Methodology for the Identification of Pesticide Metabolites in Complex Matrices Using UPLC-ToF/MSE and the UNIFI Scientific Information System

Aplikace | 2015 | WatersInstrumentace
LC/TOF, LC/HRMS, LC/MS, LC/MS/MS
Zaměření
Životní prostředí, Potraviny a zemědělství
Výrobce
Waters

Význam tématu


Identifikace metabolit pesticidů v komplexních vzorcích je klíčová pro posouzení jejich ekologického a toxikologického rizika. Regulátoři vyžadují podrobná data o biotransformaci účinných látek, aby bylo možné zhodnotit potenciální dopady na člověka i životní prostředí.

Cíle a přehled studie / článku


Cílem studie bylo demonstrovat workflow pro nenáročnou a komplexní identifikaci metabolitů atrazinu v extraktech půdy. Jako modelové látky byly použity atrazin a jeho známé metabolity, které byly přidané do půdních vzorků, a následně analyzovány metodou UPLC-MSE s podporou softwaru UNIFI.

Použitá metodika


Vzorky: 10 g půdy extrahováno vodou a acetonitrilem, následovala solidačně kapalná extrakce a přidání standardů atrazinu a jeho metabolitů.
Chromatografie: ACQUITY UPLC HSS T3 kolona 2,1×100 mm, 1,8 μm; mobilní fáze voda s 10 mM formiátem amonným (A) a acetonitril (B); gradient 1–90 % B za 6 min; průtok 0,6 mL/min, teplota 45 °C.
MS podmínky: ESI+ režim; MSE nízká energie 2 eV, vysoká energie 17–45 eV; rozsah m/z 50–950; čas skenu 0,15 s.

Použitá instrumentace


  • ULPC systém: Waters ACQUITY UPLC I-Class
  • MS detektor: Xevo G2-XS QTof
  • Kolona: ACQUITY UPLC HSS T3, 2,1×100 mm, 1,8 μm

Hlavní výsledky a diskuse


Byly úspěšně identifikovány klíčové biotransformace atrazinu: 2-hydroxylace a N-dealkylace (desethyl, desisopropyl a desethyl-desisopropyl metabolity). UNIFI workflow zpřehlednil:
  • Metabolite Review: rychlý přehled chromatogramů, spekter a navržených fragmentů.
  • Binary Compare: porovnání testovacího a kontrolního vzorku s detekcí unikátních metabolitů.
  • Metabolite Hierarchy Map: vizualizace vztahů mezi parent látkou a produkty.
  • TrendPlot: sledování kinetiky biotransformace napříč vzorky.
  • Transformation Localization: lokalizace modifikací v molekulární struktuře.
  • Common Fragment Search: hledání společných fragmentů pro potvrzení příbuznosti struktur.

Přínosy a praktické využití metody


Metoda umožňuje vysoce přesnou a rychlou detekci známých i neznámých metabolitů v jediném analýzním běhu bez předchozí cílené selekce. Umožňuje konzistentní a auditovatelnou dokumentaci pro registraci nových pesticidů.

Budoucí trendy a možnosti využití


  • Rozšíření workflow na další třídy pesticidů a jejich konjugáty.
  • Integrace datové analýzy založené na strojovém učení pro odhalování nečekaných metabolitů.
  • Automatizace časových studií kinetiky degradace v polních podmínkách.
  • Propojování environmentálních a biomonitorovacích dat v reálném čase.

Závěr


Popsané řešení nabízí flexibilní a spolehlivý přístup k identifikaci pesticidních metabolitů v náročných matricích. Kombinace UPLC-MSE s UNIFI výrazně zjednodušuje datovou interpretaci, podporuje regulativní schvalování a posouvá hranice environmentální analytiky.

Reference


  • U.S. EPA Pesticide Registration, 2015.
  • Tiller PR, Yu S, Castro-Perez J, Fillgrove KL, Baillie TA. Rapid Commun Mass Spectrom. 2008;22:1053–1061.
  • Waters White Paper No. 720004036en. October 2011.
  • Vryzas Z et al. Chemosphere. 2012;89:1330–1338.
  • Laws ER, Hayes WJ. Handbook of Pesticide Toxicology. 1991.
  • Tomlin CD. The Pesticide Manual. 1997.
  • Shimabukuro RH. Plant Physiol. 1968;43:1925–1930.
  • Cox C. J Pesticide Reform. 2001;21(3):12–20.
  • Cherifi M et al. Plant Physiol Biochem. 2001;39:665–672.
  • Shimabukuro RH, Swanson HR, Walsh WC. Plant Physiol. 1970;46:103–107.

Obsah byl automaticky vytvořen z originálního PDF dokumentu pomocí AI a může obsahovat nepřesnosti.

PDF verze ke stažení a čtení
 

Podobná PDF

AGROCHEMICAL SOLUTIONS APPLICATION NOTEBOOK
A Novel Approach Using UPLC-Tof MSE and the UNIFI Scientific Information System to Facilitate Impurity Profiling of Pharmaceuticals
APPLICATION SOLUTIONS FOR METABOLITE IDENTIFICATION
Metabolite Identification: Working with Large Preclinical  Multispecies Data Sets