一次 DIA 运行筛选 120 种添加剂：面向配方师的添加剂筛选
对于广泛的发现性工作，LC/GC-HRMS 非靶向工作流能在单次运行中识别范围最广的未知或疑似添加剂。当目标是法规合规或痕量定量时，MRM 模式下的靶向 LC-MS/MS 或 GC-MS 方法能提供非靶向筛选无法企及的灵敏度。直接分析技术，以及高通量或贝叶斯优化方法，适用于速度优先于全面灵敏度的分诊与配方筛选任务——前提是每个工作流都针对基质匹配标准品做了验证，并附有文献记载的检出限、定量限与回收率数据。
对于广泛的发现性工作，LC/GC-HRMS 非靶向工作流能在单次运行中识别范围最广的未知或疑似添加剂。当目标是法规合规或痕量定量时，MRM 模式下的靶向 LC-MS/MS 或 GC-MS 方法能提供非靶向筛选无法企及的灵敏度。直接分析技术，以及高通量或贝叶斯优化方法，适用于速度优先于全面灵敏度的分诊与配方筛选任务——前提是每个工作流都针对基质匹配标准品做了验证，并附有文献记载的检出限、定量限与回收率数据。
要点速览：
- 非靶向 HRMS 单次运行可筛选多达 120 种添加剂，但检出限通常在 0.02 至 20 ppm 范围，存在漏检痕量污染物的风险。
- 靶向 MRM 方法能达到低至十亿分之几十（ppb）的灵敏度，但仅能检测预先列出的化合物，不适合发现未知物。
- QuEChERS、SPE 与顶空分析等样品制备选择至关重要，恰当的验证与内标使用能减少假阴性。
- 仪器选择取决于分析物化学；LC-HRMS 适用于极性、非挥发性添加剂，而 GC-HRMS 更适用于挥发物与热解碎片。
- 将非靶向 HRMS 数据、贝叶斯优化与靶向验证工作结合，可形成高效、适应性强的筛选工作流，满足法规与配方需求。
靶向、非靶向与快速直接分析：方法差异
添加剂筛选分为三个功能性类别，选错一类会浪费仪器时间却回答不了分析疑问。靶向方法使用多反应监测（MRM）搜索一份明确的已知化合物清单，提供高灵敏度与可靠的定量，但无法提供目标清单之外的任何信息。相比之下，非靶向筛选（NTS）捕获全谱数据，以便事后回溯识别未知物与疑似物，无需重新运行样品。
高分辨质谱（HRMS）平台以多种模式采集数据，决定了实验室能从单次运行中提取什么。全扫描采集记录阈值以上的所有离子，构成非靶向工作的基础。数据非依赖采集（DIA）系统性地碎裂宽质量范围，这正是DIA 工作流得以在一次分析序列中筛选 120 种添加剂的原因——涵盖着色剂、甜味剂、防腐剂与抗氧化剂。数据依赖采集（DDA）根据实时强度选择离子进行碎裂，适合疑似物确认，但不如 DIA 彻底。平行反应监测（PRM）介于两者之间，以 HRMS 分辨率靶向一份精选清单。
这些方法的灵敏度差异显著。同一项 120 添加剂 DIA 研究报告的检出限（LOD）对着色剂通常在 0.02 至 20 ppm 范围，对其他添加剂类别为 0.1 至 10 ppm，比优化靶向 MRM 对同等分析物所能达到的水平高出整整一个数量级或更多。这一差距定义了操作上的权衡：
- 非靶向 HRMS 适用于广泛普查、供应商筛选与检测意外化合物，但其 ppm 级灵敏度可能漏检与严格法规阈值相关的痕量污染物。
- 靶向 MRM 对既定分析物清单能达到低 ppb 灵敏度，代价是对清单外任何物质视而不见。
- DIA 数据可在新的疑似物清单出现时事后重新查询，避免重复采样。
- 采集广度越大，仪器与数据处理负担越重：全扫描与 DIA 运行生成更大的数据集，单位样品所需处理时间多于精简的 MRM 方法。
按基质划分的样品制备与提取策略
无论仪器质量如何，提取方式往往决定了添加剂能否被检测到。基质复杂性、分析物极性与所需灵敏度共同决定了哪种制备方法合适。
- QuEChERS 仍是食品基质的标准首选，将快速提取与分散净化结合，在 LC-HRMS 分析前去除脂质与色素；已验证的方案将QuEChERS 提取与约十五分钟的快速 UHPLC-HRMS 运行配对，以检测乳制品及其他复杂食品中的多类添加剂。
- 固相萃取（SPE） 从液体基质中富集痕量分析物，并在靶向定量前去除干扰，尤其适用于 QuEChERS 净化步骤可能无法完全解决的极性添加剂。
- 固相微萃取（SPME） 为挥发与半挥发性化合物提供无溶剂富集，非常适合涂料与包装材料的顶空采样。
- 顶空与热脱附技术无需溶剂提取，直接从固体或液体样品中分离挥发性有机化合物（VOCs）与半挥发性有机化合物（SVOCs），降低 GC 类分析中的背景干扰。
- 热解-GC/MS 分解耐受溶剂提取的聚合物结合添加剂，生成特征性热分解碎片；2026 年一篇聚合物添加剂分析综述将热解与热脱附耦合 GC-HRMS 认定为对难溶或强结合于聚合物基体的添加剂有效。
- 迁移实验针对食品接触材料，需要选择与食品类型及接触条件匹配的模拟物，遵循既定方案，使结果反映真实暴露而非过于苛刻溶剂造成的假象。
共洗脱与基质抑制仍是筛选工作中假阴性的最常见原因。错开色谱梯度、调整净化选择性、稀释提取物以降低基质负载都有所帮助，但更可靠的修复是从一开始就内置内标与替代物标准，因为它们能标记本会在结果验证失败前不被察觉的抑制与回收损失。
专业提示： 在信任筛选结果前，针对每种新样品类型运行一份基质匹配空白，因为不同批次间的基质效应差异之大，单次验证运行很少能覆盖未来的生产批次。
按添加剂类别与基质划分的仪器选型指南
没有任何单一仪器能覆盖所有添加剂类别，将技术与分析物化学匹配可避免无效运行。
- LC-HRMS（轨道阱或飞行时间）处理极性、非挥发性添加剂，是非靶向与回溯筛选的主力；单次运行内的极性切换可同时捕获酸性与碱性物质，尽管循环时间限制意味着宽隔离窗口必须与窄 UHPLC 峰上采集的点数相权衡。
- GC-HRMS 与 GC-MS 适用于挥发与半挥发性化合物，包括聚合物结合添加剂的热解碎片，并可借助电子电离（EI）下丰富的谱库匹配；不过 EI 固定的碎裂模式相比软电离源在结构灵活性上受限。
- FTIR 与拉曼光谱在高浓度下提供快速的身份鉴别与表面层分析，有助于确认涂层膜或塑料表面的添加剂类别，但两者均达不到痕量定量所需的灵敏度。
- NMR 在分析物浓度足够时确认分子结构并解析复杂混合物，作为互补技术而非主要筛选工具。
- 热分析与元素方法，包括 TGA-MS 与 ICP，从分解行为推断添加剂类别，或检测金属基稳定剂与阻燃剂等无机添加剂——这些是有机导向的色谱会遗漏的。
- 直接分析技术如 DART-MS 与 AP-MALDI 以灵敏度换取速度，使其适合快速分诊而非验证工作。
一篇聚合物添加剂检测的综合性综述建议结合光谱、色谱、元素与热分析方法，而非依赖任何单一平台，并指出低添加剂浓度与强基质相互作用是贯穿聚合物体系的反复出现的分析挑战。一项关于食品接触材料非靶向筛选的系统综述同样将 LC-HRMS 与 GC-HRMS 认定为该应用的主导平台，且在许多实验室环境中，轨道阱仪器通常比飞行时间系统提供更好的质量精度与稳定性，便于对存储数据反复回溯查询。
用高通量与贝叶斯方法加速筛选
穷举式高通量实验（HTE）在板式中测试庞大的添加剂库，覆盖广但试剂、仪器时间与数据处理的成本同比例上升。每多测试一个条件都产生真实开支，这正是实验室日益将 HTE 与计算方法结合、在投入板位前先缩小搜索空间的原因。
贝叶斯优化（BO）提供了一种数据驱动的替代方案。它不测试每个候选，而是构建预期性能的代理模型，用采集函数选择下一个信息量最大的实验，并在每次结果后更新模型。该方法在很大程度上取决于添加剂如何被数值化表示，以及搜索如何初始化。
- 捕捉结构相似性的化学表示，而非简单的独热编码，通常能改善 BO 在添加剂筛选任务上的表现。
- 基于聚类的初始化策略有助于 BO 在早期探索多样的化学空间，而非过早收敛于局部最优。
- 代理模型中自适应的核选择随着跨筛选轮次积累更多数据而改善预测。
一项将 BO 应用于四种反应中 720 种添加剂的研究发现，采用聚类初始化与结构感知表示的 BO 配置，优于随机搜索与标准独热编码方法，以远少于穷举测试所需的实验次数达到高性能添加剂。将 BO 缩小的候选清单与快速直接分析检测配对，形成实用的分诊管线：BO 提出有前景的候选，快速筛选技术在投入完整配方试验前予以确认。
为您的项目选择合适的筛选策略
将工作流与项目匹配，始于四个问题：您处理的是什么基质、目标分析物类别的挥发或极性如何、应用要求何种检出限、以及存在哪些通量与预算约束。要求低 ppb 确认的法规申报，与寻找意外添加剂类别的供应商认定筛查，所需方法截然不同。
- 分诊采用快速或非靶向方法普查存在什么，而不必投入昂贵的靶向运行。
- 疑似物识别利用谱库匹配、回溯 HRMS 数据，或 BO 引导的候选排序来缩小范围。
- 靶向确认应用 MRM 或 PRM 方法，对分诊期间标记的特异性化合物定量。
- 验证在结果用于决策前，用校准曲线、回收率研究与基质匹配标准品锁定方法。
在信任任何结果前，确认最低验证清单：覆盖预期浓度范围的校准、加标回收数据、基质匹配标准品（而非仅溶剂校准）、文献记载的 LOD 与 LOQ，以及重复进样精密度。在可行时，实验室间比对能增加方法在单一实验室条件之外一致表现的信心。诸如 ASTM 等标准机构发布了聚烯烃添加剂验证提取与分离程序，在最佳条件下报告酚类抗氧化剂的 LOD 约为 2 ppm，这是将内部方法与既定方法对标时有用的基准。
专业提示： 将重复提取间不一致的回收率视为红旗，而非结果，因为它通常指向基质抑制或共洗脱，而非真实的分析物变异。
筛选数据如何支撑工业材料的溯源工作流
配方实验室对筛选结果的依赖远超最初的检测工作。批次间一致性检查、迁移测试与成分验证，共同决定着哪些添加剂供应商能获得长期认定。在单一批次表现良好、却在多次发货间出现成分漂移的分散剂或消泡剂，会在客户生产运行后才暴露下游缺陷，这正是为何一致的筛选数据对采购与对法规合规同样重要。
与配方师的技术支持工作通常围绕书面批次一致性与认定数据展开，因此供应商的筛选结果可追溯到具体生产批次，而非单个样品。评估切换或新认定路径的读者，可查阅首单前如何认定添加剂供应商与QC 指标区分可靠涂料添加剂生产商中的实用采购核查清单，二者都将筛选数据转化为供应商选择标准。
添加剂筛选的未来走向
非靶向筛选已从专家研究工具，转变为中等规模配方实验室可切实采纳的手段，尽管采纳曲线仍不均衡：仪器成本与数据处理专长仍是运营入场的门槛。未来几年，预计机器学习与既非靶向 HRMS 数据、也与贝叶斯优化的结合将更加紧密，因为多数实验室的瓶颈已不再是生成谱图，而是足够快地解读以付诸行动。
考虑快速筛选或 BO 方法的小型实验室，无需先构建最复杂的管线。从针对已知优先分析物的、充分验证的靶向方法起步，再叠加基于 DIA 的非靶向运行以获得回溯灵活性，能在不超前投入团队尚无力驾驭的基础设施预算的前提下建立能力。
— Astra R&D Team
资料来源
验证新方法或对标既定方案的读者，可参考 120 种食品添加剂 DIA 筛查研究、食品接触材料非靶向筛查综述，以及聚合物添加剂检测路线图。关于快速常压电离技术，从业者对 DART 与 AP-MALDI 方法的综述详述了通量与灵敏度的权衡，而 ASTM 的 D6042 聚烯烃添加剂分离标准则提供了经验证的基准方法。
常见问题
产品中发现的添加剂主要有哪些类型？
添加剂按功能类别划分，例如着色剂、防腐剂、抗氧化剂、甜味剂、增塑剂、阻燃剂与稳定剂，取决于产品类别。在食品中，涵盖着色剂、甜味剂、防腐剂与抗氧化剂的 DIA 筛查研究，展示了单次非靶向运行中典型的筛选类别范围。
化学筛查包含什么？
化学筛查分析样品以检测并识别其中存在的化合物，可采用搜索已知清单的靶向方法，或捕获更广谱数据以供事后查询的非靶向方法。选择取决于目标是确认已知物质，还是发现意外物质。
食品添加剂的测试通常如何进行？
食品添加剂的测试通常将 QuEChERS 等提取方法与 LC-HRMS 或 LC-MS/MS 分析配对，以非靶向采集做广泛普查，以靶向 MRM 做法规定量。已验证的方法将 QuEChERS 提取与快速 UHPLC-HRMS 运行结合，在单次约十五分钟的分析中筛查多类添加剂。
食品产品中筛选最频繁的添加剂类别有哪些？
着色剂、甜味剂、防腐剂与抗氧化剂是非靶向食品筛查面板中最常纳入的添加剂类别，既反映监管关注，也反映检测可行性。该 120 添加剂 DIA 研究将其细分为面板中的 79 种着色剂、13 种甜味剂、12 种防腐剂与 7 种抗氧化剂，给出了典型面板构成的实用概念。