从藻类水热液化使用二维气相色谱时间飞行质谱法水提取部分的定性鉴定
March 6th, 2016
描述了一种二维气相色谱-飞行时间质谱法，用于表征藻类水热液化产生的生物原油水馏分。该方案还可用于分析来自快速热解、催化快速热解、催化脱氧和加氢处理的液体产物的水馏分。
这种 2D 气相色谱数据采集方法的总体目标是表征从藻类的水热液化 （HTL） 中获得的水副产物。这种方法可以帮助回答生物燃料领域的关键问题，例如识别在藻类的流体动力学方式中向水相报告的有机物种。该技术的主要优点是它提高了峰容量、分离度和化合物的广泛组合。
这种方法对于为生物精炼厂生成数据非常重要，因为生物精炼厂会产生大量废水，这些废水必须经过处理或进一步加工成燃料和化学品。这种方法可以提供其他分析技术（如一维气相色谱法或液相色谱法）无法产生的表征数据。当我们分析生物燃料生产过程中非常复杂的有机混合物时，我们第一次想到了这种方法。
使用配备四射流双级冷却基调制器和飞行时间质谱仪的气相色谱仪进行这些实验。配置自动进样器，将每种样品或标准品进样 1 μL 至气相色谱仪或 GC 中。如文献所述，对自动进样器序列使用样品进样和标准品进样的随机区组设计。确保主柱和次柱的两条边缘都切成笔直，没有锋利的边缘。
然后，在调制器之前使用压紧连接器连接主柱和次级色谱柱。确保玻璃内衬、不粘内衬 O 形圈、GC 进样器的接收器是新的且无污染。接下来，在 GC 色谱柱上放置一根 feral，并将主柱连接到 GC 进样器，使色谱柱位于进样器内 5 mm。
使用 1/16 英寸和 0.5 毫米内径的传输线连接二级色谱柱和传输线。将次级柱的 0.2 米部分放置在传输管中。确保二级色谱柱的 0.1 m 部分位于调制器中。
使用超高纯度氦气作为 GC 的载气，流速为 1.5 mL/min。通过使用连接到杜瓦瓶出口的压力计读取液氮液位，确保杜瓦瓶中有足够的液氮，该液氮充当调制器中的冷却剂。压力表的 69 千帕读数表示杜瓦瓶已满，而零千帕表示杜瓦瓶是空的。
确保仪器中没有重大泄漏。如果 1.5 mL/min GC 色谱柱流速时，TOF-MS 的真空计读数高于 10 倍负五帕斯卡，则表明系统中存在严重渗漏。设置质量控制或 QC 方法并运行内置的采集系统调整方案，以使用制造商的方案实现最大的信号响应。
然后，运行 QC 方法的内置仪器优化方案。使用制造商的方案串联运行灯丝聚焦、离子光学聚焦和质量校准测试。确保质量校准测试通过。
这种 QC 方法可确保仪器的所有硬件参数处于最佳水平。仪器应无泄漏。这是此过程的一个重要方面。
应使用制造商的协议进行重新检查。通过检查特定离子与内标的相对浓度来分析生成的泄漏检查报告。要确定调制器的最佳调制周期，请任意选择一个较长的调制周期，并像以前一样注入样本。
确定等值线图第二维中的保留时间，之后没有峰洗脱。选择已识别的第二维保留时间作为最佳调制周期。增加调制周期，如果观察到环绕，请再次执行分析。
如果第二维中的峰洗脱在第一维的基线以下，就会出现环绕现象，如此等值线图所示。重复这些步骤，直到确定最佳值。本研究中使用的配置是独特且重要的。
这种组合以前未用于分析生物质转化中的水馏分。安装极性毛细管柱作为主柱。安装非极性毛细管柱作为二级色谱柱。
使用超高纯度氦气作为气相色谱的载气，流速为 1.5 mL/min。将 GC 进样器的温度设置为 260°C，分流比为 1：250。为主柱设置一个温度程序，首先将 40 摄氏度的恒温升至 0.2 分钟，然后以每分钟 5 摄氏度的速度升温至 260 摄氏度，然后以 260 摄氏度的恒温升温 5 分钟。
保持调制器温度比二级色谱柱高 5 摄氏度，将二级色谱柱温度保持在比初级色谱柱高 5 摄氏度。如前所述，使用 4 秒的最佳调制周期，其中 0.8 秒的热脉冲和 1.2 秒的冷脉冲。然后，将传输线温度设置为 270 摄氏度。
接下来，将采集延迟或溶剂延迟设置为零秒。将质量过电荷的下限和上限范围设置为 35 和 800，然后将 MS 检测器采集速率设置为每秒 400 张谱图。将 MS 检测器电压保持在比优化值高 150 V 的电压。
最后，将 MS 离子源温度保持在 225 摄氏度。使用仪器制造商提供的软件执行数据处理。在数据分析方法中，选择计算基线，找到基线以上的峰值，搜索库，计算面积和高度。
通过数据文件跟踪基线。将基线偏移量输入为 0.5，然后在第一维度中输入 15 秒的预期峰宽，在第二维度中输入 0.15 秒的预期峰宽。将信噪比设置为 5000，相似度值大于 850，用于鉴定化合物。
选择市售的质谱库来鉴定样品中存在的化合物，并将谱库搜索模式设置为前进。使用制造商的协议通过此数据分析方法处理数据文件。处理数据文件至少需要一个小时。
此处显示的是针对藻类生物原油的水馏分获得的总离子色谱图，使用极性和非极性色谱柱组合进行分析。在 HTL 藻水中观察到含氧化合物和有机酸。除含氧化合物外，水相中还有含氮化合物，如吡啶、吡嗪、乙酰胺、琥珀酰亚胺及其烷基衍生物。
据推测，这些化合物是藻类生物质中蛋白质和碳水化合物的降解产物。此处显示的是 HTL 藻水中存在的化合物的相似值和保留时间，使用表格形式的极性和非极性色谱柱组合。通过分析标准品验证等值线图中鉴定的藻类生物粗水馏分的高强度峰。
制备含有有机酸和末端化合物的标准品，并在 2D 气相色谱法中使用飞行时间质谱法进行分析。还用非极性和极性的常规柱组合分析了藻类生物粗的水性馏分，这在文献中得到了广泛应用。如此处所示，存在于藻类生物粗制水部分中的有机酸和末端化合物洗脱时具有多个峰。
这些化合物的相似值和保留时间以表格形式列出。观看本视频后，您应该对如何使用配备质谱仪的二维气相色谱法分析水性样品有很好的了解。开发后，这项技术为生物燃料领域的研究人员分析从生物质的生化、热化学和热催化转化中获得的副产物水流铺平了道路。
按照此程序，可以执行其他方法，如一维气相色谱法和液相色谱法，以回答其他问题，例如定量测定未识别化合物的浓度。在尝试此程序时，请务必记住，使用此仪器配置无法分析非挥发性、高化合物和无机盐。
View the full transcript and gain access to thousands of scientific videos
概述
本文介绍了一种用于表征藻类水热液化生物原油水相的二维气相色谱-飞行时间质谱方法。该方法提高了峰容量和分辨率，为生物炼油厂提供了宝贵的数据。
关键研究组成部分
科学领域
- 生物燃料
- 分析化学
- 环境科学
背景
- 水热液化（HTL）是将藻类转化为生物原油的过程。
- HTL的水相副产品可能包含各种有机物种。
- 对这些副产品的表征对于生物炼油厂运营至关重要。
- 传统分析技术可能无法为复杂混合物提供足够的数据。
研究目的
- 开发一种分析生物原油水相的方法。
- 识别水相部分中存在的有机物种。
- 改善管理废水的生物炼油厂的数据生成。
使用的方法
- 二维气相色谱-飞行时间质谱。
- 水相副产品中的有机化合物表征。
- 与一维气相色谱和液相色谱的比较。
- 应用于各种生物燃料生产过程。
主要结果
- 化合物分析中的峰容量和分辨率得到改善。
- 识别了广泛的化学化合物。
- 生成的数据支持更好的生物炼油厂废水管理。
- 该方法相比传统分析技术展示了优势。
结论
- 开发的方法有效表征复杂的有机混合物。
- 它为优化生物燃料生产过程提供了重要数据。
- 该技术可以增强对生物原油中有机物种的理解。
常见问题
Executive Industry Relevance
Characterizing aqueous byproducts from hydrothermal liquefaction of algae enables bio-refineries to identify organic species that impact downstream processing and wastewater valorization. This method provides enhanced peak capacity and resolution for complex mixtures without derivatization, supporting predictive confidence in biofuel production workflows. The approach aids in mechanistic de-risking by clarifying the composition of aqueous streams prior to further conversion or treatment.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Scientific Value: Enables interrogation of therapeutic hypotheses by identifying degradation products of proteins and carbohydrates in algal biomass.
- Operational Value: Supports biological de-risking through qualitative characterization of oxygenates, organic acids, and nitrogen-containing compounds in aqueous fractions.
Screening & Assay Development
- Scientific Value: Prepares validated biological systems for downstream workflows by providing retention time and similarity value data for compound identification.
- Operational Value: Addresses assay standardization and reproducibility through optimized modulation period determination and leak-free instrument configuration.
Translational & Preclinical Research
- Scientific Value: Discusses disease relevance through analysis of compounds presumably derived from algal biomass, supporting translational biomarker alignment.
- Operational Value: Describes continuity from discovery through preclinical validation by enabling comparison with conventional column configurations.
Pipeline & Workflow Integration
This method positions within the discovery continuum from Early Discovery to Lead Identification by providing qualitative characterization data that informs compound selection and prioritization.
- Discovery Biology: Explains how the method supports hypothesis testing, pathway clarification, or biological de-risking through identification of organic species in HTL algae water.
- Screening: Describes assay readiness, reproducibility, or quantitative outputs when supported by the article via peak capacity improvement and resolution enhancement.
- Analytics: Highlights measurements, readouts, or statistical outputs that help teams compare conditions using similarity values greater than 850 for compound identification.
- Translational Research: Connects the method to preclinical continuity or biomarker alignment only when the source supports it via discussion of degradation products from proteins and carbohydrates.
- Enterprise Reuse: Frames the method as a reusable capability rather than a single-use technique through its application to various biofuel production processes.
Operational & Enterprise Impact
- Scientific Value: Predictive confidence, target validation, reduction of mechanistic ambiguity.
- Operational Value: Standardization, reproducibility, and scalability.
- Strategic Value: Better go/no-go decisions, capital efficiency, and reduced late-stage biological risk.
- Portfolio Impact: Risk-adjusted prioritization and advancement decisions.
Implementation Considerations
- Required scientific expertise in gas chromatography, mass spectrometry, and biofuel production processes.
- Instrumentation and analytical infrastructure needs including quad-jet dual-stage cooling-base modulator, time-of-flight mass spectrometer, and polar/non-polar capillary columns.
- Cross-team standardization requirements for modulation period optimization, leak checking, and data processing protocols.
- Adaptation considerations across model systems such as varying algal biomass sources and HTL conditions.
- Practical limitations supported by source material including inability to analyze non-volatile, high-compounds and inorganic salts.
