基于色譜-質(zhì)譜聯(lián)用技術(shù)的食品中農(nóng)藥殘留高通量非靶向檢測(cè)技術(shù)研究進(jìn)展

黎才婷，雷紫依，丁勝華，蔣立文，劉 霞，李 跑,,*

（1.湖南農(nóng)業(yè)大學(xué)食品科學(xué)技術(shù)學(xué)院，食品科學(xué)與生物技術(shù)湖南省重點(diǎn)實(shí)驗(yàn)室，湖南 長(zhǎng)沙 410128；2.湖南省農(nóng)業(yè)科學(xué)院，湖南省農(nóng)產(chǎn)品加工研究所，湖南 長(zhǎng)沙 410125）

農(nóng)藥是現(xiàn)代農(nóng)業(yè)生產(chǎn)中必不可少的生產(chǎn)資料，在糧食增產(chǎn)和生物災(zāi)害防治方面起重要作用[1]。目前世界上農(nóng)藥品種眾多，根據(jù)用途可分為殺蟲劑、殺菌劑、除草劑、殺鼠劑、植物生長(zhǎng)調(diào)節(jié)劑及殺軟體動(dòng)物劑等；根據(jù)化學(xué)成分可分為有機(jī)磷類、有機(jī)氯類、氨基甲酸酯類、擬除蟲菊酯類、酰胺類、環(huán)二烯類、三唑類等。不同種類農(nóng)藥理化性質(zhì)各異，且目前所使用的新型農(nóng)藥相對(duì)于傳統(tǒng)的有機(jī)磷以及有機(jī)氯農(nóng)藥半衰期更短，所施用的濃度更低，在食品中殘留量較低，檢測(cè)難度非常大。

近10 年來，農(nóng)藥殘留引起的食品安全問題引起了廣泛關(guān)注，開發(fā)高效、準(zhǔn)確的檢測(cè)技術(shù)對(duì)保障食品安全至關(guān)重要。目前，農(nóng)藥殘留檢測(cè)方法主要包括光譜法、生物傳感器、微流控芯片技術(shù)、色譜法以及色譜-質(zhì)譜聯(lián)用法等。光譜法具有操作簡(jiǎn)單、快速、成本低等優(yōu)點(diǎn)，但其易受到噪聲和復(fù)雜基質(zhì)的干擾，且較難實(shí)現(xiàn)農(nóng)藥的高通量檢測(cè)[2]。生物傳感器方法具有靈敏度高、分析速度快、儀器體積小等優(yōu)點(diǎn)，適用于農(nóng)藥殘留現(xiàn)場(chǎng)快速檢測(cè)，但其熱穩(wěn)定性較差，且往往只能實(shí)現(xiàn)特定農(nóng)藥的分析，較難實(shí)現(xiàn)農(nóng)藥的高通量檢測(cè)[3-5]。微流控芯片技術(shù)具有操作簡(jiǎn)便、試劑使用量少、集成化高等優(yōu)點(diǎn)，但重復(fù)性方面還需進(jìn)一步提高[6-8]。色譜法具有較強(qiáng)的分離能力，利用標(biāo)準(zhǔn)樣品可以實(shí)現(xiàn)復(fù)雜基質(zhì)中農(nóng)藥殘留的定性定量分析。色譜與質(zhì)譜聯(lián)用法兼具色譜的分離能力和質(zhì)譜的定性能力，既能實(shí)現(xiàn)復(fù)雜樣品中農(nóng)藥的有效分離，又能實(shí)現(xiàn)多種農(nóng)藥及其代謝物的快速定性分析，靈敏度高、重現(xiàn)性好，是大多數(shù)農(nóng)藥殘留檢測(cè)國(guó)家標(biāo)準(zhǔn)推薦的方法。因此，基于色譜-質(zhì)譜聯(lián)用法開發(fā)高靈敏度、高通量、非靶向農(nóng)藥殘留檢測(cè)技術(shù)成為了研究熱點(diǎn)。

然而，由于樣品、環(huán)境、儀器等原因，基于色譜-質(zhì)譜聯(lián)用技術(shù)的多農(nóng)藥殘留高通量非靶向檢測(cè)依舊存在以下幾點(diǎn)問題：第一，前處理及儀器分析時(shí)間較長(zhǎng)；第二，食品樣品組分較多，痕量目標(biāo)物易受復(fù)雜基質(zhì)干擾；第三，檢測(cè)信號(hào)易受基線漂移以及譜峰重疊的干擾。針對(duì)以上問題，國(guó)內(nèi)外科研人員進(jìn)行了大量研究，主要集中在分析儀器的改進(jìn)、樣品前處理技術(shù)的創(chuàng)新以及化學(xué)計(jì)量學(xué)方法的優(yōu)化等方面。色譜-質(zhì)譜聯(lián)用技術(shù)發(fā)展前景廣闊，本文對(duì)近10 年國(guó)內(nèi)外多農(nóng)藥殘留高通量非靶向檢測(cè)相關(guān)報(bào)道進(jìn)行歸納和總結(jié)，簡(jiǎn)要介紹食品中多農(nóng)藥殘留檢測(cè)現(xiàn)狀，詳述多維色譜技術(shù)及高分辨率質(zhì)譜技術(shù)、新型吸附劑材料及樣品前處理技術(shù)、新型化學(xué)計(jì)量學(xué)方法等檢測(cè)技術(shù)的基本原理，以及在多農(nóng)藥殘留檢測(cè)領(lǐng)域中的最新應(yīng)用進(jìn)展，并對(duì)其優(yōu)缺點(diǎn)進(jìn)行比較，對(duì)存在的問題提出相關(guān)建議，旨在為推進(jìn)色譜-質(zhì)譜聯(lián)用技術(shù)在食品中多農(nóng)藥殘留檢測(cè)中的應(yīng)用提供新的參考依據(jù)。

1 食品中多農(nóng)藥殘留檢測(cè)現(xiàn)狀

截至2021年11月，現(xiàn)行有效的食品中多農(nóng)藥殘留檢測(cè)國(guó)家標(biāo)準(zhǔn)有177 項(xiàng)，其中基于色譜-質(zhì)譜聯(lián)用技術(shù)的檢測(cè)方法有87 項(xiàng)。圖1為各種色譜-質(zhì)譜聯(lián)用技術(shù)在農(nóng)藥殘留檢測(cè)標(biāo)準(zhǔn)中的占比。基于色譜-質(zhì)譜聯(lián)用技術(shù)的農(nóng)藥殘留檢測(cè)方法主要包括氣相色譜-質(zhì)譜（gas chromatographymass spectrometry，GC-MS）、氣相色譜-串聯(lián)質(zhì)譜（gas chromatography-tandem mass spectrometry，GCMS/MS）、液相色譜-質(zhì)譜（liquid chromatography mass spectrometry，LC-MS）以及液相色譜-串聯(lián)質(zhì)譜（liquid chromatography-tandem mass spectrometry，LC-MS/MS）。GC-MS以及LC-MS/MS是目前國(guó)家標(biāo)準(zhǔn)中最常用的兩種方法，而基于LC-MS以及GC-MS/MS的國(guó)家標(biāo)準(zhǔn)相對(duì)較少。

圖1 基于色譜-質(zhì)譜聯(lián)用技術(shù)檢測(cè)農(nóng)藥殘留的國(guó)家標(biāo)準(zhǔn)Fig.1 China’s national standards for the detection of pesticide residues based on chromatography-mass spectrometry

表1對(duì)4 種色譜-質(zhì)譜聯(lián)用技術(shù)的優(yōu)缺點(diǎn)以及適用范圍進(jìn)行了對(duì)比。GC-MS儀器價(jià)格相對(duì)較低，且操作較簡(jiǎn)便，通過將目標(biāo)分析物質(zhì)譜數(shù)據(jù)與農(nóng)藥標(biāo)準(zhǔn)質(zhì)譜數(shù)據(jù)庫進(jìn)行對(duì)比，無需標(biāo)準(zhǔn)品即可實(shí)現(xiàn)對(duì)農(nóng)藥殘留的非靶向檢測(cè)。隨著新型農(nóng)藥的不斷推出，GC-MS檢測(cè)的不足逐漸顯現(xiàn)。一方面，含有大量硫醚的蔥、蒜、韭菜等蔬菜在農(nóng)藥殘留檢測(cè)時(shí)基質(zhì)干擾較為嚴(yán)重；另一方面，該方法較難實(shí)現(xiàn)磺酰脲類、苯氧羧酸類等不易揮發(fā)且熱穩(wěn)定性差的新型農(nóng)藥殘留檢測(cè)[9]。GC-MS/MS同樣不適用熱不穩(wěn)定以及揮發(fā)性差的農(nóng)藥殘留檢測(cè)。LC-MS/MS抗干擾能力最強(qiáng)、靈敏度最高，但儀器價(jià)格昂貴。Alder等[10]利用LCMS/MS與GC-MS對(duì)500 種農(nóng)藥組分進(jìn)行分析，并對(duì)兩種方法的檢測(cè)結(jié)果進(jìn)行比較，結(jié)果表明，有135 種農(nóng)藥組分無法被GC-MS檢出，而僅有49 種農(nóng)藥組分無法被LC-MS/MS檢出。此外，在靈敏度方面，GC-MS較LC-MS/MS低3～4 個(gè)數(shù)量級(jí)。然而，無論是GC-MS還是LC-MS/MS均不能單獨(dú)應(yīng)用于所有種類農(nóng)藥組分的檢測(cè)。農(nóng)業(yè)農(nóng)村部基于GC-MS和LC-MS建立了NY/T 1379—2007《蔬菜中334 種農(nóng)藥多殘留的測(cè)定 氣相色譜質(zhì)譜法和液相色譜質(zhì)譜法》[11]。Chamkasem等[12]采用改進(jìn)的QuEChERS前處理技術(shù)結(jié)合LC-MS/MS和GC-MS/MS實(shí)現(xiàn)了鱷梨中136 種農(nóng)藥的檢測(cè)。Song等[13]同樣采用QuEChERS前處理技術(shù)，采用LC-MS/MS和GC-MS/MS實(shí)現(xiàn)了對(duì)雞蛋中60 種農(nóng)藥的檢測(cè)，回收率為70%～120%，相對(duì)標(biāo)準(zhǔn)偏差小于20%。

表1 不同色譜-質(zhì)譜聯(lián)用技術(shù)的優(yōu)缺點(diǎn)以及適用范圍Table 1 Advantages, disadvantages and application scope of different chromatography-mass spectrometry techniques

2 食品中多農(nóng)藥殘留檢測(cè)分析儀器的改進(jìn)

為了滿足多農(nóng)藥殘留高通量非靶向檢測(cè)需求，科研人員對(duì)色譜以及質(zhì)譜儀器進(jìn)行相應(yīng)的改進(jìn)，開發(fā)了新型檢測(cè)儀器。近10 年來，多維色譜技術(shù)逐漸成為農(nóng)藥殘留檢測(cè)研究的熱點(diǎn)。多維色譜技術(shù)通過耦合兩個(gè)或多個(gè)極性不同的色譜柱，構(gòu)建了一種具有不同分離能力的聯(lián)用系統(tǒng)，具有峰容量大、分離效率高的優(yōu)點(diǎn)，成為了多農(nóng)藥殘留檢測(cè)的強(qiáng)有力分析手段[14-15]。del Castillo等[16]將固相微萃取技術(shù)（solid-phase microextraction，SPME）與多維氣相色譜質(zhì)譜結(jié)合，用于復(fù)雜樣品中多農(nóng)藥的定性定量分析。結(jié)果表明，多維氣相色譜分析技術(shù)可以避免一維色譜中由于目標(biāo)組分受到樣品基質(zhì)成分干擾而出現(xiàn)的假陽性問題。del Castillo等[17]再次將SPME與多維氣相色譜-質(zhì)譜技術(shù)結(jié)合用于復(fù)雜樣品中痕量農(nóng)藥的檢測(cè)，該方法具有良好的重現(xiàn)性以及更高的靈敏度。第一維氣相色譜農(nóng)藥殘留最低檢測(cè)限為0.11～0.42 ng/kg，而第二維氣相色譜最低檢測(cè)限可達(dá)0.013～0.093 ng/kg。

為了實(shí)現(xiàn)農(nóng)藥殘留的精準(zhǔn)檢測(cè)，可靠以及準(zhǔn)確的質(zhì)譜分析手段是必不可少的。與低分辨的離子阱以及四極桿質(zhì)譜相比，中高分辨質(zhì)譜如飛行時(shí)間質(zhì)譜（time of flight mass spectrometer，TOF MS）[18]、軌道阱質(zhì)譜（Orbitrap MS）[19]等在全質(zhì)量數(shù)據(jù)采集、數(shù)據(jù)可溯源性以及數(shù)據(jù)庫檢索方面具有顯著優(yōu)勢(shì)。TOF技術(shù)利用經(jīng)脈沖電場(chǎng)加速后不同質(zhì)荷比的離子具有恒定速度但通過恒定距離所需時(shí)間不同的原理，從而具有較快的掃描速度以及較高的靈敏度。王思威等[20]利用高效液相色譜-四極桿TOF MS結(jié)合QuEChERS前處理技術(shù)，分析目標(biāo)化合物特征離子的質(zhì)量數(shù)、二級(jí)碎片以及保留時(shí)間信息，實(shí)現(xiàn)了對(duì)蜂蜜、蜂巢和荔枝花中農(nóng)藥的非靶向檢測(cè)。該方法共篩查出多菌靈、毒死蜱、除蟲脲等8 種農(nóng)藥，方法LOD為0.03～0.50 μg/kg，加標(biāo)回收率為80%～96%，具有較高的靈敏度和回收率。Orbitrap是由一個(gè)中心電極和兩個(gè)外部電極組成，其利用離子在靜電作用下圍繞中心電極做圓周運(yùn)動(dòng)并在中心電極和外部電極之間振蕩，不同離子振蕩頻率不同的原理，得到離子質(zhì)譜數(shù)據(jù)，具有靈敏度高、穩(wěn)定性好的優(yōu)點(diǎn)。Gómez-Pérez等[21]利用不同質(zhì)譜儀對(duì)300 種農(nóng)藥和獸藥進(jìn)行分析，Orbitrap MS在靈敏度以及回收率等方面均優(yōu)于TOF MS。Saito-Shida等[22]對(duì)比了TOF MS和Orbitrap MS的分析結(jié)果，發(fā)現(xiàn)對(duì)于低含量（小于0.01 mg/kg）農(nóng)藥殘留的檢測(cè)，Orbitrap MS的選擇性和靈敏度均略優(yōu)于TOF MS?？赡苁且?yàn)镺rbitrap MS的分辨率更高，質(zhì)譜窗口更窄。因此，Orbitrap MS比TOF MS更適用于復(fù)雜食品中多農(nóng)藥殘留的高通量非靶向檢測(cè)。此外，將多維氣相色譜與高分辨質(zhì)譜技術(shù)聯(lián)用可獲得更精準(zhǔn)的質(zhì)譜信息，實(shí)現(xiàn)多農(nóng)藥殘留的高通量非靶向檢測(cè)[14]。

綜上所述，利用多維色譜技術(shù)、TOF MS以及Orbitrap MS等可開發(fā)高靈敏度、高通量、非靶向的多農(nóng)藥殘留檢測(cè)方法。在色譜技術(shù)中，多維色譜的靈敏度優(yōu)于一維色譜；在質(zhì)譜技術(shù)中，Orbitrap MS的靈敏度最高，其次為TOF MS。但多維色譜技術(shù)與高分辨質(zhì)譜存在儀器昂貴，商品化質(zhì)譜數(shù)據(jù)庫、快速數(shù)據(jù)分析算法和軟件缺乏等不足，因此在實(shí)際應(yīng)用中普及度較低，未來可考慮將多維色譜以及高分辨率質(zhì)譜技術(shù)與數(shù)據(jù)處理方法如化學(xué)計(jì)量學(xué)方法進(jìn)行結(jié)合。

3 食品中多農(nóng)藥殘留檢測(cè)中新型前處理方法的開發(fā)

樣品前處理是食品中多農(nóng)藥殘留檢測(cè)的關(guān)鍵步驟。食品樣品具有復(fù)雜多樣性，傳統(tǒng)樣品前處理技術(shù)如勻漿法、索氏提取法、浸泡法存在操作時(shí)間長(zhǎng)、有機(jī)試劑消耗量大、富集倍數(shù)低等缺陷。雖然液-液萃?。╨iquid-liquid extraction，LLE）、固相萃?。╯olid-phase extraction，SPE）以及QuEChERS等提取技術(shù)的建立促進(jìn)了樣品前處理技術(shù)的發(fā)展，但是在提取效率、富集倍數(shù)、有機(jī)溶劑用量方面仍然具有一定局限性。針對(duì)以上問題，目前樣品前處理技術(shù)的創(chuàng)新主要集中以下兩方面：1）開發(fā)農(nóng)藥提取技術(shù)，以富集食品中痕量農(nóng)藥，提高農(nóng)藥提取效率；2）開發(fā)新型環(huán)保的吸附材料，減少色素、脂類、水分等成分對(duì)目標(biāo)農(nóng)藥組分檢測(cè)的干擾，減少有機(jī)試劑的使用量。此外，樣品前處理技術(shù)正向微型化、自動(dòng)化、環(huán)境友好化方向發(fā)展。

3.1 新型液相微萃取技術(shù)的開發(fā)

傳統(tǒng)LLE技術(shù)在農(nóng)藥殘留檢測(cè)過程中需要大量的有毒、有害有機(jī)溶劑，且操作時(shí)間長(zhǎng)、富集效率低[23]?？蒲腥藛T在LLE技術(shù)的基礎(chǔ)上開發(fā)了液相微萃取（liquidphase microextraction，LPME）技術(shù)，并對(duì)其不斷進(jìn)行創(chuàng)新，相繼開發(fā)了以下5 種新型LPME技術(shù)。分散液-液微萃?。╠ispersive liquid-liquid microextraction，DLLME）技術(shù)是利用萃取劑在分散劑的作用下形成分散細(xì)小的液滴，通過振蕩混合形成乳濁液，從而實(shí)現(xiàn)萃取，達(dá)到高度富集目標(biāo)組分的目的[24]。單滴微萃取技術(shù)（single-drop microexteaction，SDME）通?？煞譃橹苯咏]和頂空單滴兩種類型，前者將帶有萃取劑的進(jìn)樣針穿過密封樣品瓶蓋，針尖浸沒于樣品溶液中，通過對(duì)樣品溶液升溫及攪拌加速，使目標(biāo)組分進(jìn)入進(jìn)樣針針尖萃取液滴中；后者則將帶有萃取劑的進(jìn)樣針懸浮于樣品溶液上方，通過對(duì)樣品溶液加熱，使目標(biāo)組分揮發(fā)進(jìn)入針尖萃取液滴中，實(shí)現(xiàn)目標(biāo)組分高富集且高效環(huán)保的目的[25]。中空纖維液液微萃取技術(shù)（hollow fiber liquid-phase microextraction，HF-LPME）利用多孔的中空纖維為萃取溶劑載體，將目標(biāo)組分萃取至中空纖維的孔腔內(nèi)，達(dá)到高效萃取以及凈化的效果[26]。連續(xù)樣品滴流微萃取（continuous sample drop flow microextraction，CSDF-ME）采用與水互不相容且密度大于水的有機(jī)溶劑作為萃取溶劑，樣品水溶液在蠕動(dòng)泵作用下持續(xù)通過窄針，在萃取溶劑中形成細(xì)小水樣液滴，達(dá)到高度濃縮的效果[27]。促進(jìn)反應(yīng)微萃?。╬romoted reaction microextraction，PRME）技術(shù)利用酸堿中和反應(yīng)產(chǎn)生氣泡的原理，促進(jìn)目標(biāo)組分萃取至萃取溶液中，達(dá)到簡(jiǎn)便、高效的萃取目的[28]。

表2對(duì)比了近年來開發(fā)的新型LPME方法。大多數(shù)LPME技術(shù)能與GC-MS等進(jìn)行聯(lián)用，且具有操作便捷、富集倍數(shù)高、有機(jī)溶劑用量少等顯著優(yōu)點(diǎn)，但是仍然較難避免有害有機(jī)試劑的使用。目前常用于食品中農(nóng)藥殘留分析中的萃取溶劑多為密度高于水的氯化溶劑，如三氯甲烷、四氯化碳、氯苯，或者密度低于水的非氯化溶劑，如正己烷以及十一醇。尋找更加環(huán)保的綠色溶劑至關(guān)重要。低共熔溶劑（deep eutectic solvents，DES）以低蒸氣壓、低毒、熱穩(wěn)定性好、可回收利用、易于生物降解等優(yōu)點(diǎn)得到了廣泛關(guān)注[29]。Mokhtari等[30]首次以有機(jī)磷酸鹽、二氯乙酸和癸酸為原料合成了一種新型環(huán)保的DES，并用作DLLME中的提取溶劑，實(shí)現(xiàn)了蜂蜜中8 種有機(jī)硫代磷農(nóng)藥的萃取，前處理流程如圖2所示。將乙腈與蜂蜜樣品充分混合后，通過離心將乙腈從溶液中分離，采用有機(jī)磷酸鹽、二氯乙酸和癸酸混合加熱合成的DES作為DLLME過程中的萃取溶劑，在NaCl溶液中實(shí)現(xiàn)目標(biāo)物的萃取。結(jié)果表明，該方法重復(fù)性好、靈敏度較高，具有較低的LOD（0.05～0.10 ng/g）和定量限（limit of quantification，LOQ）（0.19～0.36 ng/g）。為了進(jìn)一步減少前處理過程中有害有機(jī)試劑的使用，Nemati等[31]首次將攪拌棒吸附萃取技術(shù)（stir bar sorptive extraction，SBSE）與固化懸浮有機(jī)液滴（solidification of floating organic droplet，SFO）-DLLME技術(shù)結(jié)合，制備兩種DES并作為SBSE步驟中的洗脫溶劑以及DLLME步驟中的萃取溶劑和分散劑，用于番茄樣品中酸性農(nóng)藥的衍生化及檢測(cè)，提高了帶有羧基的酸性農(nóng)藥的揮發(fā)性。DES更符合“綠色化學(xué)”的理念，且成本較低，在多農(nóng)藥殘留檢測(cè)領(lǐng)域具有較好的應(yīng)用前景。在今后的研究中，還需開發(fā)易商品化、毒害低的新型萃取材料，同時(shí)還需簡(jiǎn)化操作步驟，建立自動(dòng)化的提取技術(shù)。

表2 食品中農(nóng)藥殘留檢測(cè)的新型液相微萃取技術(shù)Table 2 Novel liquid-phase microextraction techniques for the detection of pesticide residues in food samples

圖2 DES的合成及DLLME流程示意圖Fig.2 Schematic diagram of deep eutectic solvents synthesis and dispersive liquid-liquid microextraction procedure

3.2 新型固相微萃取技術(shù)的開發(fā)

相對(duì)于LLE，SPE操作時(shí)間較短。但傳統(tǒng)的SPE裝置單一，且依舊使用有毒有機(jī)溶劑，選擇性不夠好。因此，科研人員對(duì)SPE技術(shù)進(jìn)行改進(jìn)，主要可分為SPME[40]、SBSE[41]、基質(zhì)固相分散萃?。╩atrix solidphase dispersion，MSPD）技術(shù)[42]。SPME是一種集采樣、萃取、預(yù)濃縮和進(jìn)樣于一體的無溶劑萃取技術(shù)，通過萃取頭中含有聚合物涂層的纖維對(duì)復(fù)雜樣品基質(zhì)中的目標(biāo)組分進(jìn)行萃取，實(shí)現(xiàn)樣品的自動(dòng)化前處理。SBSE與SPME的原理相似，通過用聚合物涂覆的攪拌棒攪拌樣品溶液，達(dá)到高效、便捷萃取目標(biāo)組分的目的。MSPD與SPME和SBSE不同的是，需要將樣品與萃取溶劑混合并研磨，再將混合物進(jìn)行洗脫，從而使目標(biāo)組分被充分萃取且與基質(zhì)干擾物完全分離。如表3所示，新型SPE技術(shù)具有操作簡(jiǎn)便、回收率高、靈敏度高的優(yōu)點(diǎn)，且大都能與GC-MS技術(shù)聯(lián)用，可以實(shí)現(xiàn)食品中多農(nóng)藥殘留的檢測(cè)，但3 種方法仍存在纖維材料重復(fù)性較差、涂層種類有限、有機(jī)試劑消耗量大等不足。為了克服以上缺點(diǎn)，Liang Weiqian等[43]開發(fā)了一種天然的大麥殼生物材料碳（barley husk biomaterial carbon，BHBC）。如圖3所示，通過將大麥殼炭化，將制備的BHBC涂覆在腐蝕過的不銹鋼絲上，得到BHBC包覆的SPME纖維材料，從蔬菜樣品中提取了12 種農(nóng)藥，回收率為76%～104%，相對(duì)標(biāo)準(zhǔn)偏差小于12%；實(shí)驗(yàn)結(jié)果表明，對(duì)比常用的纖維材料，該纖維涂層多孔、粗糙，且不銹鋼絲穩(wěn)定性好，使用壽命長(zhǎng)。dos Santos等[42]以天然海砂為固體載體，采用超聲波輔助MSPD對(duì)6 種果蔬中的36 種農(nóng)藥進(jìn)行提取，回收率為60%～140%，相對(duì)標(biāo)準(zhǔn)偏差小于20%。該方法操作簡(jiǎn)便、環(huán)保，克服了傳統(tǒng)合成固體載體材料制作成本高、有機(jī)試劑消耗量大等缺點(diǎn)。綜上所述，以上開發(fā)的新型材料大多具有穩(wěn)定性好、有機(jī)溶劑量消耗少等優(yōu)點(diǎn)，且逐漸趨于天然化以及環(huán)?；?。但是部分天然材料的制備操作仍較繁瑣，對(duì)實(shí)驗(yàn)人員的專業(yè)技術(shù)有一定要求。因此，如何將此類天然材料開發(fā)成商業(yè)化的成品并用于多農(nóng)藥殘留檢測(cè)中仍需進(jìn)一步研究。

圖3 聚二甲基硅氧烷/BHBC的SPME纖維制備示意圖Fig.3 Schematic diagram of the preparation of SPME fiber with polydimethylsiloxane/barley husk biomaterial carbon (BHBC)

表3 食品中農(nóng)藥殘留檢測(cè)的新型固相萃取技術(shù)Table 3 Novel solid-phase extraction techniques for the detection of pesticide residues in food samples

3.3 新型QuEChERS技術(shù)的開發(fā)

截至2021年11月，檢索Web of Science數(shù)據(jù)庫發(fā)現(xiàn)，基于QuEChERS提取技術(shù)的農(nóng)藥殘留檢測(cè)實(shí)驗(yàn)性論文共有2 738 篇。QuEChERS作為常用的樣品前處理技術(shù)，樣品的制備時(shí)間較短，溶劑與樣品的消耗量較少，并在有效減少雜質(zhì)干擾的同時(shí)實(shí)現(xiàn)了不同化學(xué)基團(tuán)農(nóng)藥的高效提取[49-51]。但是QuEChERS技術(shù)富集倍數(shù)較低、凈化材料的選擇具有局限性。針對(duì)QuEChERS技術(shù)所存在的問題，科研工作者重點(diǎn)從QuEChERS與其他方法聯(lián)用以及凈化材料的開發(fā)兩方面開展了大量研究。

QuEChERS技術(shù)中常用的凈化材料有石墨化炭黑、伯仲胺、C18等。為了進(jìn)一步提高QuEChERS的提取效率以及凈化效果，科研工作者開發(fā)了新型碳納米管材料[52]以及石墨烯材料[53]等微型化材料。此類材料除雜效果好，但較難合成，且價(jià)格較高。為此，Wang Jun等[54]開發(fā)了一種基于可切換溶劑的QuEChERS方法，采用正十八胺作為凈化材料。通過高溫與低溫下正十八胺形態(tài)的改變，以DLLME形式吸附樣品中的雜質(zhì)，有效減少基質(zhì)干擾，實(shí)現(xiàn)了水果和蔬菜中16 種農(nóng)藥的檢測(cè)。研究結(jié)果表明，與伯仲胺和C18等傳統(tǒng)材料相比，正十八胺具有更好的凈化效果。除此之外，將DLLME代替分散固相萃取的凈化步驟，與QuEChERS技術(shù)聯(lián)合使用，可以提高QuEChERS技術(shù)對(duì)目標(biāo)分析物的富集度，加快提取效率。Mao Xuejin等[55]為了克服QuEChERS技術(shù)富集效率低以及DLLME技術(shù)中使用有毒溶劑、有機(jī)相收集困難等缺點(diǎn)，將QuEChERS和DLLME-SFO進(jìn)行結(jié)合，使用低毒性的乙醇和非氯化溶劑的正十六烷作為分散劑和提取溶劑，成功實(shí)現(xiàn)了蔬菜中8 種農(nóng)藥的檢測(cè)，回收率為61.6%～119.4%，LOD與LOQ分別為0.3～1.5 μg/kg和0.9～4.7 μg/kg。前處理流程如圖4所示。此外，Qin Yuhong等[56]開發(fā)了基于QuEChERS技術(shù)的自動(dòng)多塞過濾凈化方法，實(shí)現(xiàn)了對(duì)獼猴桃中33 種農(nóng)藥的檢測(cè)。相比于傳統(tǒng)的QuEChERS技術(shù)，該方法易于自動(dòng)化且操作簡(jiǎn)單。綜上所述，QuEChERS與其他微型化提取技術(shù)特別是DLLME進(jìn)行聯(lián)用時(shí)，能有效減少雜質(zhì)干擾，實(shí)現(xiàn)農(nóng)藥殘留的高效提取。此外，所開發(fā)的凈化和提取材料朝著低毒性、微型化、易于提取的方向發(fā)展。

圖4 DLLME-SFO-QuEChERS示意圖Fig.4 Schematic diagram of dispersive liquid-liquid microextraction(DLLME)-solidification of floating organic droplet (SFO)-QuEChERS

3.4 其他前處理技術(shù)的開發(fā)

微波輔助提取技術(shù)作為一種常用的輔助提取技術(shù)，可加快提取速度，提高提取效率。Wu Lijie等[57]開發(fā)了一套簡(jiǎn)單、高效與環(huán)保的微波集成處理系統(tǒng)（圖5），將動(dòng)態(tài)微波輔助萃取與微波加速溶劑洗脫兩個(gè)過程結(jié)合，用于5 種蔬菜中6 種有機(jī)磷農(nóng)藥殘留的提取，縮短了提取時(shí)間并減少了溶劑消耗。超聲輔助提取技術(shù)也可用于農(nóng)藥殘留的提取[58]。其利用空化效應(yīng)增大目標(biāo)分析物進(jìn)入萃取溶劑的速度以及效率。加速溶劑提取技術(shù)通過在較高的溫度（50～200 ℃）以及壓力（10～15 MPa）下，同樣能實(shí)現(xiàn)農(nóng)藥殘留的快速提取[59-60]。然而，盡管樣品前處理技術(shù)種類豐富，但由于農(nóng)藥種類繁多，尚無一種通用的樣品前處理方法以實(shí)現(xiàn)大部分農(nóng)藥殘留的檢測(cè)，且不同食品基質(zhì)不同，不同樣品前處理的適用性也不同。

圖5 集成微波處理系統(tǒng)示意圖Fig.5 Schematic diagram of the integrated microwave processing system

4 食品中多農(nóng)藥殘留檢測(cè)化學(xué)計(jì)量學(xué)方法的開發(fā)

色譜-質(zhì)譜聯(lián)用技術(shù)具有較強(qiáng)的分離能力。但是由于食品樣品的復(fù)雜性，實(shí)現(xiàn)復(fù)雜樣品中各組分有效分離仍然是一個(gè)巨大的難題。除此之外，檢測(cè)信號(hào)中容易出現(xiàn)譜峰重疊、噪聲以及背景基線干擾問題。分析儀器的改進(jìn)以及新型前處理技術(shù)的開發(fā)仍無法完全解決這些問題。不同于實(shí)驗(yàn)手段，化學(xué)計(jì)量學(xué)方法利用“數(shù)學(xué)分離”的思想，可以實(shí)現(xiàn)復(fù)雜信號(hào)解析以及目標(biāo)組分的信息提取，并實(shí)現(xiàn)組分的定性定量分析[61-63]。針對(duì)復(fù)雜色譜-質(zhì)譜信號(hào)中存在的問題，科研人員已建立了多種化學(xué)計(jì)量學(xué)方法，如多元曲線分辨-交替最小二乘法（multivariate curve resolution-alternating least squares，MCRALS）[64-65]、免疫算法（immune algorithm，IA）[66-67]以及基于化學(xué)因子分析（chemical factor analysis，CFA），并將其用于食品中多農(nóng)藥殘留檢測(cè)。但傳統(tǒng)化學(xué)計(jì)量學(xué)方法解析效率低、準(zhǔn)確率較差，且參數(shù)較多，難以實(shí)現(xiàn)食品中多農(nóng)藥殘留高通量非靶向檢測(cè)。為了彌補(bǔ)這些不足，開發(fā)自動(dòng)化、高通量的解析算法逐漸成為科研工作者研究的熱點(diǎn)。如圖6所示，食品中多農(nóng)藥殘留檢測(cè)中的化學(xué)計(jì)量學(xué)方法主要包括4 個(gè)部分：色譜峰識(shí)別、背景及基線漂移校正、色譜峰漂移校正以及重疊色譜峰的解析[68]。目前的研究重點(diǎn)主要集中在色譜峰的識(shí)別以及重疊色譜峰的解析等兩方面，前者可以實(shí)現(xiàn)農(nóng)藥殘留的定性檢測(cè)，后者可以實(shí)現(xiàn)農(nóng)藥殘留的定量分析。

圖6 色譜數(shù)據(jù)自動(dòng)化分析程序Fig.6 Flow chart of automated chromatographic data analysis

4.1 色譜峰識(shí)別中的化學(xué)計(jì)量學(xué)方法

色譜峰的準(zhǔn)確識(shí)別是多農(nóng)藥殘留定性分析的基礎(chǔ)。如果所有組分完全分離，則每一個(gè)色譜峰對(duì)應(yīng)一個(gè)組分。但是由于食品樣品的復(fù)雜性，信號(hào)中易出現(xiàn)譜峰漂移、譜峰重疊以及不規(guī)則峰形等現(xiàn)象，利用此類信號(hào)無法實(shí)現(xiàn)農(nóng)藥殘留的準(zhǔn)確定性分析。此外，農(nóng)藥種類眾多，僅用人工手段以實(shí)現(xiàn)農(nóng)藥非靶向檢測(cè)費(fèi)時(shí)費(fèi)力。Miao Lingni等[69]和本課題組[70]前期分別提出了用于農(nóng)藥殘留非靶向檢測(cè)的化學(xué)計(jì)量學(xué)方法，利用TTFA算法或ITTFA算法結(jié)合農(nóng)藥標(biāo)準(zhǔn)質(zhì)譜庫，將解析得到的質(zhì)譜數(shù)據(jù)與質(zhì)譜庫進(jìn)行自動(dòng)化比對(duì)以實(shí)現(xiàn)農(nóng)藥殘留的非靶向檢測(cè)。然而，如果樣品組分種類較多時(shí)，需利用標(biāo)準(zhǔn)樣品確定目標(biāo)組分的洗脫區(qū)域才能實(shí)現(xiàn)計(jì)算，因而較難實(shí)現(xiàn)復(fù)雜食品樣品中農(nóng)藥殘留的高通量非靶向檢測(cè)。因此，本課題組提出了移動(dòng)窗口目標(biāo)轉(zhuǎn)換因子分析（moving window target transformation factor analysis，MWTTFA）方法[71]。通過結(jié)合移動(dòng)窗口與TTFA算法的優(yōu)勢(shì)，自動(dòng)判定目標(biāo)農(nóng)藥是否存在，得到其洗脫時(shí)間區(qū)域，從而實(shí)現(xiàn)農(nóng)藥殘留的高通量非靶向檢測(cè)。然而利用MWTTFA對(duì)更為復(fù)雜的樣品數(shù)據(jù)進(jìn)行解析時(shí)，容易出現(xiàn)誤判，無法實(shí)現(xiàn)農(nóng)藥殘留的準(zhǔn)確定性分析。因此，本課題組再次對(duì)MWTTFA進(jìn)行改進(jìn)，提出了改進(jìn)的MWTTFA方法，并結(jié)合所創(chuàng)建的農(nóng)藥標(biāo)準(zhǔn)質(zhì)譜庫實(shí)現(xiàn)了17 種有機(jī)磷農(nóng)藥以及51 種農(nóng)藥的快速定性分析[72]。結(jié)果表明，利用所建立的改進(jìn)的MWTTFA算法，標(biāo)準(zhǔn)洗脫與快速洗脫條件所得到的定性結(jié)果一致，實(shí)現(xiàn)了多農(nóng)藥組分的快速定性分析。但是，該方法無法實(shí)現(xiàn)質(zhì)譜相似組分，特別是同分異構(gòu)體的準(zhǔn)確定性分析，還需進(jìn)一步改進(jìn)。

4.2 重疊色譜峰解析中的化學(xué)計(jì)量學(xué)方法

科研工作者開發(fā)了一系列色譜峰解析算法以實(shí)現(xiàn)食品中多農(nóng)藥殘留的準(zhǔn)確定量分析。本課題組將MWTTFA和非負(fù)免疫算法（non-negative immune algorithm，NNIA）結(jié)合，首先利用MWTTFA結(jié)合標(biāo)準(zhǔn)質(zhì)譜庫篩選可能存在的農(nóng)藥殘留組分，再用NNIA算法實(shí)現(xiàn)重疊譜峰的準(zhǔn)確解析[71]。結(jié)果表明，該方法可以在洗脫10 min內(nèi)得到17 種和42 種農(nóng)藥組分的色譜以及質(zhì)譜信息。Wu Xi等[73]將獨(dú)立成分分析、ITTFA以及NNIA結(jié)合，建立了一種用于農(nóng)藥殘留非靶向檢測(cè)的化學(xué)計(jì)量學(xué)方法，在快速升溫程序下實(shí)現(xiàn)了53 種農(nóng)藥色譜峰的快速解析。Xia Zhenzhen等[74]采用目標(biāo)波段熵最小化算法結(jié)合GC-MS，無需利用質(zhì)譜庫的質(zhì)譜信息便可實(shí)現(xiàn)18 種有機(jī)磷農(nóng)藥色譜峰的準(zhǔn)確解析?；瘜W(xué)計(jì)量學(xué)方法種類豐富，但往往參數(shù)較多，且對(duì)操作人員的經(jīng)驗(yàn)有較高的要求。因此需要開發(fā)自適應(yīng)算法，在減少參數(shù)的同時(shí)可得到最佳檢測(cè)效果。此外，對(duì)于基質(zhì)更為復(fù)雜的樣品，還應(yīng)將新型前處理技術(shù)與化學(xué)計(jì)量學(xué)方法相結(jié)合以實(shí)現(xiàn)復(fù)雜樣品中多農(nóng)藥殘留的準(zhǔn)確檢測(cè)。

5 結(jié) 語

農(nóng)藥殘留帶來的食品安全問題愈發(fā)嚴(yán)峻，亟需開發(fā)高靈敏度、高通量、非靶向的農(nóng)藥檢測(cè)新方法。色譜-質(zhì)譜聯(lián)用技術(shù)兼具色譜的分離能力和質(zhì)譜的定性能力，能有效分離復(fù)雜樣品中的農(nóng)藥組分，又能實(shí)現(xiàn)多種農(nóng)藥及干擾組分的快速定性分析，靈敏度高、重現(xiàn)性好。但是食品中多農(nóng)藥殘留檢測(cè)依舊存在農(nóng)藥殘留量低、食品基質(zhì)復(fù)雜、檢測(cè)時(shí)間較長(zhǎng)等問題。針對(duì)這些問題，目前研究重點(diǎn)主要集中在以下幾點(diǎn)：一是分析儀器的改進(jìn)，利用多維色譜技術(shù)與高分辨質(zhì)譜以實(shí)現(xiàn)復(fù)雜食品樣品中多農(nóng)藥殘留的高通量檢測(cè)；二是新型樣品前處理技術(shù)的開發(fā)，開發(fā)選擇性與靈敏度更高的微型、環(huán)保的前處理技術(shù)與吸附材料；三是化學(xué)計(jì)量學(xué)的優(yōu)化，開發(fā)快速、高效、自動(dòng)化色譜質(zhì)譜數(shù)據(jù)定性定量分析算法。然而，目前的檢測(cè)技術(shù)仍有以下幾點(diǎn)不足：一是分析儀器成本高；二是所開發(fā)的新型前處理技術(shù)廣適性和吸附材料商品化程度較低；三是大多化學(xué)計(jì)量學(xué)方法無法實(shí)現(xiàn)質(zhì)譜相似組分，特別是同分異構(gòu)體的準(zhǔn)確分析。綜上所述，雖然基于色譜-質(zhì)譜技術(shù)的食品中多農(nóng)藥殘留高通量非靶向檢測(cè)技術(shù)尚有不足，但是其發(fā)展前景廣闊。隨著市場(chǎng)需求和技術(shù)的革新，未來還需要將多維色譜、高分辨質(zhì)譜聯(lián)用、高效環(huán)保的前處理方法與自適應(yīng)化學(xué)計(jì)量學(xué)分析算法有機(jī)結(jié)合，推動(dòng)食品中農(nóng)藥多殘留高通量非靶向檢測(cè)的發(fā)展。