目标和嫌疑人的查与机器学习相集成,以发现per-和多基基物质源指纹

科学领域:

• 环境化学环境化学
• 分析化学 分析化学
• 环境科学 环境科学

背景情况:

• 和多基基物质 (PFAS) 是来自不同来源的持续性环境污染物.
• 确定特定的PFAS来源对于有效的补救和监管策略至关重要.
• 现有的PFAS来源归因方法往往缺乏全面的化学分析.

研究的目的:

• 为各种环境来源建立不同的per-和多醇基物质 (PFAS) "指纹".
• 为了确定每个来源类型的特征,特定的PFAS化合物 (目标和可疑).
• 为了能够准确地分配环境中的PFAS污染源.

主要方法:

• 从包括消防泡影响的地下水,垃圾填埋污水和工业废水在内的来源收集了92个环境样本.
• 使用高分辨率质谱测量量50个目标PFAS并选2000多个可疑PFAS.
• 采用机器学习分类器来分析PFAS数据并识别特定来源的诊断化合物.

主要成果:

• 水性薄膜形成泡冲击地下水 (AFFF-GW) 显示出具有特定短链 perfluoroalkyl 酸的独特指纹.
• 垃圾填埋场液的特点是含有基酸和硫胺酸乙酸的基酸.
• 生物固体出物与垃圾填埋场出物具有共同的特征,特定的硫胺酸酸有助于分类.
• 市政废水处理厂 (WWTP) 的废水含有很少的目标PFAS,但杀虫剂fipronil是关键指标.

结论:

• 该研究成功地为各种PFAS来源生成了"指纹",有助于识别它们.
• 特定的目标和可疑的PFAS化合物被确定为来源分配的可靠标记.
• 这些发现为环境科学家和监管机构提供了宝贵的工具,可以追溯PFAS污染的起源.