大气污染有着全球性的健康风险，其中污染物情况是最为复杂和最少认知的部分。一方面多样化的污染源贡献着多种一次来源的污染物，另一方面大气过程产生的二次转化产物更加剧了大气污染的复杂性。同时，二次过程也可能增加污染物的健康风险。对于大气污染的优先控制需要对于复杂大气污染物的精准解析，这就意味着不仅要对已知的大气污染物进行监测，对于未知的新污染物，也需要全面而系统的检测手段。

新污染物研究历史

早期对于有机污染物的研究主要基于质谱技术，通过与气相色谱等的串联可以实现对高浓度、高频率物质的重点检测。一方面，NIST谱库可以方便地进行物质鉴定，另一方面，利用一些经典元素（氯、溴）的同位素峰特征可以实现对含这些元素物质的识别。但是低分辨的质谱检测器受限于质量检测精度，对于复杂样品中的大量物质，特别是新污染物的检测心有余而力不足。

(相关资料图)

这一问题随着高分辨质谱的普及而得到改善。高分辨质谱具有高质量分辨率、快速的扫描速度和先进的信号处理能力，可以实现对复杂环境介质中成千上万种物质的一次性检测。因此，基于高分辨质谱的非靶向筛选成为研究新污染物的热点领域。

组学框架下的新污染物研究

1、通过高分辨质谱数字化环境样品

图1是组学框架分析新污染物的基础流程，与针对固定目标物质的传统靶向分析类似，也由样品采集、样品处理、样品分析等环节组成。但样品分析更为复杂，包括了仪器分析，数据获取，污染物筛选和化学鉴定等环节。从样品处理到数据获取，由于高分辨质谱的全面检测能力，可以实现对样品“全组分”数据的获取，这一过程也可以视为对复杂环境样品“数字化”的关键步骤。

图1 组学方法的基础流程

诚然，由于样品处理和分析过程各步骤的潜在选择性，在实践中有许多方面可以注重以实现全组分数据的获取。在样品采集环节，不同类型（包括时间、空间、来源、过程等）的样品可以多多采集。在样品前处理过程，不同的处理方法以及不同极性的溶剂的应用可以实现对尽可能多物质的覆盖。在仪器分析环节，不同种的仪器（色谱质谱串联型和更高分辨率质谱）以及多种离子源的平行使用都可以互相弥补分析过程中的潜在选择性。

但是，对多种技术的同时运用以及对全组分的关注，势必会产生大量的数据。如何从海量的数据中发现新污染物就是一个现实的关键问题。各种优先化筛选物质的非靶向策略应运而生，从化学指纹、怀疑名单到生化效应，实现了对各类污染物的系统性识别。

2、优先化筛选新污染物

（1）化学指纹筛选

化学指纹是分子的一类特征，包括精确质量、分子组成、官能团等，是优先化筛选新污染物的基础手段。高分辨质谱获取的精确质量降低了干扰的可能性，也为进一步解析化学信号、推断分子组成以及物质结构提供了基础。这一基础流程可以对高丰度的物质进行很好的识别，但对于低丰度物质，特别是未知物种，效果并不理想。对于这些物质，更精细化的化学指纹可以提供更强的筛选识别能力。例如，由精确质量的衍生出的肯德里克质量亏损（Kendrick mass defect）除对烃类化合物进行系统性识别外，目前也应用于大气环境中全氟和多氟化合物（PFAS）的筛选中；在传统氯溴经典同位素比例之外，基于同位素精确质量差的方法也用以识别有机硅化合物；基于质谱特殊的碎裂规则所反映的官能团信息则用以识别有机硝酸酯、有机硫酸酯、硝基芳香类化合物等。这些方法扩大了对经典化合物的认知，并强调了新发现的污染物。但这类方法产生的大量物质信息，如果在后续的研究中缺乏应用，可能是一种浪费，这也意味着整合型筛选策略的实际需求。

（2）怀疑名单筛选

怀疑名单正是这类整合型筛选策略的关键。基于怀疑名单的怀疑筛选可以视为靶向与非靶向分析中间的一种分析方法，其通过精确质量和碎片信息在全组分数据中匹配怀疑名单，从而可以实现无标品状态下大量已知或感兴趣物种的全面检测。在这类方法的早期，主要依靠科研人员自己整合怀疑名单；目前，已有相对集成的平台供全球研究者交换使用怀疑名单，如NORMAN Suspect List Exchange和US EPA CompTox Chemistry Dashboard；此外，一些数据库，如NIST，ToxCast等也有应用于怀疑筛选当中。

（3）生化效应筛选

相对而言，化学指纹和怀疑名单是基于物质的筛选策略。对于迄今未知的新污染物类型，并没有很好的筛选识别效果，这意味着需要纳入更多的信息（如样品特征）来追踪新污染物的蛛丝马迹。其中，生化效应由于与人类以及生态环境的健康风险息息相关而得到更多关注。如图2所示，基于物质的筛选策略主要改变对污染物是否存在于环境介质中的认识，但基于生化效应的筛选策略可以一次性实现对于污染物赋存以及毒性的双重认知。

图2 不同的非靶向筛选策略对全组分中物质状态的认知改变

对生化效应终点的选择则需要考虑有害结局路径（AOP）的概念，即分子水平的事件积累会导致细胞、组织、器官、个体乃至生物圈层次的不良健康结局。对于大气污染物而言，基于蛋白或通路层次的受体活性、基于细胞层次的致突变性、基于个体或人群层次的炎性与氧化应激都是目前已有应用的生化效应。这些方法也成功地筛选出了一些未知的化合物，如有机磷酸酯、硝基吡喃酮、新型芳香类化合物等。整体而言，这类方法正处于兴起与发展阶段，未来对于各种生化效应的广泛应用会发现更多的毒性物种，从而为更加高效地保护人群健康提供有力的帮助。

3、化学鉴定

在筛选识别之后，对于大量化合物的化学鉴定也是组学框架下研究新污染物的关键步骤。目前，经过这一领域先驱者们的广泛交流与实践，基于不同层级信息的置信度方法是较为公认的鉴定方式，即化合物可以根据精确质量、分子式、潜在结构、谱库和标准品在五种不同的置信度水平上进行鉴定。

总结与展望

通过高分辨率质谱（通常与色谱相结合），复杂的环境基质可以首先被数字化成为“全组分”数据。解析新化合物的一个关键步骤是从海量的全组分数据中对化合物进行优先化筛选；化学指纹、怀疑名单和生化效应正是全面筛选重要和危害污染物的关键非靶向策略。相对而言，化学指纹和怀疑名单是较为基础的解析新化合物的手段，而生化效应等样品特征由于与人体健康更为密切的关系值得更多的关注。在物质筛选之后，化合物可以根据精确质量、分子式、谱库和标准品等在不同的置信度水平上进行鉴定。这种基于全组分数据的组学方法为发现空气中的新污染物提供了一种范式；同时，为了进一步跟踪环境行为，从而评估关键污染物的健康风险，也需要仪器和数据库在未来的持续技术进步。

关键词：