陶氏化学核心研发部分析科学团队在 ACS Measurement Science Au发表了 Lin、Yang 等人的工作：An Advanced GC−MS Workflow for High-Confidence Non-Targeted Screening of Non-Intentionally Added Substances in Recycled Plastics（开放获取）。

　　做过再生料检测的人都知道这条路上的"坑"：一个再生 HDPE 样品，溶剂一萃、进样一针，出来几百个峰。NIST 库打一遍，有把握的没几个，模棱两可的一大片。报告怎么写？"疑似"写多了客户不认，"确认"写多了自己心虚。

　　卡点不是分离不出峰，而是缺少一个"凭什么下结论"的规则。

　　这篇文章的价值不在某一台仪器，而在一条完整的思路。本文按"问题 → 思路 → 实现 → 验证"把它拆开讲，最后说清楚文章里 GC/ID 扮演的角色。

　　一、问题：再生塑料筛查卡在哪里

　　循环经济下再生塑料（PCR）用量猛增——但 2019 年全球塑料废弃物只有 14–18% 被真正回收。回收率上不去的核心障碍之一是质量，而再生料的质量几乎完全取决于 NIAS——非有意添加物质（Non-Intentionally Added Substances）：

　　分子量 < 500 Da 的小分子 NIAS 尤其值得警惕——有内在危害性，又容易迁移，对食品接触材料尤其敏感。

　　麻烦在于再生料的来源是一条"混合流"，一个样品能有几百种可检出的化学物种。传统 1D GC/MS 的真实处境：

　　共流出严重

　　——几百个峰挤在一维色谱上，匹配分数被硬生生压低；

　　基线被抬起

　　——文章用一张 TIC 图摆上台面：20–26 min 段渗出的低聚物和矿物油污染把基线抬得老高，谱库匹配雪上加霜；

　　结果没法报

　　——NIST 给一堆名字，"疑似"和"确认"之间没有规则可依。

再生 HDPE 萃取液的 1D GC/MS TIC 图（原文 Figure 2）。20–26 min 区间大量峰共流出，基线被渗出的低聚物和矿物油持续抬高——传统一维分离的真实处境。

　　二、思路：把"置信度"变成可执行的标准

　　作者的破题思路是三步：

　　第一步，把复杂度降下来——用 GC×GC 把共流出拆开。选的是 Agilent 反流差分流量调制器，无冷媒，装在同一柱温箱里，保留时间重复性和峰形都做得很漂亮。

　　第二步，把证据维度补齐——用 q-TOF 提供精确质量（每天校准，质量准确度<2.0 ppm，EI 70 eV，50 Hz，m/z 40–500），同时 FID 双通道采集做二维色图对照。作者也很坦诚地写了双检测器的差异：q-TOF 侧斑块更宽、强度更低，原因是流量低 10 倍、传输毛细管扩散、线性动态范围更窄、高沸点分子电离效率低。这种诚实反而让人更信任这套流程。

　　第三步，也是最核心的一步：定义"置信度"的判据。 不依赖单一指标，而是设计三个独立的证据描述符：

　　三者组合推出 4 个置信度等级、7 种分类，每个鉴定结果必须"对号入座"：

　　高置信度 ── A + B + C 全通过 中置信度 ── A+B（缺精确质量）／ A+C（缺保留指数） 低置信度 ── A 单独通过 / B+C / 其他组合 无置信度 ── 无描述符通过

　　这个排序本身就有观点：谱图匹配和保留指数排在 HRMS 之上。理由是 HRMS 只能给出元素组成，没有碎片指纹定不了结构——没有把"高分辨"神化。

　　配套还有几条严谨的规则：

• 　　NIST 库无 RI 参考的化合物，一律算未通过描述符 B

　　，不管谱图匹配多好；

• 　　A+B 和 A+C 必须与 B+C 分开统计

　　——单独 HRMS 或单独 ¹LRI 都不足以定结构；

• 　　柱流失导致噪声上升时，DMF 会明显下降，但 RMF 仍能维持较高——因为 RMF 只单向检查库谱峰是否出现在实验谱中。这条经验对老化柱子、高沸点区化合物的分析非常实用。

　　一句话总结这个思路：把分析化学从"匹配分数游戏"变成"证据链工程"。

整套工作流与置信度框架总览（原文 Graphical Abstract）。再生料经 GC×GC 非靶向筛查后，A（谱图库）、B（保留指数库）、C（高分辨质谱）三类证据组合映射为 4 个置信度等级。

　　三、实现：从方法到批量处理

完整实验流程（原文 Figure 1）。塑料片料经溶剂萃取（轨道振荡 24 h）后进入 GC×GC/q-TOF 分析，NIST 质谱图、RI 参考、高分辨质谱三路比对。

　　柱系统选择：对比三套组合——VF-200 ms × VF-1 ms（无 RI 库可引用）、DB-5 ms UI × DB-HeavyWAX（约 150 个化合物）、DB-1 ms UI × DB-HeavyWAX（约 160 个，最优）。最终选组合 3 的关键理由：只有标准非极性（100% 二甲基聚硅氧烷）和半标准非极性（5% 苯基）两种固定相，NIST 库里有可直接引用的保留指数参考，描述符 B 才有依据。作者还解释了为什么选 DB-1 而不是 DB-5：苯基是挂在骨架里还是侧链上，芳香类化合物的 RI 误差就不一样；加上柱老化会让固定相偏离原始组成——RI 要现标（C7–C30 正构烷烃），才能变成"可用证据"。

三套柱系统的二维色图对比（原文 Figure 3）。(c) DB-1 ms × DB-HeavyWAX 组合分离效果最优，且其固定相在 NIST 库中有可引用的保留指数参考。

　　优化后的方法参数

　　一维 20 m × 180 μm × 0.18 μm DB-1 ms UI；二维 5 m × 250 μm × 0.20 μm DB-HeavyWAX；40 °C（1 min）→ 6 °C/min → 280 °C（20 min）；二维采样窗口 4.5–43 min；He 载气，一维 0.6 mL/min（43 min 后反吹），二维 20 mL/min；二维流出 9:1 分流至 FID 与 q-TOF。

　　样品与模板：回收厂清洗前后 HDPE 片料，二氯甲烷 1:4 萃取 24 h（5 g 样品 / 20 g 溶剂），0.45 μm 过滤。用清洗前样品的二维色图建"特征模板"（体积阈值 10⁶，像素容差 4 px），再批量套用到所有样品——让"几百峰 × 多样品"从不可能变成可行。

　　验证设计：三组标样——NIAS 混标（萘、4-戊基酚、4-氯联苯、二苯甲酮、DBP、双酚 A）、EPA 506 增塑剂 7 种、PAH 混标 13 种——分别以 5 ppm 和 1 ppm 加标到再生料基质。用"已知答案的考试"检验框架的假阳性和假阴性。

　　四、结果：思路跑通的证据

　　清洗前样品 163 个斑块，71% 达中高置信度；清洗后升至 81%——框架不仅识别污染物，还能量化评价清洗工艺的效果；

　　与 1D GC/MS 相比，分离鉴定峰数从约 80–100 提升到约 150（约 50%），采集时间仅从 42 min 增至 53 min——50% 提升，几乎零时间代价；

　　重复进样 5 次，一维/二维保留时间 RSD 很低，斑块体积最大变异仅 7.2%；

清洗前后样品的置信度结果（原文 Figure 5）。色图上每个圆斑即一个检出化合物，颜色对应置信度分类；(d) 饼图显示中高置信度占比从清洗前 71% 升至清洗后 81%。

FID（上）与 q-TOF（下）对同一 PCR 样品的二维色图对比（原文 Figure 4）。q-TOF 侧斑块更宽、强度更低——流量低 10 倍、接口扩散、动态范围更窄所致，作者如实写明了差异。

• 　　加标实验也如实暴露了边界：4-戊基酚 RI 偏 −46（超惰性柱表面硅醇基少，极性分析物 RI 会偏移）；1 ppm 下 BBP、DNOP、苯并[a]蒽、䓛、苯并[k]荧蒽未检出（电离效率低）；苯并[a]芘、双酚 A 在两个水平都未检出（WAX 柱温度上限 / GC 上响应低）；晚流出化合物匹配因子明显低于早流出——基质干扰叠加高温柱流失。作者连"没做到"都写清楚了。

加标验证结果表（原文 Table 4）。26 个环境相关化合物以 5 ppm（左）和 1 ppm（右）加标，逐个列出保留时间、¹LRI 误差、匹配因子、质量误差与置信度分类。

　　还有一个很实用的结论：再生料里低聚物和油污染水平很高，强溶剂一萃全出来了，GC×GC 也分不干净（基线持续抬升）。这不是方法没做好，是基质本身的极限——作者把它当作"需要继续发展工具"的理由，而不是藏起来。

　　五、同一条证据链，两种落地方式

　　读这篇文章时值得注意：作者实际并行跑了两条数据处理路线，共享同一套置信度框架，但覆盖的证据维度不同。

　　路线一：1D GC/MS + GC/ID —— 普及型平台

　　一维分离、单四极杆采集，数据处理使用 Cerno Bioscience 的 MassWorks GC/ID 软件。GC/ID 在这条路线里承担的是：

• 　　谱图匹配

　　基于 NIST 库计算 DMF / RMF，落地描述符 A；

• 　　保留指数

　　计算并比对 ¹LRI，落地描述符 B；

• 　　批量筛查与置信度分级

　　对几十上百个化合物自动套用判据，输出分级结论，决定哪些直接报、哪些补标样确认。

　　这条路线覆盖证据链中的 A + B 两环。受限于单四极杆，给不出<10 ppm 的质量误差（描述符 C 做不了），所以加标实验里它的天花板是"中置信度"。但它胜在门槛低、通量高：绝大多数实验室手上就是那台单四极杆 GC/MS，用 GC/ID 就能把"谱图 + 保留指数"两条证据同时算清楚、按置信度分级报出来。

　　路线二：GC×GC/q-TOF + GC Image —— 高配型平台

　　无冷媒二维分离拆开共流出，q-TOF 补上精确质量这一环，数据处理使用 GC Image 完成二维色图解析与特征模板批量比对。这条路线 A + B + C 三环全占，能把置信度推到"高"，实测鉴定峰数比一维多出约 50%，代价是仪器配置更高、二维方法开发更重。

　　两条路线对照

　　两条路线不是替代关系，而是同一套方法论的两种配置：预算和样品量允许，上路线二拿最高置信度；日常筛查和大量常规样品，路线一 + GC/ID 就能把"敢不敢报"的问题解决掉大半。这也正是这套框架的价值——它是开放的判据体系，不绑定哪条路线、哪家软件。

　　六、结语

　　回到开头的问题：再生塑料里几百个峰，凭什么敢写进报告？

　　这篇文章给出的答案是：凭证据链，不凭单一分数。 谱图匹配、保留指数、精确质量——描述符各有各的判据，结果按等级对号入座，报告里每一行都有出处。3 个描述符、4 个等级、7 种分类，框架是开放的，不绑定任何一家仪器或软件。

　　它同时说明了一件事：这套方法论不要求你先换设备。手里是单四极杆 GC/MS 的实验室，用 GC/ID 把 A、B 两环做扎实，就已经能从"匹配分数游戏"进入"证据链工程"；等需要更高的置信度和通量，再向 GC×GC/q-TOF 演进，判据体系原封不动地延续。

　　非靶向筛查的竞争力，正从"能分离多少峰"，转向"能对多少个峰负责任地下结论"——而这个转向，从你现有的那台 GC/MS 上就可以开始。