食品中化学污染物可疑与非靶向筛查技术研究

介绍：这项研究建立一种基于液相色谱-高分辨质谱联用的高覆盖筛查方法，旨在全面绘制食品中农药、兽药及其转化产物的污染概况。最初，根据内部标样和在线数据库编制了1265种农药和685种兽药的可疑清单，以确定潜在母体污染物。此外，还归纳了已报道和预测的转化产物，以及多类农药、兽药的特征碎片离子。随后，通过与17887个转化产物和90类特征片段离子进行匹配，识别出非目标的特征。这一可疑和非靶向筛查流程能够识别出已知/未知母体农药、兽药及其转化产物。该方法可以促进监管机构加强对未知风险物质或转化产物的管控，全面保障消费者健康。

介绍：液相色谱-高分辨率质谱是检测食品中化学污染物的强大工具。然而，识别LC-HRMS中所有峰极其困难，但如果预先知道类别信息，进一步识别将变得更加容易。在这项工作中，基于LC-HRMS和机器学习构建了一种新的MS2分类驱动的筛查策略。首先，基于机器学习算法，利用化学污染物和其他非污染物的类别信息和实验MS2数据，开发了分类模型。通过使用开发的人工神经网络分类模型，对32类农药、兽药和霉菌毒素进行了分类，具有良好的预测准确性和较低的假阳性率。基于分类模型，开发了一个筛查流程，首先通过分类模型预测LC-HRMS中未知特征的类别，然后在类别信息的指导下识别其结构。