意造成。这些挑战凸显了对可靠分析技术检测污染物、验证产品真实性和保护消费者健康的必要性。传统的食品真伪鉴定方法，包括感官评价、微生物学测试和化学分析，往往缺乏所需的速度和灵敏度，且耗时耗力，使其不太适合实时质量监测和快速筛查。为克服这些局限，基于挥发性有机化合物（VOCs）分析的方法已成为捕获食品化学特征的有吸引力的选择。在现有的VOC分析系统中，气相色谱-离子迁移谱（GC-IMS）和气相色谱-质谱（GC-MS）最为突出。GC-IMS结合了气相色谱分离和离子迁移谱检测，是一种快速灵敏的工具，可生成特征化学指纹，具有实时监测潜力，这些宝贵特性使GC-IMS成为开发便携式现场分析设备的有前途的工具。当与化学计量学结合时，GC-IMS能够根据样品的来源、成分、加工和新鲜度状态进行快速区分。尽管GC-IMS具有巨大优势，但该技术缺乏在复杂混合物中明确鉴定单个化合物的能力，因此常与GC-MS系统联用进行确证分析。相反，GC-MS擅长作为确证工具，可实现详细且化合物特异性的检测与定量。虽然GC-MS的灵敏度相对较低，但其具有更宽的线性动态范围、卓越的化合物鉴定能力和更高的质谱分辨率。尽管如此，GC-MS系统需要更长的分析时间、繁琐的样品制备程序和昂贵的仪器，使其不太适合快速现场筛查和食品鉴定。GC-MS已在靶向和非靶向测定、法规级确证以及痕量掺假物检测中发现了有用应用。虽然已有大量研究使用GC-IMS和GC-MS进行食品安全和真实性评估，但大多数工作集中在特定食品基质中的单独应用。因此，缺乏直接比较这两种技术分析性能并突出其在食品安全和监管系统中的前景、优势、弱点和适用性的清晰框架。本综述提供了关于GC-IMS和GC-MS系统、其性能评估、互补潜力以及在食品安全和监管过程中的重要作用的全面信息，强调了GC-IMS作为快速现场筛查工具和GC-MS作为评估全球食品链中产品安全性和真实性的重要确证系统的作用，该研究将支持研究人员、食品安全分析师、监管机构和质量控制专家选择合适的分析工具，并为快速可靠的食品鉴定未来发展提供可靠指南。
2. 2.
   方法论
   本研究采用系统综述和荟萃分析优先报告条目（PRISMA）方法，系统收集了关于GC-IMS和GC-MS在食品安全和真实性中应用的相关文献。检索在多个科学数据库中进行，包括Google Scholar、Scopus、PubMed和Web of Science。为了获取充分的相关信息并反映GC-IMS和GC-MS仪器、化学计量学数据分析及其在食品安全和真实性中应用的当代进展，仅考虑2010年以后发表的研究。所有收集的文献使用Mendeley参考管理器（Elsevier, Amsterdam, The Netherlands）进行整理。PRISMA流程图显示了研究如何被识别、筛选、评估合格性并纳入综述。
3. 3.
   GC-IMS作为指纹图谱工具
   3.1 IMS简史
   离子迁移谱（IMS）在20世纪60年代末开发，主要用于检测气相中的有机分子。此后，该技术传统上用于检测化学战剂和爆炸物。目前，多种IMS仪器部署在机场和军事检查站以处理爆炸物和非法药物。除了IMS在检测化学制剂方面的经典应用外，该技术在食品科学、药学、医学、农业和环境领域也有诸多应用。IMS具有多种优势，当采用顶空（HS）进样时无需有机溶剂，可与HS-GC-MS系统相媲美，因此基于IMS的方法可被视为绿色分析方法。此外，该技术实时监测的可能性、快速分析响应、高灵敏度、适应性和简单性是重要优势。尽管基于IMS的方法在加强食品鉴定方面前景广阔，但该技术缺乏特异性（检测单个化合物）和全面的化学轮廓分析能力，需要GC-MS系统进行确证评估。

3.2 IMS的工作原理

IMS的基本概念涉及在稀有气体中通过施加电场的漂移管分离离子。测试样品在载气帮助下引入电离室，使用适当的电离源（如放射性源3H/?3Ni、电晕放电、电喷雾电离（ESI）或光电离源）生成离子。电离的分析物被输送到充满化学惰性气体的漂移区。施加弱电场梯度，使分离的离子沿漂移管移动，迁移离子的迁移率取决于其电荷、质量、大小和形状。离子迁移率由质荷比（m/z）和碰撞截面（CCS）决定，后者反映了离子的三维结构。在离子通过漂移管的过程中，施加逆流漂移气体（如氮气或净化空气）以最小化离子扩散并促进基于离子迁移率差异的分离。较小且迁移率较高的离子比较慢的大离子更快到达检测区。离子收集器或法拉第板检测到达传感器或检测器的离子并产生电流，经放大生成迁移谱。记录电离粒子从分离管移动到检测装置的持续时间（漂移时间），用于检测和表征样品分析物。通常，IMS以强度与分离离子特性（漂移速度）关系的谱图形式生成分析结果。

3.3 GC-IMS工作流程

IMS设备通常与GC联用。将IMS与GC联用增强了各系统的分辨率和选择性，从而能够准确检测复杂混合物中的分析物。GC-IMS系统整合了GC的高分辨率分离能力和IMS检测离子化合物的高灵敏度，提供了一种快速灵敏的分析方案，可准确检测和定量气相中的VOCs。在GC-IMS工作流程中，样品分子首先在GC的色谱柱内分离，分离后的组分进入IMS系统的电离室。GC与IMS的结合生成了保留时间（来自GC）和漂移时间（来自IMS）以及分析物信号强度的二维数据，这种化学信息能够对样品分子中的化合物进行独特表征。GC-IMS工作流程具有三种分析能力：非靶向指纹图谱（模式识别）、化合物表征和定量。非靶向指纹图谱方法结合整体化学谱与化学计量学技术，对样品进行分类和鉴定，而无需鉴定单个化合物；化合物表征方法利用样品的保留指数和漂移时间与参考标准或可用数据库进行比较来检测化合物；GC-IMS的定量能力则通过已知标准品的校准实现。

3.4 顶空进样

顶空（HS）代表封闭样品瓶（液体或固体）上方的挥发性部分。HS进样技术可以是静态或动态的。动态HS利用稀有气体流连续提取挥发物，而静态HS在达到气相平衡后直接提取挥发物。其中，静态HS进样与GC-IMS系统高度兼容，用于样品制备。该技术快速、最小化样品处理、减少基质干扰并避免使用有机溶剂。然而，HS进样的性能受孵化温度、平衡时间、样品量和样品基质等因素影响，这些因素共同影响顶空中产生的挥发物的组成和浓度。因此，需要适当选择和优化HS进样的样品制备条件，以提高技术灵敏度并最大化从样品基质中回收挥发物。

3.5 GC-IMS的数据结构

GC-IMS系统生成包含保留时间（来自GC）、漂移时间（来自IMS）和信号强度的三维数据集。实际上，该3D数据矩阵可视化为2D指纹图谱或地形图。在2D图中，指纹图像中的每个VOC斑点代表一个特定的离子，具有保留时间和漂移时间的独特组合。保留时间反映化合物从色谱柱洗脱所需的时间，而漂移时间表示电离分子在弱电场下穿过IMS漂移管所需的时间。信号强度由颜色梯度表征，与分析物的相对丰度成正比，较暖的颜色表示较高的信号强度。2D谱图中的每个斑点对应于单个VOC或离子种类。此外，斑点位置、强度和分布的差异构成了特征性VOC指纹，可用于样品区分、真实性评估和质量评价。在图像中，反应物离子峰（RIP）代表在没有分析物离子的情况下由电离源产生的背景反应物离子。在样品分析过程中，分析物分子与这些反应物离子竞争，导致产物离子峰的形成和RIP强度的相应降低。RIP用作解释GC-IMS谱图的稳定参考信号。与传统色谱方案不同，GC-IMS联用产生的2D数据充当指纹图像，有利于模式识别和分类。GC-IMS系统生成的图像结构能够实现基于挥发性指纹的样品快速区分、分类，以及食品安全和真实性评估中的定性和半定量测定。

3.6 GC-IMS在食品安全与真实性中的应用

在食品安全和真实性方面，GC-IMS常用于检测故意掺入优质产品中以掩盖其真实性的低成本成分。基于IMS的食品鉴定方法非常适用于挥发性和半挥发性分析物，通常涉及将IMS与GC联用。GC-IMS联用系统已用于鉴定多种食品，包括油、蜂蜜、肉类和乳制品。研究人员采用GC-IMS结合化学计量学技术检测了菜籽油与大豆油、花生油和葵花籽油掺假物。经过训练的偏最小二乘（PLS）模型基于GC-IMS数据被证明是一种有效的掺假预测工具，决定系数值大于0.95（R² > 0.95）。在肉类鉴定中，研究人员利用GC-IMS快速区分掺有不同比例鸭肉的羊肉。其他研究人员利用HS-GC-IMS数据与化学计量学工具检测纯蜂蜜中不同掺杂物（果糖、大米糖浆、转化糖、甘蔗糖和果葡糖浆）的存在，结果证明了GC-IMS方法在区分掺假蜂蜜方面的精确性，变异系数远低于5%。此外，GC-IMS技术已被证明对许多其他食品（包括牛奶和藜麦粉）的掺假检测很有用。此外，许多最近的研究证明了GC-IMS超越传统食品质量评估的用途，该技术在黑胡椒鉴定、牛至掺假检测、蜂蜜植物学起源区分、高粱品种分类以及煎炸油劣变监测方面取得了成功应用，这些研究证明了GC-IMS方法在不同食品基质中用于食品鉴定、来源验证、质量控制和掺假检测的通用性。

1. 4.
   GC-MS作为确证工具
   4.1 气相色谱（GC）及其工作原理
   GC仍然是评估食品真实性中挥发性和半挥发性化合物的主要色谱技术，该技术使用气体（通常是氦气、氮气或氢气）作为流动相。GC中化合物分离的基本概念源于分析物对固定相和流动相的不同亲和力。在GC工作流程中，样品分子被注入GC柱，载气（He、H₂或N₂）将蒸气样品通过GC系统的固定相（柱）。基于沸点、分子大小、极性和化合物-固定相相互作用等特性，挥发性混合物得以分离。低沸点化合物（高挥发性分析物）比较高沸点化合物（低挥发性化合物）更快从色谱柱洗脱。同样，与色谱柱具有更强亲和力和相互作用的化合物洗脱较晚。因此，分析分离取决于单个化合物的挥发性及其与GC柱（固定相）的相互作用。气相色谱技术对IMS和MS系统都至关重要，两种检测器都需要GC进行初始化合物分离。GC-IMS和GC-MS工作流程都需要合适的GC柱和载气（如氦气、氮气或氢气）才能运行。除了两种技术对载气的要求外，GC-IMS特别需要一种称为漂移气体的额外气体用于离子迁移分离。此外，GC柱与各自检测器之间的接口不同。GC-MS在真空下直接与质谱仪连接，而GC-IMS与在或接近大气压下运行的离子迁移谱仪连接。因此，优化载气流速、温度程序、色谱柱类型和检测器特定操作条件对于在GC-IMS和GC-MS系统中实现高效化合物分离和可靠的分析性能至关重要。

4.2 GC-MS工作流程

GC-MS工作流程结合了两个不同的分析系统：气相色谱和质谱。结合这两种伟大技术的分析能力提供了巨大的好处。例如，GC-MS可以根据分析物的保留时间数据和来自MS的质谱（特定化合物特有的碎片模式）检测化学物种。该技术除了定性检测外，还可定量评估化合物。在GC-MS工作流程中，样品分子最初被释放到GC的分离柱中（用于化合物分离），然后被排放到MS室。在GC之后的MS中，最常见的电离技术是电子轰击，这意味着化合物通过电子流轰击而碎片化。将离子碎片的质量（m）除以其各自的电荷（z）得到化合物的m/z（质荷比）。生成离子强度与m/z比率相关的MS谱图，提供每个化合物特有的指纹以促进鉴定。m/z比率是检测和鉴定质量分析器中离子的关键。

4.3 GC-MS的数据结构

GC-MS系统生成的数据结构与GC-IMS有本质不同。来自GC-MS的化学数据主要包括保留时间和质谱（强度与质荷比：m/z）。利用NIST和Wiley Registry等谱库，GC-MS系统的输出数据可经过处理以进行可信的化合物检测和定量。通过保留时间、信号强度和分析物的m/z比率，可以进行靶向和非靶向化学计量学分析。与GC-IMS指纹数据（主要有利于非靶向测定）相比，GC-MS数据提供了更靶向和化合物特异性的选择，非常适合食品安全和真实性评估中的确证目的。

4.4 GC-MS在食品安全与真实性中的应用

GC-MS系统在日常质量控制程序中至关重要，特别是在食品鉴定方面。该技术提供三维数据（强度、保留时间和m/z），能够全面检测化合物。在掺假检测中，挥发性标记物（醇、醛、酮、酯等）的变化表明由于外来物质（掺假物）引入新挥发物而导致特定食品挥发性特征的改变。基于这一现象，GC-MS评估纯样品和掺假样品的挥发性指纹以监测食品质量。该技术已广泛应用于不同的食品基质和产品，包括油、咖啡、蜂蜜、肉和饮料，以检测掺假。研究人员使用GC-MS结合化学计量学评估了特级初榨橄榄油（EVOO）中花生、葵花籽、玉米和菜籽油的掺假。高灵敏度技术生成了独特的指纹，有助于区分纯EVOO和掺假EVOO样品。在另一项研究中，研究人员利用非靶向GC-MS方法结合化学计量学工具，将纯阿拉比卡咖啡与掺有大麦、玉米、咖啡壳、大米、大豆和罗布斯塔咖啡（低成本咖啡）的咖啡区分开。除了GC-MS在掺假检测中的关键应用外，该技术在验证地理来源、区分栽培品种和评估食品质量方面也很有用。这些研究突出了GC-MS的相关性，特别是与合适的化学计量学技术结合时，在确保食品安全和真实性方面的作用。尽管GC-MS系统具有出色的灵敏度和选择性，但该技术的指纹图谱方法存在明显缺点。主要地，GC-MS的指纹图谱结果很大程度上依赖于稳健的化学计量学模型和全面的参考数据库。此外，地理来源、栽培品种、加工和储存条件等因素可能影响GC-MS系统生成的化学指纹。因此，GC-MS并非普遍完美，需要与其他分析技术互补以提高化合物检测和鉴定可靠性。

1. 5.
   化学计量学
   化学计量学涉及使用统计和数学方法从化学数据集中提取有意义的信息，它提供了识别多个变量之间潜在相关性的媒介。作为一种多变量数据分析工具，其主要应用在于探索复杂数据集中的趋势并创建多变量模型。最近，化学计量学方法的使用激增，特别是在产生大量化学数据的非靶向指纹图谱方法中。此类用于指纹图谱程序的复杂化学数据通常由离子迁移谱（IMS）、气相色谱-质谱（GC-MS）、近红外（NIR）和紫外-可见光谱等技术生成。这些技术数据集的复杂性需要使用化学计量学来提取有意义的化学信息。常用的化学计量学技术，如主成分分析（PCA）、线性判别分析（LDA）和偏最小二乘回归（PLSR），提供了识别趋势、分类样品集以及对化学特性进行定性和定量预测的可能性。利用这些技术，可以开发稳健的分类和预测模型，以自动化和加速食品质量控制中的安全性和鉴定程序。

5.1 用于GC-IMS和GC-MS数据分析的化学计量学工具

化学计量学工具可大致分为分类（定性）和回归（定量）技术。定性分类技术可以是无监督或有监督的。无监督方法主要用于探索性研究，对样本类别没有先验知识，包括主成分分析（PCA）和层次聚类分析（HCA），这两种技术能够识别数据集中样本之间的模式和关系。有监督分类方法涉及将样本分配到已知组并创建用于分类和预测的统计模型，包括LDA、SIMCA（软独立建模类类比）、PLS-DA（偏最小二乘判别分析）、kNN（k近邻）、ANN（人工神经网络）、RF（随机森林）和SVM（支持向量机）。其中RF和SVM通常被归类为机器学习技术（高级化学计量学工具）。回归定量技术可以是线性的或非线性的，具体取决于化学计量学或机器学习方法关于变量之间关系的假设，主要用于定量目的，即开发性质的预测定量模型。常见的回归方法包括PLSR、ANN、RF和SVM回归。通常，构建有监督模型（分类和回归）需要两个阶段：用于开发模型的训练阶段和用于验证生成模型的测试阶段。通过采用这些系统步骤，可以开发和验证稳健的数学模型来鉴定食品。例如，在掺假检测中，分类模型根据光谱差异将样本区分为预定组，而定量回归模型将光谱信息与样品中特定百分比或类型的掺假物相关联。化学计量学和机器学习模型的性能通过使用适当的统计指标进行评估，以确保其可靠性和泛化性。对于有监督分类模型（如LDA、PLS-DA和SVM），通过混淆矩阵评估性能，从中估计准确度、灵敏度（真正率）、特异性（真负率）、精确率和F1分数等指标。此外，为了评估分类模型在不同决策阈值下区分类别的能力，评估受试者工作特征（ROC）曲线和相应曲线下面积（AUC）等指标。对于回归模型（如PLS和PCR），使用决定系数（R²）和预测均方根误差（RMSEP）值评估性能。最佳定量回归模型是R²接近1且RMSEP接近0的模型。预测回归模型的可靠性基于平均绝对误差（MAE）测量，MAE接近0表示模型更可靠。通常，化学计量学模型通过内部交叉验证和独立的外部验证进行验证，验证程序有助于最小化过拟合并确保应用于新数据集时的可靠预测性能。

5.2 GC-IMS和GC-MS化学计量学在食品安全与真实性中的应用

化学计量学和机器学习在解决食品真实性挑战方面显示出巨大前景。在许多掺假研究中，化学计量学和机器学习方法通过检测GC-IMS和GC-MS系统生成的多变量数据集中的独特化学指纹，提供了鉴定食品的可能性。这涵盖了不同的分类和回归方法，包括PCA、LDA、PLSR等。文献中应用了这些技术进行食品鉴定研究，例如在蜂蜜、藏红花香料、菜籽油、芝麻油、特级初榨橄榄油、鲶鱼油和黄油等基质中检测掺假物。这些研究强调了化学计量学在从复杂GC-IMS和GC-MS数据中提取有意义信息以进行食品真实性评估的关键作用。

1. 6.
   GC-IMS与GC-MS的直接比较与互补性
   在化学数据结构和功能方面，GC-IMS和GC-MS有本质区别。GC-IMS系统产生VOCs的保留时间与漂移时间的2D图像状指纹图谱，因此有利于模式识别和分类活动。相反，GC-MS产生分辨的色谱峰以及单个分析物的质谱，适用于以高灵敏度和分辨率检测和定量特定化合物。因此，基于GC-IMS的系统适合用作食品安全和真实性中的快速筛查工具，而产生全面化学特征的GC-MS是确证评估的理想选择。在适用性方面，每种分析技术都有明显的优势和局限性。GC-IMS提供快速分析时间、低运营成本、较少的技术专业知识和几乎不需要样品制备，但产生复杂的化学数据，需要多变量工具来解释，且缺乏化学分析中化合物鉴定的特异性。相反，GC-MS中的MS装置能够对样品中的特定化合物进行可信的检测和定量，但GC-MS系统的特点是分析时间长、需要熟练操作员、繁琐的样品制备程序和高运营成本。互补性地，这两种技术的力量可以结合起来推进食品安全和真实性评估。这涉及采用GC-IMS进行快速筛查、现场检测和化学指纹图谱，同时利用GC-MS进行详细和靶向的确证测试。这种混合方法将创建一个集成的分析工作流程，以可靠地评估食品产品的质量和安全性。
2. 7.
   挑战与未来展望
   尽管GC-IMS和GC-MS技术在当代食品安全和真实性评估中得到普及和相关性，但仍存在若干挑战，涉及系统方法学和实际可行性。在这两种技术中，都缺乏用于制备样品、设置仪器设备和处理所得化学数据的标准化系统，这一挑战阻碍了跨不同实验室比较和转移基于VOC的模型的可能性。关于GC-IMS，化学数据主要表示为非靶向的2D指纹图谱模式，而不是色谱分辨的化合物，这种方法影响了实验室间分析系统的验证，并阻碍了监管机构对其的采用。虽然GC-MS使用分辨的色谱峰进行准确的化合物检测和定量，但该技术受到基质效应、电离条件和有限谱库的影响，阻碍了可信的化合物鉴定。另一个关键挑战涉及利用化学计量学工具处理GC-IMS和GC-MS数据。开发用于这些分析技术生成的化学数据的稳健化学计量学模型需要大量样本量，这是许多研究往往难以达到的。因此，稳健的化学计量学模型通常取决于足够的样本量、合适的交叉验证和外部验证方法以及独立数据集，以确保模型泛化性并减少应用于新样本时的过拟合。未来，GC-IMS有望彻底改变食品安全和真实性评估。该技术可改进为便携式袖珍工具，用于移动现场分析和食品产品鉴定。通过传感器技术、低功率电离源和人工智能的进步，预计GC-IMS的分析性能将得到增强，促进其实时应用。一种实用的GC-IMS和GC-MS互补工作流程可能涉及使用便携式GC-IMS进行快速现场筛查，然后使用实验室GC-MS系统进行确证分析。特别是GC-MS将受益于新兴系统，如高级谱库、全面的保留指数数据库和自动化合物检测系统，从而提高分析结果的可靠性。此外，高分辨率GC-MS（GC-HRMS）的日益采用、化学计量学和人工智能在GC-MS工作流程中的快速进步和整合，以及全二维气相色谱-质谱（GC×GC-MS）的应用，将显著改善GC-MS系统在食品鉴定中的应用。由于标准化和协调仍然是GC-IMS和GC-MS系统在食品真实性中全面采用的主要障碍，未来的努力应侧重于开发标准化的样品制备方案，包括样品质量、孵化温度、孵化时间、顶空条件等，这将提高不同实验室间的分析重现性。同样，应考虑协调校准和质量控制程序，以及扩展和验证现有谱库，以提升化合物鉴定和结果可比性。开发标准化操作程序和协作验证研究将改善实验室间的可转移性，并加强GC-IMS和GC-MS系统在现行监管框架中的接受度。最终，这些单独的技术及其互补使用将加强全球食品安全和真实性评估。
3. 8.
   结论
   本综述记录了GC-IMS和GC-MS在食品安全和真实性评估中的前景和适用性。对于快速现场筛查、生成用于产品分类的化学指纹图谱、过程监测和日常质量控制程序，GC-IMS是理想选择。相反，GC-MS适用于全面的挥发组学，实现化合物特异性检测和定量，并用于确证评估。虽然这两种技术已成为当代产品鉴定系统的支柱，但两者的结合为应对食品欺诈提供了一种严格的方法。因此，GC-IMS提供现场筛查和实时监测能力，GC-MS工作流程提供详细和靶向的可信化合物确证方法。全球食品供应链中产品的整体安全性和真实性将得到保障。当前研究的局限性在于仅纳入2010年以后发表的英文文献，以及纳入研究之间的异质性和方法学差异，这可能影响结果的直接比较。未来的研究应侧重于开发和验证GC-IMS和GC-MS混合工作流程，其中GC-IMS作为快速初始筛查器，而GC-MS执行确证验证。