Streamlining HRMS data interpretation for wastewater impact on water quality

Význam tématu

Ochrana vodních zdrojů před obsahem nových kontaminantů je klíčová pro zajištění bezpečnosti pitné vody a ekosystémů. Odpadní vody přinášejí do řek a potoků farmaceutika, pesticidy či průmyslové chemikálie včetně PFAS, jejichž metabolity a degradační produkty často zůstávají nevypozorovány standardními metodami. Vysoce výkonná hmotnostní spektrometrie (HRMS) nabízí možnost neřízené detekce tisíců sloučenin najednou, což představuje zásadní krok k efektivní environmentální kontrole.

Cíle a přehled studie

Cílem studie bylo vyvinout a ověřit workflow pro neřízenou identifikaci neznámých kontaminantů ve vodách Big Thompson River v Koloradu, s důrazem na vliv čistíren odpadních vod. Konkrétně autoři:

• sledovali šest lokalit od čistých horských pramenů až po úseky ovlivněné městskou zástavbou,
• využili kombinaci datově nezávislé (All Ions MS/MS) a závislé (Iterative MS/MS) akvizice,
• aplikovali statistické nástroje pro normalizaci a vyhodnocení významných změn koncentrací.

Použitá metodika a instrumentace

Vzorky řeky byly připraveny následujícím postupem:

1. Sbírka 1 l povrchové vody na každé lokalitě, přidání interního standardu carbamazepinu-d10 (80 ng/l).
2. Extrahování 100 ml na Oasis HLB cartridgiích pomocí automatizovaného SPE systému Gilson GX-271 ASPEC.
3. Eluce metodou reverzní fáze (MeOH), koncentrování dusíkem na 0,5 ml a injekce 20 μl do LC/Q-TOF MS.

Instrumentace:

• Agilent 1290 Infinity II LC s reverzní fází.
• Agilent 6546 LC/Q-TOF MS s pozitivním ESI, režimy All Ions MS/MS a Iterative Auto MS/MS.
• Software Agilent MassHunter Explorer pro neřízenou extrakci dat a identifikaci.

Hlavní výsledky a diskuse

Z celkem 58 vzorků bylo detekováno 6745 signálů, z nichž 6036 se pravidelně objevilo v kontrolních QC vzorcích. Po LOESS normalizaci a jednocestné ANOVA:

• 1705 sloučenin vykázalo statisticky významnou změnu (p ≤ 0,05) oproti kontrolní lokalitě.
• 275 analytů bylo více než desetkrát obohaceno v polích pod čistírnou odpadních vod.
• 29 látek bylo potvrzeno standardy (léčiva, pesticidy a jejich metabolity),
• 8 sloučenin získalo putativní identifikaci díky shodě s MS/MS spektry,
• u zbývajících ~238 látek spektrální vzory naznačují možné struktury, které vyžadují další potvrzení.

Normalizace napříč třemi analytickými dávkami z let 2017, 2018 a 2022 posílila statistickou sílu vyhodnocení a zlepšila rozlišení lokalit v PCA analýze.

Přínosy a praktické využití metody

Navržené workflow umožňuje:

• rychlou a komplexní analýzu environmentálních vzorků s neřízenou detekcí tisíců komponent,
• prioritizaci kontaminantů na základě statistické významnosti a velikosti změny,
• efektivní sledování vlivů čistíren odpadních vod na kvalitu řek.

Budoucí trendy a možnosti využití

Další rozvoj může zahrnovat:

• rozšířené a veřejné MS/MS databáze pro vyšší podíl potvrzených identifikací,
• implementaci strojového učení pro předpověď struktur na základě fragmentačních vzorů,
• automatizované reportování prioritních kontaminantů v reálném čase.

Závěr

Kombinace datově nezávislé a závislé akvizice s robustní statistickou normalizací představuje silný nástroj pro environmentální chemii. Workflow úspěšně identifikovalo známé i nové kontaminanty, což umožní lepší monitorování a řízení kvality vodních zdrojů.

Reference

Thurman EM, Ferrer I, Pyke JS. Streamlining HRMS data interpretation for wastewater impact on water quality. ASMS 2023 Th090