李倩倩，田曠達(dá)，唐 果，熊艷梅，閔順耕*

1. 中國(guó)地質(zhì)大學(xué)海洋學(xué)院，北京 100083 2. 中國(guó)農(nóng)業(yè)大學(xué)理學(xué)院應(yīng)用化學(xué)系，北京 100193

多元校正結(jié)合質(zhì)譜數(shù)據(jù)進(jìn)行四種有機(jī)物快速含量分析研究

李倩倩1，2，田曠達(dá)2，唐 果2，熊艷梅2，閔順耕2*

1. 中國(guó)地質(zhì)大學(xué)海洋學(xué)院，北京 100083 2. 中國(guó)農(nóng)業(yè)大學(xué)理學(xué)院應(yīng)用化學(xué)系，北京 100193

質(zhì)譜法和化學(xué)計(jì)量學(xué)方法相結(jié)合對(duì)混合物中苯甲醛，異辛烷，乙酸丁酯，苯乙酮四種物質(zhì)進(jìn)行定量分析。將混合物的質(zhì)量色譜圖數(shù)據(jù)分別用特征選擇-多元線性回歸(MLR)和全譜-偏最小二乘法(PLS)這兩種方法對(duì)四種物質(zhì)進(jìn)行定量分析。苯甲醛特征選擇和全譜建模的RMSEP分別為0.062和0.091； 異辛烷特征選擇和全譜建模的RMSEP分別為0.048和0.057； 乙酸丁酯特征選擇和全譜建模的RMSEP分別為0.021和0.020； 苯乙酮特征選擇和全譜建模的RMSEP分別為0.010和0.032。結(jié)果表明苯甲醛，異辛烷，苯乙酮特征選擇的結(jié)果均優(yōu)于全譜建模的結(jié)果，乙酸丁酯特征選擇的結(jié)果和全譜建模的結(jié)果相近。

質(zhì)譜； 偏最小二乘法； 多元線性回歸； 特征選擇

引 言

化學(xué)計(jì)量學(xué)和多元數(shù)據(jù)分析已提供了很多解決定性和定量分析的問題并且已經(jīng)應(yīng)用于食品[1-2]，藥品[3-4]等許多化學(xué)分析領(lǐng)域。質(zhì)譜已經(jīng)成為最有效的定性分析和混合物定量測(cè)定方法，同時(shí)質(zhì)譜是物質(zhì)的特征圖譜，也是物質(zhì)的指紋圖譜，目前質(zhì)譜與色譜聯(lián)用已經(jīng)成為一種常見方法。色譜分離需要較長(zhǎng)的分析時(shí)間，而質(zhì)譜本身也是一種很好的混合物分離方法。質(zhì)譜法用于復(fù)雜體系分離，經(jīng)常出現(xiàn)以下二種情況： (1)體系復(fù)雜不能完全分離； (2)快速分析，節(jié)約色譜分析時(shí)間無需完全分離或不需要色譜分離。但是，如何對(duì)分離不完全的混合物質(zhì)譜數(shù)據(jù)進(jìn)行定量分析是化學(xué)計(jì)量學(xué)中要解決的問題，化學(xué)計(jì)量學(xué)與質(zhì)譜法的結(jié)合已經(jīng)廣泛應(yīng)用于生物組學(xué)分析[5]、藥物分析[6-7]和食品分析[8-9]中，但是對(duì)未經(jīng)分離的混合物質(zhì)譜數(shù)據(jù)進(jìn)行定量分析的研究還比較少。本文采用多元校正中常用的多元線性回歸(MLR)和偏最小二乘法(PLS)算法，對(duì)混合物中苯甲醛，異辛烷，乙酸丁酯，苯乙酮四種物質(zhì)進(jìn)行質(zhì)譜定量分析，取得了滿意的結(jié)果，為質(zhì)譜快速分析和復(fù)雜體系的快速定量測(cè)定提供了一種新的途徑。

用GC-MS短柱進(jìn)行粗分檢測(cè)前10min的色譜數(shù)據(jù)并進(jìn)行保留時(shí)間方向累加來模擬樣品經(jīng)色譜柱不完全分離而得到的混合物的質(zhì)譜數(shù)據(jù)。處理累加的質(zhì)譜數(shù)據(jù)得到的二維譜圖，結(jié)合MLR和PLS快速測(cè)定40個(gè)樣品中混合物的含量并采用特征選擇和全譜建模兩種方法進(jìn)行定量分析。

1 實(shí)驗(yàn)部分

1.1 試劑與儀器

苯甲醛，2,2,4 -三甲基戊烷(異辛烷)，乙酸丁酯，苯乙酮(分析純，北京化學(xué)試劑公司)。正庚烷，正己烷，環(huán)己烷，甲酸乙酯，乙酸乙酯，甲苯(分析純，北京化學(xué)試劑有限公司)，四氯化碳(GR，天津傲然精細(xì)化學(xué)研究所)。

氣相色譜-質(zhì)譜聯(lián)用儀Clarus 500 GC-MS(Perkin Elmer公司，美國(guó))。

1.2 樣品制備

苯甲醛，異辛烷，乙酸丁酯，苯乙酮四種物質(zhì)為，8.10%～28.00%，0.854%～26.58%, 0344%～12.70%,0.044%～3.184%。四氯化碳作為溶劑，共40個(gè)樣品。為了檢查方法的可行性，將正庚烷，正己烷，環(huán)己烷，甲酸乙酯，乙酸乙酯，甲苯加入到樣品中，從而使復(fù)雜的成分更接近實(shí)際環(huán)境。

1.3 GC-MS條件

1.4 數(shù)據(jù)處理

對(duì)短色譜柱得到的質(zhì)量色譜圖中2.1～10.0 min的色譜數(shù)據(jù)并進(jìn)行保留時(shí)間方向累加，將累加的質(zhì)譜數(shù)據(jù)得到的二維質(zhì)量離子流圖用來模擬混合樣品不經(jīng)色譜分離而得到的混合物的質(zhì)譜數(shù)據(jù)。采用MLR和PLS建立定量方法測(cè)定40個(gè)樣品中苯甲醛，異辛烷，乙酸丁酯，苯乙酮的含量。

為了保證校正集和檢驗(yàn)集的代表性，40個(gè)樣品按照苯甲醛，異辛烷，乙酸丁酯，苯乙酮的含量從高到低的順序選擇10個(gè)樣品作為獨(dú)立外部檢驗(yàn)集，30個(gè)樣品作為校正集。分別用特征選擇(特征質(zhì)量m/z選擇)和全譜兩種方法建立四種物質(zhì)的定量模型，外部檢驗(yàn)集預(yù)測(cè)標(biāo)準(zhǔn)差RMSEP來評(píng)價(jià)模型性能。

用Matlab 7.6自編累加程序并進(jìn)行累加處理。PLS算法用Unscrambler 9.7 CAMO(Oslo, Norway)分析累加質(zhì)譜數(shù)據(jù)，建立全譜PLS定量分析模型和特征選擇的MLR定量分析模型。

2 結(jié)果與討論

2.1 三維質(zhì)量色譜圖得到二維譜圖

由GC-MS得到的質(zhì)譜數(shù)據(jù)中，累加保留時(shí)間在2.1～10.0 min的1 185個(gè)質(zhì)譜數(shù)據(jù)(數(shù)據(jù)點(diǎn)間隔為0.4 s)。圖1是混合樣品中1個(gè)樣品的質(zhì)譜圖，40個(gè)混合樣品保留時(shí)間超過10 min的質(zhì)譜信號(hào)很弱因而數(shù)據(jù)處理是累加前10 min的數(shù)據(jù)。三維質(zhì)譜圖是以m/z為X軸，時(shí)間為Y軸，離子流強(qiáng)度為Z軸。時(shí)間累加以后，每個(gè)特定離子m/z對(duì)應(yīng)所有保留時(shí)間的該離子m/z的強(qiáng)度之和，即m/z為X軸豐度為Y軸的二維譜圖。

Fig.1 Tridimensional MS spectra of the forty samples

將1 185個(gè)質(zhì)譜通過累加程序加和以后得到混合物質(zhì)譜圖(見圖2)，Y軸是m/z對(duì)應(yīng)的保留時(shí)間段下碎片離子信息的總和?；旌衔镔|(zhì)譜圖中共有251個(gè)變量(質(zhì)量間隔1 aum)。混合物累加后的質(zhì)譜數(shù)據(jù)即得到的二維光譜圖進(jìn)一步用化學(xué)計(jì)量學(xué)方法來進(jìn)行多組分的定量分析。

Fig. 2 Spectrum obtained after cumulating the mass spectrum in time axis (Y axis)

2.2 特征選擇-MLR結(jié)果(特征質(zhì)量m/z選擇)

為了簡(jiǎn)化MLR定量分析模型，對(duì)苯甲醛，異辛烷，乙酸丁酯，苯乙酮四種物質(zhì)進(jìn)行回歸特征峰(m/z)選擇，將選擇出的特征峰進(jìn)行多元線性回歸。

根據(jù)四種化合物的質(zhì)譜特征，定量分析特征峰(m/z)選擇結(jié)果為： 苯甲醛的基峰m/z=77，質(zhì)荷比較高的碎片離子峰m/z=105～106，選擇質(zhì)荷比m/z=74～78, 102～107這11個(gè)質(zhì)譜數(shù)據(jù)對(duì)苯甲醛進(jìn)行MLR回歸分析； 異辛烷的基峰為m/z=57，較高的碎片離子峰m/z=56，99，選擇m/z=55～58，97～100這8個(gè)可以代表異辛烷的變量進(jìn)行MLR回歸分析； 乙酸丁酯基峰m/z=43，強(qiáng)度高的碎片離子峰m/z=56, 61, 73，由于質(zhì)譜數(shù)據(jù)是從m/z=50開始收集，因而選擇的變量為m/z=54～57，60～62和72～74 amu共10個(gè)質(zhì)譜數(shù)據(jù)對(duì)乙酸丁酯進(jìn)行MLR回歸分析； 苯乙酮的基峰m/z=105 amu, 相對(duì)豐度高的碎片離子峰m/z=77, 105，120 amu，選擇m/z=76～78, 104～106和119～121 amu共9個(gè)變量來建立苯乙酮的定量模型。

圖3是四種物質(zhì)特征選擇校正集與檢驗(yàn)集樣品中含量真實(shí)值和預(yù)測(cè)值的相關(guān)關(guān)系圖，圖3(a)中苯甲醛校正集的決定系數(shù)R2為94.09%，檢驗(yàn)集的相關(guān)系數(shù)為0.896 0，RMSEP為0.006 2。圖3(b)中異辛烷的決定系數(shù)R2為96.48%，檢驗(yàn)集的相關(guān)系數(shù)為0.988 0，RMSEP為0.004 8。圖3(c)中乙酸丁酯的R2為99.34%，檢驗(yàn)集的相關(guān)系數(shù)為0.989 6，RMSEP為0.021。圖3(d)中苯乙酮的R2為98.54%，檢驗(yàn)集的相關(guān)系數(shù)為0.953 3，RMSEP為0.010。

Fig.3 Measured values versus predicted values of MLR after m/z selecting

檢驗(yàn)集的結(jié)果表明，運(yùn)用m/z選擇的11, 8, 10, 9個(gè)變量結(jié)合MLR算法和混合物的質(zhì)譜數(shù)據(jù)可以準(zhǔn)確的測(cè)定苯甲醛, 異辛烷, 乙酸丁酯(最低檢測(cè)到的質(zhì)量百分?jǐn)?shù)為0.344%), 苯乙酮的含量。

2.3 全譜-PLS結(jié)果

苯甲醛，異辛烷，乙酸丁酯，苯乙酮四種物質(zhì)用全譜PLS方法進(jìn)行分析。圖4是四種全譜建模校正集與檢驗(yàn)集樣品中含量真實(shí)值和預(yù)測(cè)值的相關(guān)關(guān)系圖，結(jié)果見表1。

Fig.4 Measured values versus predicted values of PLS by the full spectrum

對(duì)特征選擇-MLR和全譜-PLS進(jìn)行比較，圖5可以看出苯甲醛和異辛烷的R2優(yōu)于全譜建模的R2，RMSEP遠(yuǎn)遠(yuǎn)低于全譜建模的RMSEP； 乙酸丁酯特征選擇的R2和RMSEP與全譜建模的結(jié)果基本相同； 苯乙酮全譜建模的結(jié)果不成功。

由于乙酸丁酯質(zhì)譜圖是從50 amu開始收集的，故沒有選擇其基峰，而是選擇了質(zhì)荷比較高的碎片離子峰進(jìn)行定量分析，有其他物質(zhì)的特征離子相干擾(異辛烷，正庚烷，正己烷)，導(dǎo)致乙酸乙酯特征值選擇和全譜建模兩種方法的結(jié)果基本相同。苯乙酮全譜建模不成功主要原因可能是苯乙酮的含量低(0.044%～3.184%)被其他物質(zhì)的特征離子掩蓋，導(dǎo)致m/z=105 amu離子峰的相對(duì)豐度很低，因而全譜建模結(jié)果很差，而選擇特征離子后其結(jié)果很好，可以準(zhǔn)確的測(cè)定其含量。

綜上所述，特征選擇使得模型的穩(wěn)健性和準(zhǔn)確度都得到了很大的提高。m/z將選擇的特征峰的變量多元線性回歸(MLR)，優(yōu)于全譜建模的所有變量進(jìn)行PLS回歸。苯甲醛，異辛烷，乙酸丁酯，苯乙酮四種物質(zhì)特征變量選擇與全譜建模具體結(jié)果見表1。

Fig.5 R2 RMSEP obtained from two methods

Table 1 Results of full-range and m/z models of benzaldehyde，2,2,4-trimethylpentane,butyl acetate, and acetophenone

3 結(jié) 論

提出了MS結(jié)合PLS用m/z選擇特征變量來測(cè)定混合物的組成，對(duì)質(zhì)譜法和化學(xué)計(jì)量學(xué)結(jié)合處理數(shù)據(jù)進(jìn)行了初步探究。采用混合物質(zhì)譜數(shù)據(jù)結(jié)合化學(xué)計(jì)量學(xué)直接分析苯甲醛，異辛烷，乙酸丁酯，苯乙酮四種混合物中的各成分含量。得到如下結(jié)果：m/z對(duì)苯甲醛，異辛烷，乙酸丁酯，苯乙酮這四種物質(zhì)進(jìn)行特征選擇的變量數(shù)分別為11, 8, 10, 9； 全譜建模的變量數(shù)為251個(gè)； 苯甲醛，異辛烷，苯乙酮特征選擇的結(jié)果均優(yōu)于全譜建模的結(jié)果，乙酸丁酯特征選擇的結(jié)果和全譜建模的結(jié)果相近。用特征選擇-MLR和全譜PLS分析了混合物的質(zhì)譜數(shù)據(jù)，使得模型的穩(wěn)健性和準(zhǔn)確度都得到了很大的提高。

[1] ZHUANG Xiao-li, XIANG Yu-hong, QIANG Hong, et al(莊小麗, 相玉紅, 強(qiáng) 洪，等). Spectroscopy and Spectral Analysis(光譜學(xué)與光譜分析), 2010, 30(4): 933.

[2] Pereira A F C, Pontes M J C, Neto F F G, et al. Food Research International, 2008, 41(4): 341.

[3] DOU Ying, QIU Fang-ping, LIU Pei-yi, et al (竇 英, 邱芳萍, 劉培義，等). Chemical Journal of Chinese Universities(高等學(xué)校化學(xué)學(xué)報(bào)), 2004, 25(1): 53.

[4] Grünhut M, Centurión M E, Fragoso W D, et al. Talanta, 2008, 75(4): 95.

[5] LI Xiao-ru, LIANG Yi-zeng, LI Xiao-ning(李曉如, 梁逸曾, 李曉寧). Acta Pharmaceutica Sinica(藥學(xué)學(xué)報(bào)), 2007, 42(2): 187.

[6] Eide I, Neverdal G, Thorvaldsen B, et al. Environmental Science and Technology, 2001, 35(11): 2314.

[7] Ledauphin J, Le Milbeau C, Barillier D, et al. Journal of Agricultural and Food Chemistry, 2010, 58(13): 7782.

[8] Huang L F, Wu M J, Zhong K J, et al. Analyticachimicaacta, 2007, 588(2): 216.

[9] Jalali-Heravi M, Vosough M. Journal of Chromatography A, 2004, 1024(1): 165.

*Corresponding author

Multivariate Calibration Combined with Mass Spectrometry for Rapid Analysis

LI Qian-qian1,2, TIAN Kuang-da2, TANG Guo2, XIONG Yan-mei2, MIN Shun-geng2*

1. College of Marine Science, China University of Geoscience, Beijing 100083, China 2. Department of Applied Chemistry, College of Science, China Agricultural University, Beijing 100193, China

A mixture of four substances of benzaldehyde, iso-octane, butyl acetate, acetophenone were quantitatively analyzed by mass spectrometry combined with chemometrics.The mass chromatogram data of mixture were proceeded with two methods for quantitative analysis. One is feature selection-Multiple Linear Regression (MLR) and the other is full spectrum- Partial Least Squares (PLS). The results show that the RMSEP of benzaldehyde were 0.062 and 0.091 after selectingm/zspectrum and full spectrum respectively； RMSEP of isooctane were 0.048 and 0.057 after selecting spectrum and full spectrum respectively； which of butyl acetate were 0.021 and 0.020 and of acetophenone were 0.010 and 0.032. The feature selection results of the mixture were better than that of the full spectrum modeling results expect butyl acetate which got similar results by the two methods.

Mass spectrometry； Partial least squares； Multiple linearregression； Feature selection

Nov. 27, 2014; accepted Mar. 20, 2015)

2014-11-27，

2015-03-20

國(guó)家自然科學(xué)基金項(xiàng)目(31301685)資助

李倩倩，女，1984年生，中國(guó)地質(zhì)大學(xué)海洋學(xué)院實(shí)驗(yàn)師 e-mail: nancylgq@126.com *通訊聯(lián)系人 e-mail: minsg@263.net

O657.3

A

10.3964/j.issn.1000-0593(2016)02-0532-05