WHAT’S IN THE DUST? GC◊GC-MS BASED NON-TARGET SCREENING OF HOUSE DUST

Význam tématu

• Vnitřní prostředí ovlivňuje kvalitu ovzduší a zdraví obyvatel.
• Domácí prach může obsahovat desetitisíce chemických látek s potenciálním rizikem.
• Non-target screening pomocí GC×GC-MS umožňuje komplexní průzkum těchto látek.

Cíle a přehled studie

• Vyvinout experimentální workflow pro extrakci, čisticí kroky a frakcionaci prachových vzorků.
• Navrhnout datové zpracování: zarovnání mezi vzorky, filtrování a prioritizaci funkcí.
• Identifikovat a klasifikovat chemikálie potenciálního zájmu pomocí knihoven a manuální revize.
• Zajistit (semi)kvantifikaci pomocí referenčních a interních standardů na různých hladinách.

Použitá metodika a instrumentace

• Vzorky prachu z lokalit Umeå (Švédsko), Mnichov (Německo), Lvov (Ukrajina), NORMAN EU composite a NIST SRM 2585 (USA).
• Ultrazvuková extrakce směsí hexan:acetone (3:1) a čistého acetonu.
• SPE clean-up pomocí PSA (500 mg) a frakcionace na nepolární (20 mL DCM) a polární (3 mL MeOH:DCM 1:1) složky.
• Analýza GC×GC-TOF MS na přístroji LECO Pegasus BT 4D s softwarem ChromaTOF v.5.51 a NIST23 spektrální knihovnou.
• Datová konverze, klasifikace artefaktů a inter-sample zarovnání vlastními skripty v Pythonu a Julia (Julia_Aligns_2DGC).

Hlavní výsledky a diskuse

• GC×GC-MS odhalilo přes 3 100 funkcí oproti ~650 u tradiční GC-MS.
• Identifikováno 146 ze 152 referenčně sledujících sloučenin v rozsahu koncentrací 0,05–50 pg.
• Artefakty kolony a „bleed“ odfiltrovány pomocí specifických filtračních kroků.
• PCA analýza prokázala odlišné složení prachových vzorků podle geografického původu.
• Testování devíti softwarových nástrojů ukázalo omezení existujících algoritmů a výhodu vlastního řešení.

Přínosy a praktické využití metody

• Vyšší separační kapacita a citlivost umožňují analýzu komplexních environmentálních vzorků.
• Automatizované workflow zrychluje analýzu a minimalizuje subjektivitu identifikace.
• Metoda vhodná pro monitoring škodlivých látek v interiérovém prostředí a podporu regulačních postupů.

Budoucí trendy a možnosti využití

• Rozvoj datových algoritmů a strojového učení pro lepší automatizaci non-target screening.
• Rozšíření spektrálních i funkčních knihoven pro neznámé látky.
• Integrace toxikologických hodnocení a MS-MS dat pro komplexní rizikovou analýzu.

Závěr

• Předložený end-to-end workflow úspěšně identifikoval široké spektrum organických sloučenin v domácím prachu.
• Modulární řešení umožňuje další rozšiřování analytické a datové části workflow.
• Metoda může významně přispět k hodnocení kvality vnitřního prostředí a ochraně lidského zdraví.

Reference

• Gori et al. Basic Res Cardiol. 2020.
• Moschet et al. Environ Sci Technol. 2018.
• Schweizer et al. JESEE. 2007.
• REACH Registration Statistics. 2023.