非靶向筛选与化学指纹分析在鸭场农业生态系统中的人为污染物研究

《Cogent Food & Agriculture》：Non-targeted screening and chemical fingerprint analysis of anthropogenic contaminants in duck Farm Agro-Ecosystems

　　

研究人员采用非靶向UHPLC-Q-Orbitrap-HRMS（超高效液相色谱-四极杆-静电场轨道阱高分辨质谱）工作流程，对中国湖南两个鸭场的六种基质进行了分析。共获得3,352个化学特征，并注释了209种人为污染物（其中60种达到Schymanski 2级，149种达到3级）。化学与工业化合物占注释污染物的77.5%。主成分分析（PCA）将六种基质区分开；去除基质效应后，两个鸭场之间存在显著差异（p = 0.0015）。1号鸭场以增塑剂和药物相关化合物为特征，而2号鸭场则表现出较高的染料中间体和表面活性剂相关化合物响应。该工作流程为鸭场复合污染调查和风险筛查提供了技术支持。

**论文解读：基于非靶向高分辨质谱的鸭场农业生态系统人为污染物化学指纹分析**

**研究背景与问题**

水禽养殖是中国畜牧业的重要组成部分，鸭肉和鸭蛋是大众消费的主要动物源性食品，其安全性直接关系到公众饮食健康。然而，随着集约化养殖模式的推广，鸭产区日益受到工业废水排放、农业径流、兽药及饲料添加剂等多重压力的累积影响。外源性化学品通过环境暴露和饲料摄入进入禽类机体，并可能发生生物富集，进而引发慢性食品安全风险。传统的畜禽生产监测模式主要局限于针对农药和兽药的目标分析，且使用预定的分析物列表，这固有地忽略了新兴污染物，如药物合成中间体、工业副产物和增塑剂残留。已有研究表明，养殖环境中存在复杂的污染物谱，其中芳香胺、有机磷化合物和亚硝胺类物质具有显著毒性和生物富集潜力。长期低剂量暴露可对禽类生理造成累积损害，并进而对人类消费者构成潜在风险。

水禽独特的生态习性——尤其是对水生环境的依赖和摄食水生植物的倾向——使其比陆生家禽（如鸡）更易受到环境污染物影响。这种独特的暴露生态学导致污染迁移路径与陆地生产系统显著不同，然而，针对鸭场农业生态系统中多基质、全链条污染动态的系统性研究仍然匮乏。非靶向高分辨质谱（high-resolution mass spectrometry, HRMS）已成为食品和环境基质中未知污染物筛选不可或缺的分析平台，提供卓越的灵敏度和广谱检测能力。当与化学计量学指纹分析和多变量统计方法结合时，该技术能够快速鉴别污染源并表征暴露谱。认识到当前监测框架中的分析空白，并利用高分辨质谱的技术优势，本研究选取了湖南省邵阳市两个代表性的大型商业化鸭场作为模型系统，通过对其六个核心生产基质进行全面的非靶向筛选，比较评估了不同养殖场间污染物组成和分布模式的差异，阐明了污染物的迁移轨迹，识别了优先关注的有害物质，并构建了针对鸭生产系统的指纹溯源方法。这些发现为生产层面的风险缓解策略和基于证据的食品安全治理提供了实证支持。据研究人员所知，这是首次将非靶向HRMS筛选同时应用于鸭场的完整生产链，将环境介质（水和水生植物）、投入品（饲料）和动物产品（蛋、生肉和熟肉）整合在一个化学指纹框架中。与以往聚焦于单一食品或环境基质的非靶向研究不同，这种多基质设计允许跨基质比较污染物出现模式，并生成可在养殖场层面进行验证的暴露途径假设。

**主要关键技术方法**

本研究采用的核心技术方法包括：（1）非靶向UHPLC-Q-Orbitrap-HRMS分析：使用Thermo Scientific Vanquish UHPLC系统与Q Exactive HF-X混合四极杆-Orbitrap质谱仪联用，配备加热电喷雾离子源（HESI），在正负离子模式下采集全扫描及数据依赖的二级质谱（dd-MS2）数据。（2）数据处理与化合物注释：原始数据经ProteoWizard转换后，使用R语言XCMS包进行峰检测、保留时间校正和色谱对齐；缺失值通过k近邻（KNN）方法填补；基于支持向量回归（SVR）进行信号漂移校正。化合物注释通过内部谱库结合公共数据库和预测数据库，采用metDNA方法，依据精确质量数和MS/MS谱图匹配，注释置信度按Schymanski分类报告。（3）多变量统计分析与指纹差异评估：运用主成分分析（PCA）探索化学指纹整体结构，并通过去除基质效应后的残差PCA评估养殖场间差异，采用限制性置换检验（2,000次置换）评估显著性；使用双因素线性模型（养殖场和基质作为因素）评估养殖场间差异，并应用Benjamini-Hochberg错误发现率（FDR）进行多重检验校正。样本来自湖南省邵阳市两个大型商业化鸭场，每个养殖场约饲养2,000只肉鸭，采样鸭为90日龄育肥期个体。六种基质分别为养殖水、水生植物（水草）、商品配合饲料、鲜鸭蛋、鲜胸肉和煮制胸肉，每种基质在每个养殖场采集三个独立生物学重复样本。

**研究结果**

**3.1 总体污染概况**
通过非靶向高分辨质谱全扫描分析，在所有基质中检测到3,352个化学特征。结合精确质量匹配和MS/MS谱图比对，共注释了209种人为污染物。按Schymanski分类，60种化合物达到2级（可能结构，谱库匹配），149种化合物暂定为3级（候选物）。工业污染物是最丰富的类别，共计162种，占77.5%，显著高于药物残留（17.7%）、农药（1.9%）和兽药（1.0%）的总和。这一结果表明，两个鸭场的可检测污染物清单中，工业型化合物在数量上占主导，而传统农药和兽药仅占检测出的一小部分。由于数据是半定量的且未按浓度或毒性加权，此模式应解释为可检测污染物组成的变化，而非工业污染物构成最大健康风险的直接证据。

**3.2 跨基质污染特征**
**3.2.1 养殖水**：共检测到56种污染物，主要分为药物残留、化学中间体、农药降解产物和食品添加剂四类。药物和化学中间体占比超过80%，表明养殖水受到工业与药物相关的复合污染。两养殖场水体中均检测到暂注释为联苯胺（Schymanski 3级）、亚硝胺和吗啡相关化合物等剧毒和致癌物质，表明养殖水源存在潜在健康风险。两个养殖场的水污染特征不同：2号鸭场富集乙酰乙酸甲酯等风味中间体和醋磺己脲等违禁药物，而1号鸭场以邻苯二甲酸单异丁酯等增塑剂为主。

**3.2.2 水生植物**：鉴定出90种污染物特征，覆盖六类物质。化学与药物物质占比超过91%。两养殖场水草中均分布有苯乙醇胺、1,2-二氨基苯等剧毒物质以及N-亚硝基二丁胺、苯并(a)芘代谢物等致癌物，但具体污染特征存在显著差异。1号鸭场水生植物的总体响应值几何均值是2号鸭场的1.52倍，不同物质的组间差异范围从1.1倍到1,778倍。水生植物对水污染物具有较强的富集能力，加之鸭子主动摄食水草的习性，使其成为水污染物进入食物链的关键中间载体。

**3.2.3 配合饲料**：检测到90种污染物。1号鸭场饲料的总体污染物响应值几何均值是2号鸭场的2.58倍，两养殖场特征物质差异显著。1号鸭场中呋喃唑酮、N₄-乙酰磺胺嘧啶等药物和化学中间体的响应值分别高出41.9倍和38.6倍，剧毒致癌物质如1,2-二氨基苯（20.7倍）和N-亚硝基二丁胺（6.6倍）也显著更高。2号鸭场的优势物质为增塑剂、有机磷和多环芳烃代谢物。

**3.2.4 鸭蛋、生鸭肉和熟鸭肉**：鸭蛋样品中检测到136种污染物，化学物质占46.3%。2号鸭场鸭蛋总体响应值几何均值是1号鸭场的1.14倍。生鸭肉样品中也检测到136种污染物，1号鸭场总体响应值几何均值是2号鸭场的1.13倍。熟鸭肉样品中检测到的污染物数量仍为136种。煮沸并未减少可检测污染物的数量（生肉和熟肉中均检测到136种化合物）。生熟肉配对比较显示，中位数log₂（熟肉/生肉）响应比为-0.065，76.1%的配对变化小于两倍；但经FDR校正后，94对（34.6%）发生显著变化，其中70对下降，24对上升。因此，煮沸降低了部分污染物的响应，但整体可检测污染物清单基本不变。这些发现表明，仅依靠成品检验无法从根本上解决安全问题，污染控制必须前移至养殖环境和投入品环节。

**3.3 PCA化学指纹区分**
对全部3,352个QC过滤特征进行无监督PCA，前两个主成分解释总方差的75.8%（PC1）和19.2%（PC2）。PC1主要区分动物组织（蛋、生肉和熟肉）与饲料及水生植物，PC2进一步分离水样，表明基质类型是该数据集中变异的主要来源。为独立评估基质效应下的养殖场间差异，去除基质均值后对残差进行PCA，两个养殖场沿残差PC1分离（占残差方差的24.7%），限制性置换检验（2,000次置换）确认该分离显著（p = 0.0015）。双因素方差分析（ANOVA）鉴定出213个特征具有显著的养殖场主效应（FDR校正后q < 0.05）。对残差PC1贡献最大的污染物包括罗利环素、邻苯二甲酸单苄酯、双酚F、苏丹红I和苯甲醇（在1号鸭场中响应较高），以及乙酰氨基柳酸、O-甲基花药亭和2-氨基苯乙酮（在2号鸭场中响应较高）。结果表明，养殖场水平指纹差异主要体现在增塑剂相关、药物相关和染料相关化合物上：1号鸭场样品以邻苯二甲酸酯类增塑剂和药物相关化合物为特征，而2号鸭场样品则表现出较高的染料相关和含氮杂环化合物响应。层次聚类分析（209种注释污染物）再现了相同结构，样本首先按基质聚类，其次按养殖场聚类。

**3.4 污染迁移路径与溯源**
在两个养殖场的饲料中均检测到N-乙酰-L-丙氨酸（Schymanski 3级），其在鸭蛋和肉中的响应高于饲料，这一梯度与假定的饲料-产品传递信号一致。类似地，2-氨基-1-苯乙醇（苯乙醇胺）在1号鸭场饲料中的响应高于2号鸭场，且在蛋和肉样品中观察到相同顺序。需强调，此类跨基质信号梯度是相关性，未经受控暴露或同位素示踪实验无法证明污染物转移，因此饲料被描述为假定而非确证的暴露途径。暂注释为联苯胺（Schymanski 3级，[M-H]^-加合物，质量误差22.4 ppm）的特征在两个养殖场的水、水生植物、饲料以及蛋和肉中均观察到。由于该注释仅基于精确质量和碎片匹配，质量误差超过常用5 ppm窗口，且未使用认证标准品确认，故应视为需靶向确认的暂定注释，且不能完全排除实验室污染来源。此外，苯乙醇胺和3-羟基戊二酸在水生植物中的响应远高于周围水，与上述推断的水生植物富集效应一致。结合多基质信号模式，本研究提出两条假定传输途径：饲料主导输入和水草介导传递，作为针对不同养殖场设计差异化防控方案的工作假设；这些途径的确认需要靶向定量分析和受控暴露实验。

**讨论与结论总结**

研究讨论部分指出，本研究存在的局限性包括：采样仅限于湖南省邵阳市的两个养殖场，结论的普适性需更大样本量验证；为半定量非靶向筛选，未进行绝对定量和毒理学风险评估；溯源结论基于响应梯度相关性，需代谢示踪实验确认因果传递路径；大部分注释依赖Schymanski 2级和3级，缺乏标准品确认，3级候选物尤其存在假阳性风险；不同基质间提取回收率、电离效率和基质效应未校正，跨基质比较为相对信号比较；未采集现场空白、提取空白、溶剂空白或仪器空白，对邻苯二甲酸酯等普遍存在的化合物不能完全排除实验室来源；仅两个养殖场，每基质三个生物学重复，统计功效有限。

**结论翻译**：在本研究中，研究人员采用UHPLC-Q-Orbitrap-HRMS对两个鸭场的六种基质进行了非靶向筛选和基于PCA的指纹分析。化学与工业化合物在209种注释污染物中按数量占比77.5%，表明当前以农药和兽药为导向的监测体系可能忽略了可检测污染物清单中的很大一部分；由于数据是半定量的，此组成模式不应解读为基于浓度或毒性的风险排序。去除基质效应后，两个养殖场的化学指纹存在显著差异：1号鸭场以增塑剂和药物相关化合物为特征，2号鸭场以染料中间体和表面活性剂相关化合物为特征，这些模式与不同的假定污染源一致。信号梯度提示饲料为假定暴露途径，水生植物为富集载体。一个暂注释为联苯胺的特征跨越了所有基质，且在检测计数层面上未被煮沸消除，但其鉴定需要标准品确认。本研究扩展了鸭生产系统中多基质污染物谱的现有认识，并验证了PCA指纹溯源的可行性。在应用层面，提出区域管理建议：1号鸭场应严格控制饲料原料和兽药使用，2号鸭场应加强水源保护和工业污水排放监管。同时发现水生植物可作为低成本污染哨兵。在监管层面，建议监测重点转向“工业污染物+农药和兽药”的双轨筛选；在环境治理层面，可协助界定工农业交错区的污染责任，促进协同治理。未来将使用靶向LC-MS/MS方法结合认证标准品对优先污染物进行确认和定量，评估膳食暴露水平和人体健康风险，并通过受控暴露研究或纵向调查验证本文提出的假定迁移途径。