GC/MSD, GC/MS/MS, GC/QQQ, Spotřební materiál
ZaměřeníPotraviny a zemědělství
VýrobceAgilent Technologies
Význam tématu
Analýza reziduí pesticidů v potravinách je klíčová pro zajištění bezpečnosti spotřebitelů a dodržování legislativních limitů. Losos, bohatý na proteiny a lipidy, představuje náročnou matrice, ve které je nutné odstranění interferujících složek, zejména tuků, aby byla zachována citlivost a přesnost metod. Metoda založená na Agilent Captiva EMR—Lipid nabízí rychlé a selektivní čištění vzorku před GC/MS/MS analýzou.
Cíle a přehled studie / článku
Cílem studie bylo vyvinout a validovat jednoduchou, avšak účinnou metodiku pro stanovení 38 pesticidů v lososím mase. Metoda kombinuje pevné tekuté extrakce, čištění pomocí sorbentu EMR—Lipid a analýzu pomocí Agilent Intuvo 9000 GC s 7010B Triple Quadrupole MS v režimu dynamického MRM. Délka chromatografického běhu činí 20 minut při zachování vysoké linearity a uspokojivých výtěžků.
Použitá metodika
- Vážení 2,5 g homogenizovaného vzorku lososa a extrakce 80:20 acetonitril/ethylacetát s keramickými homogenizéry.
- Duální extrakce a sloučení supernatantů.
- Naředění vodou a průtok eluátu přes Captiva EMR—Lipid (300 mg/3 ml) gravitačně.
- Doplňující eluce směsí EtOAc/ACN/voda (16:64:20) pro úplné uvolnění analyzátů.
- Odstranění zbytkové vody extraakcí isooktanem a příprava konečné injekční frakce pro GC/MS/MS.
Použitá instrumentace
- Agilent Intuvo 9000 GC s elektronikou EPC a 7693 autosampler.
- Agilent 7010B Triple Quadrupole MS v režimu dynamického MRM s HES zdrojem.
- Plazmově inertní kolona HP-5ms Ultra Inert, 30 m × 0,25 mm, 0,25 µm.
- Captiva EMR—Lipid kartáčky 3 ml, 300 mg.
- Centrifugy, vortex, váhy a další laboratorní spotřební materiál (syringy, filtry, homogenizéry).
Hlavní výsledky a diskuse
Metoda prokázala linearitu všech pesticidů s koeficientem R2 ≥ 0,990. Limity kvantifikace byly 25 µg/kg pro většinu látek, dvě výjimky (lambda-cyhalothrin, fenpropimorph) s LOQ 50 µg/kg. Celkové výtěžky se pohybovaly mezi 83 až 125 % s relativními směrodatnými odchylkami pod 25 %. Dynamické MRM umožnilo spolehlivou identifikaci a kvantifikaci 38 analyzovaných sloučenin během 20minutového běhu. EMR—Lipid efektivně odstranil tukové interferenty, což vedlo k ostrým pikům a konzistentním odpovědím.
Přínosy a praktické využití metody
- Rychlá a univerzální analýza širokého spektra pesticidů v mastných potravinách.
- Snížení matričních interferencí a prodloužení životnosti analytického systému.
- Kompatibilita s rutinou QA/QC v potravinářských laboratořích pro kontrolu reziduí pesticidů.
- Možnost adaptace na jiné tukové matrice a na LC/MS/MS detekci bez nutnosti další úpravy sorbentu.
Budoucí trendy a možnosti využití
Očekává se rozšíření využití EMR—Lipid sorbentů i v jiných analytických technikách, například vysokorychlostní LC/MS/MS pro vyšší průtok vzorků. Dalším trendem je vývoj ekologičtějších rozpouštědel a miniaturizace extrakčních technik. Integrace automatizace a pokročilých softwarových nástrojů pro zpracování dat by mohla dále zvýšit robustnost a efektivitu metod.
Závěr
Navržená metoda prokázala vysokou výkonnost pro stanovení multireziduí pesticidů v lososu. Kombinace pevné tekuté extrakce, selektivního čištění Captiva EMR—Lipid a citlivé GC/MS/MS detekce umožnila rychlou, spolehlivou a reprodukovatelnou analýzu 38 pesticidů. Metoda se jeví jako přínosná pro potravinářskou kontrolu a lze ji snadno implementovat do rutinní praxe.
Reference
- Food and Agriculture Organization of the United Nations. The State of World Fisheries and Aquaculture, 2018.
- Agilent Technologies. Determination of 19 Polycyclic Aromatic Hydrocarbon Compounds in Salmon and Beef. Application Note 5994-0553EN, 2019.
- Agilent Technologies. Challenging Pesticide Analysis Using an Agilent J&W DB-35ms Ultra Inert GC Column. Application Note 5990-6595EN, 2010.
- Agilent Technologies. Better Pesticide Analysis with Agilent J&W Ultimate Plus Tubing in an Inert Flow. Application Note 5991-5404EN, 2014.
Obsah byl automaticky vytvořen z originálního PDF dokumentu pomocí AI a může obsahovat nepřesnosti.