基于组学、机器学习和生物转化技术的农药及其转化物筛查方法研究

该研究基于液相色谱-高分辨质谱联用技术,针对不同食品基质,通过标准化的样品提取方法,低歧视的仪器采集方法,以及组学、机器学习和生物转化等技术的融合,建立了各类农药及其转化物的靶向和拟靶向数据筛查方法。实验结果表明,不同农药在多种基质中的回收率为80%~120%。样本中农药的MS^(2)特征能在基于特定列表(Inclusionlist)的数据依赖性扫描(DDA)方式下兼顾检出率和特异性。靶向方法基于数据库的保留时间(RT)、MS^(1)(m/z偏差、同位素轮廓、加合形态、源内裂解)和MS^(2)(二级碎片)等多元参数匹配,可以高置信度地鉴定阳性物质。同时,拟靶向方法在人工智能(AI)预测模型的帮助下,在菊花茶中发现8种疑似的农药转化物,这些特征在MS^(1)匹配的基础上进行MS^(2)的预测和RT的过滤,并通过体外肝微粒生物合成获得无商业化标准品的农药转化物的质谱特征,确证疑似结果。该方法实现了农药及其转化物的高通量和高特异性的筛查,适用于各类食品基质的快速筛查。