基于组学、机器学习和生物转化技术的农药及其转化物筛查方法研究.pdfVIP

第42卷第10期分析测试学报Vol.42No.10

2023年10月FENXICESHIXUEBAO（JournalofInstrumentalAnalysis）1211~1220

doi：10.19969/j.fxcsxb.

研究报告

基于组学、机器学习和生物转化技术的农药及其

转化物筛查方法研究

**

冯超，卢大胜，汪国权，徐骞，邱歆磊，金玉娥，陈宇航

（上海市疾病预防控制中心，国家环境保护新型污染物环境健康影响评价重点实验室，上海200336）

摘要：该研究基于液相色谱-高分辨质谱联用技术，针对不同食品基质，通过标准化的样品提取方法，低

歧视的仪器采集方法，以及组学、机器学习和生物转化等技术的融合，建立了各类农药及其转化物的靶向和

2

拟靶向数据筛查方法。实验结果表明，不同农药在多种基质中的回收率为80%~120%。样本中农药的MS特征

能在基于特定列表（Inclusionlist）的数据依赖性扫描（DDA）方式下兼顾检出率和特异性。靶向方法基于数据库

12

的保留时间（RT）、MS（m/z偏差、同位素轮廓、加合形态、源内裂解）和MS（二级碎片）等多元参数匹配，可

以高置信度地鉴定阳性物质。同时，拟靶向方法在人工智能（AI）预测模型的帮助下，在菊花茶中发现8种疑

12

似的农药转化物，这些特征在MS匹配的基础上进行MS的预测和RT的过滤，并通过体外肝微粒生物合成获

得无商业化标准品的农药转化物的质谱特征，确证疑似结果。该方法实现了农药及其转化物的高通量和高特

异性的筛查，适用于各类食品基质的快速筛查。

关键词：农药；农药转化物；拟靶向筛查；机器学习；生物转化

中图分类号：O657.63；F767.2文献标识码：A文章编号：1004-4957（2023）10-1211-10

ResearchonScreeningMethodsofPesticidesandTheirTransfor⁃

mationProductsBasedonOmics，MachineLearningand

BiotransformationTechnology

**