Wie lassen sich unbekannte Substanzen identifizieren?

Die Identifizierung unbekannter Substanzen in komplexen Proben gehört zu den größten Herausforderungen in der analytischen Chemie. Die Flüssigchromatographie, gekoppelt mit hochauflösender Massenspektrometrie (LC/HRMS), hat sich als leistungsfähige Methode etabliert, um diese Herausforderung zu meistern. Mithilfe dieser Technik ist es möglich, ein breites Spektrum an Verbindungen ohne vorherige Kenntnis der Zielsubstanzen zu analysieren. Dieser Ansatz wird als Non-Target-Screening (NTS) bezeichnet.

Das NTS bildet die Grundlage für die Identifizierung unbekannter Substanzen. Dabei werden alle detektierbaren Signale einer Probe erfasst und anschließend in einer Datenanalyse mit Datenbanken und rechtlichen Vorgaben abgeglichen, um potenzielle Analyten zu identifizieren. 

Die Hauptschritte umfassen:

1. Datenakquisition: 
   Erfassung von MS- und MS/MS-Daten für alle detektierbaren Verbindungen.
    
2. Datenverarbeitung: 
   Verwendung von Softwaretools zur Extraktion und Filterung relevanter Signale.
    
3. Datenbankabgleich: 
   Abgleich der erhaltenen Massenspektren mit Datenbanken bekannter Verbindungen.

Eine Erweiterung des NTS ist das Smart-Suspect-Screening. Dabei werden bekannte Transformationsprodukte im Labor erzeugt und analysiert. Mithilfe dieser Daten können anschließend ähnliche Verbindungen in Umweltproben identifiziert werden. Dadurch erhöht sich die Wahrscheinlichkeit, relevante Substanzen zu identifizieren, während die Anzahl der falsch-positiven Ergebnisse sinkt.

Die Identifizierung unbekannter Substanzen mittels LC/HRMS ist mit mehreren Herausforderungen verbunden: 

1. Datenkomplexität: 

   • Große Datenmengen: LC/HRMS erzeugt eine enorme Menge an Daten, da jede Probe zahlreiche Signale und Peaks enthält. Die Verarbeitung und Interpretation dieser Daten erfordert leistungsfähige Software und erfahrene Analysten.

   • Signalüberlagerung: In komplexen Proben können sich Signale verschiedener Substanzen überlagern, was die Identifizierung erschwert.
      

2. Datenqualität: 

   • Blindwerte: Hochauflösende Systeme sind empfindlich gegenüber Verunreinigungen. Selbst geringfügige Verunreinigungen in Chemikalien und Materialien können Signale erzeugen, die die Analyse verfälschen.

   • Reinheit der Materialien: Unterschiede in der Reinheit von Vials und analytischen Säulen können die Qualität der Ergebnisse beeinflussen.
      

3. Datenbanken und Referenzmaterialien: 

   • Unvollständige Datenbanken: Die Identifizierung unbekannter Substanzen erfordert umfangreiche und gut gepflegte Datenbanken. Oft sind diese Datenbanken jedoch unvollständig oder enthalten nicht alle möglichen Verbindungen. 

   • Fehlende Referenzmaterialien: Für viele unbekannte Substanzen gibt es keine kommerziell verfügbaren Referenzmaterialien, was die Bestätigung der Identität erschwert.
      

4. Methodenentwicklung: 

   • Optimierung der Trennbedingungen: Die Wahl der mobilen und stationären Phase sowie die Optimierung des Gradienten sind entscheidend für die Trennleistung und die Empfindlichkeit der Methode.

   • Probenvorbereitung: Die Probenvorbereitung muss sorgfältig durchgeführt werden, um eine gute Peakform und stabile Retentionszeiten zu gewährleisten.
      

5. Interpretation der Ergebnisse: 

   • Strukturaufklärung: Die Strukturaufklärung unbekannter Verbindungen erfordert detaillierte Kenntnisse der Fragmentierungsmuster und chemischen Eigenschaften. 

   • Falsch-positive Ergebnisse: Die große Anzahl an Signalen kann zu falsch-positiven Ergebnissen führen. Diese müssen durch zusätzliche Analysen und Bestätigungen minimiert werden.