Identificación de compuestos exógenos mediante una metodología analítica QuEChERS-HPLC-ESI-HRMS potenciada con técnicas de aprendizaje computacional : aplicación en frutas y vegetales colombianos (Departamento de Cundinamarca)
Cargando...
Director
Tipo de contenido
Editor
Document language:
Español
Fecha
Título de la revista
ISSN de la revista
Título del volumen
Documentos PDF
Resumen
La presencia de sustancias exógenas en el ambiente, y particularmente en alimentos como frutas y vegetales, ha llevado a que los análisis químicos sean lo más exhaustivos posibles. Se busca determinar múltiples clases de compuestos objetivo, así como identificar sustancias sospechosas o desconocidas, que debido a su reciente aparición o falta de información, aún no están sujetas a control o vigilancia. Esta tendencia ha sido impulsada por avances en métodos experimentales, técnicas instrumentales y el acoplamiento secuencial de estos. Un ejemplo es el acoplamiento del método Quick, Easy, Cheap, Effective, Rugged, and Safe (QuEChERS); la cromatografía líquida de alta eficacia —High performance liquid chromatography— (HPLC) y la espectrometría de masas de alta resolución —high resolution mass spectrometry— (HRMS). Este acople permite desarrollar metodologías de análisis robustas mediante las cuales se adquieren grandes volúmenes de datos, que resultan útiles tanto para monitorizar compuestos conocidos como para evaluar la presencia de sustancias sospechosas o desconocidas.
El análisis de datos para la identificación de sustancias conocidas, sospechosas o desconocidas no es una tarea sencilla, especialmente cuando se trata de datos multidimensionales como los obtenidos de metodologías QuEChERS-HPLC-HRMS. Entre las principales dificultades asociadas al análisis de datos se encuentran las restricciones de tiempo, la falta de personal capacitado en el procesamiento e interpretación de la información, la alta complejidad de los datos y la limitada disponibilidad de herramientas integradas que automaticen estos procesos. Además, el análisis de datos para la identificación de compuestos, per se, presenta desafíos adicionales, como la ausencia de datos o información de referencia; la falta de interpretabilidad y comparabilidad de los resultados; y la dificultad para integrar sistemáticamente múltiples propiedades de identificación determinadas mediante la metodología analítica, que permitan aumentar la confianza en los resultados obtenidos.
Con el propósito de contribuir a la solución de estas dificultades, este trabajo aborda el estudio del proceso de análisis de datos obtenidos mediante una metodología QuEChERS-HPLC-ESI- HRMS Orbitrap, orientada a la identificación de compuestos químicos conocidos, sospechosos y desconocidos, con aplicación en productos hortofrutícolas colombianos. Esta investigación propone e implementa computacionalmente un modelo conceptual para el manejo sistemático de múltiples propiedades de identificación determinadas mediante la metodología analítica (tiempo de retención, patrón isotópico, tratabilidad metodológica, especie ionizada, perfil de fragmentación y calidad de la respuesta cromatográfica), las cuales se denominaron identificandos.
El modelo se apoya en técnicas de aprendizaje computacional (ML) para inferir información faltante de los identificandos, y plantea un tratamiento e interpretación de los resultados de identificación análogo al utilizado en los presupuestos de incertidumbre en mediciones cuantitativas. La evaluación de la herramienta computacional (denominada Identificands) mostró un desempeño comparable o mejor al de otros programas, en flujos de análisis dirigido y no dirigido. En este último caso, se logró detectar al menos un 8 % más de compuestos que otros aplicativos utilizados en este trabajo para comparar, a concentraciones ≥ 10 ng/mL. Con la ventaja que Identificands requiere una menor cantidad de información inicial para evaluar la presencia de compuestos sospechosos y desconocidos.
El uso del software Identificands en la identificación de sustancias desconocidas en productos hortofrutícolas del departamento de Cundinamarca permitió detectar 16 plaguicidas (entre insecticidas y fungicidas) en 16 de las 45 muestras recolectadas mediante un muestreo no probabilístico. Tanto el número de plaguicidas identificados, como el tipo de compuestos considerando el cultivo en el que se emplean, fue coherente con los resultados reportados en estudios previos realizados por otros investigadores. Los resultados de la versión actual de Identificands se limitan al caso cualitativo, por consiguiente no es posible determinar si la concentración de los compuestos identificados supera los límites máximos permitidos. No obstante, los hallazgos de esta investigación evidencian la utilidad de esta propuesta conceptual y computacional para el cribado automático de sustancias exógenas en productos hortofrutícolas, con el fin de determinar rápidamente casos con resultados positivos que deban someterse a estudios de confirmación. Aspecto que contribuye y facilita evaluar la calidad e inocuidad de productos hortofrutícolas colombianos. (Texto tomado de la fuente)
Abstract
The presence of exogenous substances in the environment, particularly in fruits and vegetables, necessitates comprehensive chemical analysis. This involves detecting multiple classes of target compounds, alongside suspected and unknown substances that often escape regulatory control due to their novelty or lack of prior characterization. This trend is driven by advances in experimental methods and the sequential coupling of instrumental techniques. This is exemplified by the integration of the QuEChERS (Quick, Easy, Cheap, Effective, Rugged, and Safe) method with high-performance liquid chromatography (HPLC) and high-resolution mass spectrometry (HRMS). This combination enables robust analytical methodologies capable of generating large data volumes, which are essential for monitoring known compounds and evaluating the presence of suspected or unknown substances.
Data analysis for the identification of known, suspected, or unknown substances is complex, particularly when dealing with multidimensional data derived from QuEChERS-HPLC-HRMS methodologies. Key challenges include time constraints, a shortage of trained personnel, data complexity, and limited access to integrated automation tools. Furthermore, compound identification inherently faces obstacles such as the absence of reference data, a lack of interpretability and comparability of results, and difficulties in systematically integrating multiple identification properties to enhance confidence. To address these issues, this study examines the data analysis process using a QuEChERS-HPLC-ESI-HRMS Orbitrap methodology for identifying chemical compounds in Colombian horticultural products.
This research proposes and computationally implements a conceptual model for the systematic management of multiple identification properties derived from the analytical methodology (retention time, isotopic pattern, methodological amenability, ionized species, fragmentation profile, and chromatographic quality), termed Identificands. The model employs machine learning (ML) techniques to infer missing information regarding these identificands and proposes a treatment and interpretation of identification results analogous to uncertainty budgets in quantitative measurements. Evaluation of the computational tool (named Identificands) demonstrated performance comparable to, or better than, existing software in both targeted and non-targeted analysis workflows. In the latter, the tool detected at least 8 % more compounds than comparative applications at concentrations ≥ 10 ng/mL. Notably, Identificands offers the advantage of requiring less initial information to evaluate the presence of suspected and unknown compounds.
The application of Identificands to unknown substances in horticultural products from the Department of Cundinamarca resulted in the identification of 16 pesticides (insecticides and fungicides) in 16 of the 45 samples collected via non-probabilistic sampling. Both the number of pesticides and the types of compounds identified relative to their specific crop usage were consistent with previous independent studies. While current results from Identificands are limited to qualitative analysis —preventing the determination of whether concentrations exceed maximum residue limits—, this research demonstrates the utility of this conceptual and computational proposal for the automatic screening of exogenous substances. This tool facilitates the rapid detection of positive cases requiring confirmatory studies, thereby contributing to the evaluation of the quality and safety of Colombian horticultural products.
Descripción
ilustraciones a color, diagramas, fotografías, tablas
Palabras clave propuestas
Identificación química; Identificandos; Aprendizaje computacional; Análisis dirigido; Cribado de sospechosos; Análisis no dirigido; Compuestos exógenos; Contaminantes; Espectrometría de masas; Chemical dentification; Identificands; Machine learning; Target analysis; Suspect screening analysis; Non-targeted analysis; Exogenous compounds; Contaminants; Mass Spectrometry; HPLC; HRMS; Orbitrap