Enfoque en una tasa de falsos positivos del 0 % para la determinación de PFAS aprovechando solo datos MS1

Área de la Ciencia:

• Química Ambiental
• Química Analítica
• Espectrometría de Masas

Sus antecedentes:

• El análisis de sustancias per- y polifluoroalquiladas (PFAS) utiliza comúnmente la cromatografía líquida de alta resolución y espectrometría de masas en tándem (LC-HRMS/MS) dirigida.
• Los enfoques dirigidos identifican menos del 30 % de los PFAS, lo que requiere estrategias no dirigidas para una cobertura más amplia.
• La identificación de PFAS desconocidos en matrices ambientales complejas sigue siendo un desafío importante.

Objetivo del estudio:

• Expandir el software FluoroMatch Suite para el análisis no dirigido de PFAS.
• Aprovechar los datos de escaneo completo (MS1) para mejorar la predicción de fórmulas y el análisis de Kaufmann.
• Mejorar la precisión y la cobertura de la identificación de PFAS en muestras ambientales.

Principales métodos:

• Desarrollo de un algoritmo de predicción de fórmulas de 11 pasos y análisis de Kaufmann con cortes de isolíneas basados en densidad de kernel.
• Integración de datos MS1 en la FluoroMatch Suite para mejorar la identificación de PFAS.
• Implementación de un novedoso algoritmo de votación de series homólogas para la predicción de fórmulas.

Principales resultados:

• La aplicación a suelo contaminado con AFFF identificó 179 características confirmadas de PFAS.
• El análisis de Kaufmann capturó el 94 % de los PFAS confirmados y eliminó el 96 % de las características no PFAS.
• El algoritmo de votación de series homólogas logró una tasa de falsos positivos del 0 % y una tasa de falsos negativos del 6 % en la predicción de fórmulas.

Conclusiones:

• La FluoroMatch Suite ampliada con datos MS1 aprovecha significativamente la capacidad de identificación no dirigida de PFAS.
• Los algoritmos novedosos proporcionan una predicción de fórmulas de PFAS de alta precisión, crucial para matrices ambientales complejas.
• Este enfoque mejora la identificación de PFAS desconocidos, abordando las limitaciones de los métodos dirigidos.