QuEChERS结合液相色谱-串联质谱法快速测定奶酪中多类兽药残留

建立了一种快速测定奶酪中大环内酯类、磺胺类、喹诺酮类和四环素类共50种兽药残留的分析方法。方法采用改进后的QuEChERS对奶酪进行前处理。样品在加入Na₂EDTA缓冲液和陶瓷均质子后,在5%(v/v)醋酸乙腈条件下进行振荡提取,氯化钠和无水硫酸钠用于盐析,经C₁₈吸附剂净化后,供液相色谱-串联质谱(LC-MS/MS)测定。目标化合物经ZORBAX-SB-C₁₈柱梯度分离,在正离子动态多反应监测模式下进行检测。结果表明,奶酪中50种兽药的定量限(LOQ)为0.05~20 μg/kg;在3个添加浓度(20、50、100 μg/kg)下(n=6),平均回收率在70%~120%范围内的比例分别为94%、92%和96%,相对标准偏差(RSD)为1%~14%。对市售的7个样品进行测定,其中两个样品分别检出了微量的罗红霉素和氟甲喹兽药残留。该方法快速简便,适用于奶酪中兽药残留的快速检测和日常监控。     

基于分子识别的农药残留快速检测研究进展

为了提高农作物的产量和质量,农药的使用量逐年增加,导致土壤、水和农作物等的污染加剧,对环境和人类健康造成了严重的威胁。因此,对于农药残留进行快速、灵敏的检测至关重要。近年来,多种用于农药残留快速检测的技术和产品被开发。该综述对多种识别方式在农药检测中的进展进行了介绍,包括以蛋白质和适配体为代表的生物识别、以纳米材料和大环化合物为代表的非生物识别以及基于农药独特的光学性质和化学性质实现的直接识别。最后对农药残留的快速检测进行了展望,以期为农药的即时监测（POCT）提供研究思路和方向。     

改进的QuEChERS结合LC-MS/MS同时测定蜂蜜中60种兽药残留

建立了同时测定蜂蜜中60种兽药残留的LC-MS/MS检测方法。蜂蜜样品采用Mcllvaine缓冲溶液(pH 4)稀释,5%乙酸乙腈提取,提取液经盐析,NH2吸附剂分散固相萃取净化,LC-MS/MS动态多反应监控模式测定。在3个添加水平下(n=6),60种兽药平均回收率在70%～120%范围内的占比分别为96.7%,98.3%和98.3%,RSD为0.6%～20%。在0.1～1000μg/kg范围内,81.7%的目标物的线性相关系数(r2)>0.995,检出限和定量限范围分别为0.01～17.99μg/kg和0.02～59.97μg/kg。对16个市售蜂蜜样品进行测定,其中5个样品中检出磺胺类、喹诺酮类、硝基咪唑类等兽药残留。该方法具有一次处理样品,可同时测定60种兽药残留的特点,适合于蜂蜜中多类兽药的高通量筛查检测。     

分散固相萃取-液相色谱-串联质谱法测定谷物、蔬菜、水果中27种新型杀菌剂

建立了同时检测谷物、蔬菜和水果中27种新型杀菌剂的分散固相萃取-液相色谱-串联质谱(DSPE-LC-MS/MS)分析方法。样品经1%(体积分数)乙酸丙酮溶液提取,以无水硫酸镁(MgSO_4)脱水,经N-丙基乙二胺(PSA)、C_(18)、无水MgSO_4、多壁碳纳米管(MWCNT)混合净化剂净化,经C_(18)色谱柱分离,用乙腈和体积分数为0.1%的甲酸水溶液(含5 mmol/L乙酸铵)梯度洗脱,多反应监测(MRM)正离子模式扫描,采用外标法定量。噻呋酰胺和氯啶菌酯在20.47~200μg/kg范围内线性关系良好,其他25种新型杀菌剂在0.02~100μg/kg范围内线性关系良好,相关系数R~2≥0.995 0,加标回收率为70.02%~117.6%,相对标准偏差(RSD)为0.01%~19.62%(n=3)。噻呋酰胺和氯啶菌酯的检出限为6.15~16.67μg/kg,定量限为20.47~55.5μg/kg。其他25种新型杀菌剂的检出限为0.006~4.44μg/kg,定量限为0.02~14.79μg/kg。该方法简便、快速、可靠,可用于谷物、蔬菜、水果中27种新型杀菌剂的快速测定。     

顶空固相微萃取结合气相色谱-三重四极杆质谱法快速测定茶叶中11种酰胺类除草剂残留

利用顶空固相微萃取(HS-SPME)与气相色谱-三重四极杆质谱(GC-MS/MS)联用,建立了快速测定茶叶中11种酰胺类除草剂残留的检测方法。以全发酵红茶为基质,对影响萃取性能的因素(如萃取涂层种类、无机盐种类、水用量、盐用量、萃取温度和萃取时间)进行了优化。在最优条件下,选取绿茶、乌龙茶、红茶和普洱茶4种茶叶基质对方法学进行考察。结果表明,11种酰胺类农药在1~1 000μg/kg含量范围内线性关系良好,相关系数(r2)为0.992 5~0.999 9,定量下限为1~10μg/kg。11种农药在红茶、绿茶、乌龙茶和黑茶基质中3个添加水平下的平均回收率分别为70.3%~119.1%、85.2%~118.7%和74.6%~113.3%,相对标准偏差(RSD)均不大于17.4%。该方法操作简单、快速、灵敏度高、重现性好,可满足不同种类茶叶基质中11种酰胺类除草剂农药残留的检测要求。     

应用ICP-MS测定油菜蜜、油菜花和油菜杆中微量元素

应用电感耦合等离子体质谱(ICP-MS)测定了收集于9个采样点的油菜蜜及其蜜源油菜花和油菜杆中Na,Mg,P,K,Ca,Mn,Zn,Rb,Sr和Ba等10种元素。在油菜蜜、油菜花和油菜杆中K,P,Ca,Mg和Na等五种元素含量均明显高于Zn,Rb,Mn,Sr和Ba,前五种元素含量大小顺序为K>P>Ca>Mg>Na,后五种元素含量在三者中的大小顺序则不尽相同。油菜花和油菜杆中K,P和Ca三种元素的含量均高于1 000 mg·kg-1,油菜花中P,Ca,Mn,Zn和Rb等五种元素的平均含量均高于油菜杆,可以初步推断油菜花富集元素的能力略强于油菜杆。在上述测定结果基础上,首次应用雷达图对油菜蜜及其蜜源油菜花和油菜杆中10种元素的关系进行了研究,主要是为了对将油菜花中元素含量用于蜂蜜溯源研究的可能性进行探索。从雷达图可以看出,10种元素在油菜蜜、油菜花和油菜杆中的星形基本类似。此研究为油菜蜜的相关研究提供基础数据,同时为利用油菜花中元素含量代替油菜蜜中元素含量进行油菜蜜溯源提供了一定的科学依据。     

基于晶体生长法的磁性石墨化碳黑的制备及在茶叶农药残留检测中的应用

基于晶体生长法制备了一种均匀稳定的四氧化三铁负载石墨化碳黑磁性纳米材料(GCB/Fe3 O4),通过扫描电镜、傅里叶变换红外光谱仪、X射线衍射仪和振动磁强计对GCB/Fe3 O4的表面形貌、晶体结构、磁学性能进行了分析,并以儿茶素、姜黄素、槲皮素、叶绿素铜钠和β-胡萝卜素为对象,研究了GCB/Fe3 O4对色素、多酚等...     

ICP-MS测定蜂蜜中多元素结合化学计量学在不同产地荆条蜜溯源中的应用

应用电感耦合等离子体质谱(ICP-MS)测定了北京顺义、河北阜平和河北平山三个地区65个荆条蜜样品中38种元素含量, 其中B, Na, Mg, P, K, Ca, Fe和Zn等8种元素的含量处于较高水平, 其浓度均高于1 mg·kg-1。比较发现, 不同地区荆条蜜中元素含量存在一定差异。以具有显著性差异(p<0.05)的29种元素(Na, Mg, Al, K, Ti, V, Mn, Fe, Ni, Cu, Zn, Ga, As, Sr, Y, Mo, Cd, Ba, La, Ce, Pr, Nd, Sm, Gd, Dy, Ho, Tl, Pb和U)为变量, 应用主成分分析(PCA)和反向传输人工神经网络(BP-ANN)两种化学计量学方法按照不同产地对荆条蜜进行了分析。PCA可将所有变量降为4个主成分, 并能解释81.6%的变量, 结果表明, PCA基本可以将荆条蜜按照不同产地分开。应用BP-ANN建立不同产地荆条蜜溯源模型, 用全部样本建立模型时, 三个产地荆条蜜分类的正确率均为100%, 采用“留一法”进行交叉检验, 整体准确率为95.4%;以75%的样本建立模型, 25%的样本用于预测, 对BP-ANN模型的可靠性进行验证, 三个产地整体分类和预测的准确率均为100%。ICP-MS测定蜂蜜中多元素含量结合多变量模型可以实现不同产地荆条蜜溯源。     

气相色谱-四极杆-飞行时间质谱和气相色谱-串联质谱对水果、蔬菜中208种农药残留筛查确证能力的对比

对比研究了气相色谱-串联质谱(GC-MS/MS)与气相色谱-四极杆-飞行时间质谱(GC-QTOF/MS)在水果、蔬菜中208种农药多残留检测中基质效应及方法学效能的差异,提出两种仪器在农药残留检测方面的特点和适用范围,为残留检测分析提供参考。在苹果、柑橘、番茄、黄瓜4种基质,3个添加浓度(5.0、10.0和20.0 μg/kg)下,两种仪器中均有93.0%以上的农药回收率在70%~120%范围内且相对标准偏差(RSD)≤20%(n=5)。检测灵敏度方面,绝大部分农药在两种仪器的检出限均低于5.0 μg/kg,满足各国农药残留限量的要求,且GC-MS/MS灵敏度更高,线性范围更宽,定量能力更加准确。筛查确证方面,GC-QTOF/MS在快速、高通量筛查、准确定性及非目标化合物鉴定等方面表现出了优势。     

ICP-MS测定蜂蜜中多元素结合化学计量学在不同产地荆条蜜溯源中的应用

应用电感耦合等离子体质谱(ICP-MS)测定了北京顺义、河北阜平和河北平山三个地区65个荆条蜜样品中38种元素含量,其中B,Na,Mg,P,K,Ca,Fe和Zn等8种元素的含量处于较高水平,其浓度均高于1 mg·kg-1。比较发现,不同地区荆条蜜中元素含量存在一定差异。以具有显著性差异(p<0.05)的29种元素(Na,Mg,Al,K,Ti,V,Mn,Fe,Ni,Cu,Zn,Ga,As,Sr,Y,Mo,Cd,Ba,La,Ce,Pr,Nd,Sm,Gd,Dy,Ho,Tl,Pb和U)为变量,应用主成分分析(PCA)和反向传输人工神经网络(BP-ANN)两种化学计量学方法按照不同产地对荆条蜜进行了分析。PCA可将所有变量降为4个主成分,并能解释81.6%的变量,结果表明,PCA基本可以将荆条蜜按照不同产地分开。应用BP-ANN建立不同产地荆条蜜溯源模型,用全部样本建立模型时,三个产地荆条蜜分类的正确率均为100%,采用“留一法”进行交叉检验,整体准确率为95.4%;以75%的样本建立模型,25%的样本用于预测,对BP-ANN模型的可靠性进行验证,三个产地整体分类和预测的准确率均为100%。ICP-MS测定蜂蜜中多元素含量结合多变量模型可以实现不同产地荆条蜜溯源。