Targeted and Non-Targeted Screening of Persistent Organic Pollutants (POPs) in Groundwater and Trade Effluent Wastewater Using the Xevo™ G3 QTof Mass Spectrometer

Význam tématu

Per- a polyfluorované alkylové látky (PFAS) patří mezi perzistentní organické polutanty (POPs) s vysokou enviromentální persistencí, mobilitou a schopností bioakumulace. Kvůli velkému počtu analogů a omezené dostupnosti referenčních standardů klasické cílené monitorování často nestačí. Kombinace cílených metod a neřízených (untargeted) workflow tak umožňuje komplexnější dohled nad znečištěním povrchových a podzemních vod a průmyslových odpadních vod a podporuje včasné odhalení nových nebo transformačních produktů PFAS.

Cíle a přehled studie / článku

Cílem aplikace bylo demonstrovat použití Xevo G3 QTof MS v režimu data independent acquisition (DIA) spolu s UPLC pro simultánní cílené a necílené screeningové analýzy PFAS ve dvou vzorcích průmyslových odpadních vod (WW1, WW2) a jednom vzorku podzemní vody (GW). Workflow zahrnovalo knihovní screening v prostředí waters_connect/UNIFI a následnou neřízenou analýzu vzorku WW2 pomocí pattern analysis pro identifikaci homologních nebo dosud nekatalogizovaných PFAS.

Použitá metodika a instrumentace

Metodika zahrnovala přímou injekci roztoků (minimalizace biasu přípravou), kvantifikaci vůči desetibodové kalibrační křivce (0,001–50 ng/mL) připravené ze standardu PFAC30PAR a paralelní záznam nízké i vysoké energie (MSE) pro získání prekurzorových i fragmentačních dat v jednom běhu. Pro necílený screening byly použity filtry založené na mass defect, poměru m/z k počtu uhlíků, prahové intenzitě a známých neutrálních ztrátách/fragmentech typických pro PFAS.

Použitá instrumentace

• UPLC: Waters ACQUITY Premier UPLC I-Class System s PFAS instalační sadou; kolonou ACQUITY Premier CSH C18 1.7 µm 2.1 x 100 mm; teplota kolony 35 °C; teplota vzorku 10 °C; injekční objem 50 µL; průtok 0.3 mL/min; mobilní fáze A: 2 mM NH4OAc:methanol (95:5), B: 2 mM NH4OAc v methanolu.
• MS: Waters Xevo G3 QTof Mass Spectrometer v negativním módu; rozsah m/z 50–1200; režim sensitivity; scan time 0.25 s; capillary 0.5 kV; zdrojová/odplyňovací teplota 100/250 °C; cone 30 V; MSE nízká energie 4 V, vysoká energie ramp 20–70 V; StepWave ladění uvedeno.
• Softwarové prostředí: waters_connect (v.4.1.0), UNIFI (v.3.15.1.1238), Pattern Analysis (v.1.2.0).

Hlavní výsledky a diskuse

Cílený screening proti panelu 149 analyzovaných látek identifikoval a kvantifikoval: 9 sloučenin v WW1, 12 v WW2 a 10 v GW (každé měření v trojích). Kvantifikace proběhla proti připravené kalibrační křivce; branched izomery byly kvantifikovány vůči lineárním ekvivalentům.

Necílený screening na vzorku WW2 odhalil 298 komponent nad prahovou intenzitu 500. S využitím pattern analysis a filtrů na mass defect a další PFAS‑specifické atributy bylo vybráno pět kandidátů tvořících homologickou řadu. Kendrickův hmotnostní defekt (normalizovaný na CF2) umožnil vizuální oddělení PFAS od přírodních složek a identifikaci série tvořící přímku v KMD grafu, přičemž dvě blízce elutující složky byly interpretovány jako lineární a rozvětvený izomer (branched elutuje dříve, nižší retence na RP kolóně).

Pro putativní přiřazení byly navrženy molekulární vzorce a struktury (např. možné methylované difluoroacetátové deriváty s rostoucím počtem fluoro-substitucí: C6H3F9O5 až C9H3F15O5). Hledání v EPA databázi nepřineslo shodu; PubChem nabídl vhodné kandidáty. Hlavní omezení: chybějící komerční standardy pro definitivní potvrzení (retention time + fragmentace) a nižší intenzity u některých složek vedoucí k vyšším odchylkám hmotnostní přesnosti (u nejnižšího signálu až −2,5 ppm).

Přínosy a praktické využití metody

• DIA (MSE) umožňuje současné získání prekurzorových i fragmentačních dat, což zrychluje identifikaci a vytváří retrospektivní datový archiv pro budoucí pátrání po emergentních látkách.
• Direct injection s minimální přípravou snižuje systematické ztráty a bias, což je výhodné pro rychlý screening vodních matric.
• Software (waters_connect/UNIFI + Pattern Analysis) poskytuje připravené workflowy a grafické nástroje pro rychlou filtraci a vizualizaci výsledků, včetně KMD analýzy pro odhalování homologických řad PFAS.
• Sub-2 ppm hmotnostní přesnost zvyšuje důvěru v elementární vzorce a pomáhá omezit falešné pozitivy při detekci nečekaných kontaminantů.

Budoucí trendy a možnosti využití

• Růst poptávky po certifikovaných referenčních standardech PFAS (zvýšení dostupnosti a rozšíření knihoven) pro potvrzení putativních nálezů.
• Integrace ion mobility (IMS) nebo cyklické ion mobility pro lepší separaci izomerů (lineárních vs. rozvětvených) a zvýšení jistoty identifikací.
• Rozvoj automatizovaných datových pipeline a AI‑podporovaných nástrojů pro rychlejší triáž a strukturové návrhy u necílených signálů.
• Větší zaměření na transformační produkty a nízkoúrovňové metabolity PFAS v prostředí s lepšími hranicemi detekce a robustními kvantifikačními strategiemi.
• Regulační tlak a potřeba komplexního monitoringu povede k širšímu nasazení kombinovaných cílených/necílených workflow v monitoringu pitné vody, podzemních vod a průmyslových výpustí.

Závěr

Studie demonstrovala efektivitu kombinovaného cíleného a necíleného přístupu založeného na Xevo G3 QTof a UPLC pro monitoring PFAS v podzemní a průmyslové odpadní vodě. DIA režim, vysoká hmotnostní přesnost a pattern analysis umožnily nejen kvantifikaci známých látek, ale i putativní objevení dříve nekatalogizovaných homologických PFAS. Definitivní potvrzení nalezených neznámých však vyžaduje dostupnost odpovídajících standardů a další verifikační experimenty.

Reference

1. Ferreira, A. Persistent Organic Pollutants in Humans and Wildlife: Emerging Issues for Environmental and Public Health. Revista UNIANDRADE 2013;14(2):103–119. DOI:10.18024/1519-5694/revuniandrade.v14n2 p103-119.
2. Montano, L.; et al. Polychlorinated Biphenyls (PCBs) in the Environment: Occupational and Exposure Events, Effects on Human Health and Fertility. Toxics. 2022;10(7):365. doi:10.3390/toxics10070365.
3. Islam, A.; et al. Per- and polyfluoroalkyl substances (PFAS) contamination in agriculture and its potential conflict with circular economy. Environmental Pollution. 2025;385:127036.
4. Matheson, A. The Column: PFAS Researchers Call for Access to PFAS Reference Standards from Manufacturers. LCGC. 2025.
5. Zhang, F.; Ge, W.; Huang, L. A Comparative Analysis of Data Analysis Tools for Data-Independent Acquisition Mass Spectrometry. Molecular & Cellular Proteomics. 2023;22. doi:10.1016/j.mcpro.2023.100623.
6. Zweigle, J.; Bugsel, B.; Zwiener, C. Find PFAS: Non-Target Screening for PFAS─Comprehensive Data Mining for MS2 Fragment Mass Differences. Anal Chem. 2022;94(30):10788–10796. doi:10.1021/acs.analchem.2c01521.
7. McCullagh, S.; Adams, S.; Gowshawk, J. Combining Pattern Analysis and Cyclic Ion Mobility Mass Spectrometry to Research Per-and Poly Fluoroalkyl Substances (PFAS) Exposure in E-waste Handlers. Waters Application Note. 2025.
8. Schulz, K.; Silva, M.R.; Klaper, R.; et al. Distribution and effects of branched versus linear isomers of PFOA, PFOS, and PFHxS: A review. Science of The Total Environment. 2020;733:139186. doi:10.1016/j.scitotenv.2020.139186.
9. Dodds, J.N.; Hopkins, Z.R.; Knappe, D.R.U.; Baker, E.S. Rapid Characterization of PFAS by Ion Mobility Spectrometry-Mass Spectrometry (IMS-MS). Anal Chem. 2020;92(6):4427–4435. doi:10.1021/acs.analchem.9b05364.
10. The Mass Spectrometry Primer: Mass Accuracy and Resolution. Waters educational primer. (Mass accuracy and resolution discussion).