《Eco-Environment & Health》：Non-targeted screening of per- and polyfluoroalkyl substances: Advanced methods, challenges, and environmental health
编辑推荐：
本综述系统梳理了PFAS非靶向筛查（NTS）技术的最新进展，重点探讨了高分辨质谱（HRMS）与离子迁移谱的创新应用、样品前处理优化策略以及短链替代物和醚类调聚物等新型PFAS的分析挑战。文章指出，整合质谱缺陷过滤、诊断性碎片分析及总氧化前体（TOP）测定等多种技术，可显著提升未知PFAS的识别能力，并为构建基于暴露-结构-毒性优先序的管理框架提供科学依据，对推动环境健康风险评估具有重要指导意义。
引言
全氟和多氟烷基物质（PFAS）是一类人工合成的含氟有机化合物，因其C-F键的高强度（约490 kJ/mol）而具备卓越的化学稳定性和热稳定性，导致在环境中持久存在并可在生物体内累积。代表性物质如全氟辛烷磺酸（PFOS）和全氟辛酸（PFOA）已被列入《斯德哥尔摩公约》管控，但其替代物（如短链PFAS、氯代聚氟醚磺酸等）的不断涌现使得污染问题依然严峻。PFAS通过工业排放、农业径流等多途径进入环境，并借助水循环、大气传输等机制实现全球分布，最终通过饮用水和食物链等主要暴露途径威胁人体健康，可能引发代谢紊乱、免疫抑制及癌症风险升高。非靶向筛查（NTS）技术能够突破传统靶向分析的局限，为全面识别未知PFAS提供关键手段。
前处理技术
环境样品基质复杂，且PFAS常以痕量水平（ng/L或pg/L）存在，因此高效的前处理是保证筛查准确性的前提。固相萃取（SPE）是主流技术，其中亲水-亲脂平衡（HLB）吸附剂适用于广谱富集，而弱阴离子交换（WAX）柱则对带负电的PFAS具有选择性捕获能力。在线SPE可实现自动化操作，显著提升高通量监测效率。针对短链PFAS回收率低的问题，可引入离子对试剂或氟亲和溶剂等策略进行优化。此外，单细胞技术与新型纳米材料结合的前处理方法，为揭示细胞水平暴露异质性提供了新思路。
全扫描方法（MS1）
MS1方法基于一级质谱的精确质量数、同位素分布和保留时间（RT）进行初步筛查。质谱缺陷（MD）过滤通过计算化合物精确质量与最接近整数质量的差值，快速锁定含CF2重复单元的PFAS同系物。MD/C-m/C二维散点图可将PFAS与其他化合物区分开来，实现数据降维。肯德里克质量缺陷（KMD）分析则以CF2=50.0000为基准质量标尺，使同系物在KMD图中呈水平线分布，便于快速识别。化学式推定则结合高分辨质谱提供的精确质量和同位素丰度，推断未知PFAS的分子式，为结构解析提供基础。
基于碎裂的方法（MS2）
MS2方法通过碰撞诱导解离（CID）对母离子进行碎裂，产生特征性子离子，从而提供更精确的结构信息。诊断性碎片（如CF3+、C2F5+）可作为PFAS的“指纹”进行鉴定。碎片质量差及中性丢失（如CF2O、HF）分析有助于推断官能团和骨架结构。碎片离子标记技术可对特征碎片进行快速筛选，提升鉴定置信度。离子迁移质谱（IM-MS）通过测量离子的碰撞截面（CCS）值，在复杂基质中实现二维分离，有效区分共洗脱干扰物。
其他方法
总氧化前体（TOP）测定通过强氧化剂将样品中可氧化的PFAS前体转化为稳定的全氟羧酸（PFCA），结合靶向分析间接评估未知前体含量。无需色谱分离的纸喷雾质谱（PS-MS）和固相微萃取-微流控开放接口（MOI）-质谱联用技术，实现了PFAS的快速现场筛查。光学方法如基于金属有机框架（MOF）的荧光传感器阵列，通过机器学习辅助模式识别，可对多种PFAS进行高通量区分。机器学习算法进一步整合多维质谱数据，构建同系物网络框架，显著降低假阳性率，拓展了低氟化/非典型结构PFAS的识别边界。
结论与展望
PFAS非靶向筛查技术的集成创新，为全面评估其环境赋存与健康风险提供了有力工具。未来研究需重点关注短链及醚类聚合物在复杂基质中的精准定量、异构体特异性毒性差异解析，以及全球共享数据库的构建。通过融合人工智能、微型化传感器等前沿技术，推动筛查技术向现场化、智能化方向发展，最终形成从污染物发现到管控决策的闭环管理策略，为保障环境与健康安全提供科技支撑。
