Determination of quinoxalines and their major metabolites residues in fishmeal by ultra-performance liquid chromatography tandem mass spectrometry
-
摘要:
文章建立了超高效液相色谱-串联质谱法同时检测鱼粉中5种喹噁啉类药物及其2种主要代谢物残留量的方法。样品经乙腈-乙酸乙酯(1∶1, V∶V )和1 mol·L–1盐酸分步提取,盐酸提取液进一步用乙酸乙酯反萃取,有机相经浓缩后,均用乙腈复溶,用PRiME HLB通过性固相萃取柱净化处理。样品以乙腈和0.1%甲酸水溶液为流动相,经Phenomenex Kinetex C18柱梯度洗脱分离,质谱采取正离子多反应监测模式进行检测。代谢物采用内标法定量,原药采用基质匹配外标法定量。结果表明,7种化合物在对应的浓度范围内线性关系良好(R≥0.994),2种代谢产物检测限为2 μg·kg–1,定量限为5 μg·kg–1;5种喹噁啉类药物检测限为1~10 μg·kg–1;定量限为2~20 μg·kg–1。在高、中、低3种添加浓度下7种化合物的平均回收率为64.4%~102.2%,相对标准偏差为3.2%~10.2%。方法灵敏度高、精密度好,能同时测定鱼粉中的喹噁啉类药物及其主要代谢物。
-
关键词:
- 超高效液相色谱-串联质谱法 /
- 喹噁啉类药物 /
- 代谢物 /
- 鱼粉 /
- 残留检测
Abstract:A sensitive and reliable ultra-high performance liquid chromatography/tandem mass spectrometry (UPLC-MS/MS) method was eatablished for the determination of olaquindox (OLA), carbadox (CBX), cyadox (CYA), quinocetone (QCT), mequindox (MEQ) and their main metabolites (QCA and MQCA) in fishmeal. The samples were extracted by acetonitrile-ethyl acetate mixture (1∶1, V∶V) and hydrochloric acid solution (1 mol·L–1), then the analyte which dissolved in the aqueous phase was re-extracted by ethyl acetate. The extraction was concentrated and reconstituted with acetonitrile. After purification with the Oasis PRiME HLB SPE cartridge, the sample was subjected to the following analytical procedure. The mobile phase containing acetonitrile and 0.1% formic acid solution with a linear gradient elution was utilized to separate all compounds on a Phenomenex Kinetex C18 column. The quantitative analysis of metabolites was carried out with an internal standard method and the others with an external standard method in the multiple reaction monitoring mode using positive electrospray ionization. The calibration curves for all compounds were linear (R≥0.994) within their corresponding concentration range. The recoveries were 64.4%−102.2% at different spiking levels with RSDs of 3.2%−10.2%. The limits of detection and quantification of MQCA and QCA were 2 μg·kg–1and 5 μg·kg–1; MEQ was 10 μg·kg–1 and 20 μg·kg–1; the others were 1 μg·kg–1 and 2 μg·kg–1, respectively. This method with high sensitivity and good precision can be applied to the simultaneous determination of quinoxaline drugs and their major metabolite in fishmeal samples.
-
Keywords:
- UPLC-MS/MS /
- quinoxalines /
- metabolites /
- fishmeal /
- residues determination
-
渔业数据是进行渔业科学领域研究的基础,是渔业管理者系统、也是准确地掌握渔业生产实际及变化情况的主要依据,其精度直接影响研究调查结果的精准度[1-2]。电子捕捞日志利用北斗无线传输终端等智能电子设备及互联网技术,采集渔船动态及渔获物等相关信息数据[3-4]。与传统的渔捞日志相比,电子捕捞日志具有填写方便、容易保存、查询简单、利用率高、不易丢失和损坏、全面覆盖不同渔区等优点。由于电子捕捞日志采集过程中受海况、天气等自然因素和船员文化水平、责任心等人为因素的影响,存在错报、漏报、误报的现象,因此亟须采集与分析系统中电子捕捞日志的可信度。北斗船位数据(以下简称北斗数据)实时获取渔船的船位、航速、航向等渔船动态信息且具有较高的精度,可以弥补电子捕捞日志的不足[5-7]。本文通过对北斗数据和电子捕捞日志数据获取的作业信息进行对比分析,旨在提高电子捕捞日志数据的精准性,以期为渔业资源管理、科学管理和渔业绿色健康发展提供基础资料。
1. 数据与方法
1.1 数据来源
北斗数据从中国水产科学研究院南海水产研究所南海渔业中心的“南海渔船动态监控平台”中获取,主要包括渔船的北斗ID (identity,身份标识号码)、经纬度、航速、航向、定位时间等数据,数据时间分辨率为3 min,空间分辨率为10 m[8-9]。电子捕捞日志数据从南海渔业中心构建的“广东渔业资源数据采集与分析系统”中提取,主要包括渔船北斗ID、作业方式、主机功率、捕捞品种、渔获产量、放网时间、起网时间、作业渔区、作业网次等数据[3]。安装北斗无线终端且符合填报要求的拖网渔船共27艘,从中选取9艘拖网渔船2018年8月17日—2019年4月30日的作业状态进行分析,去除电子捕捞日志中部分填报的起网时间与放网时间相同及船位数据丢失的记录条数,9艘拖网船电子捕捞日志记录的数量和研究分析的样本数量见表1。
表 1 9艘拖网船电子捕捞日志记录数量和样本数量分布Table 1. Distribution of electronic fishing logs records and sample size of nine trawlers渔 船
vessel北斗终端号
Beidou ID记录数量
number of records样本数量
number of samples粤新会渔 01282 Yuexinhui fishing 01282 286061 102 82 粤新会渔 01240 Yuexinhui fishing 01240 284688 152 136 粤新会渔 01286 Yuexinhui fishing 01286 273232 126 122 粤新会渔 01239 Yuexinhui fishing 01239 286068 212 185 粤茂滨渔 47239 Yuemaobin fishing 47239 279739 98 90 粤新会渔 02163 Yuexinhui fishing 02163 284792 149 90 粤茂滨渔 42278 Yuemaobin fishing 42278 279721 106 102 粤新会渔 00070 Yuexinhui fishing 00070 283442 171 108 粤新会渔 01268 Yuexinhui fishing 01268 284801 106 90 1.2 作业时间和作业网次的提取与可信度分析
1.2.1 作业时间和作业网次的提取
利用北斗数据结合拖网渔船作业特点进行状态划分[10-12],提取北斗数据中拖网渔船的作业时间。选取“粤新会渔01239”2018年10月24日0时—10月24日24时(图1-a), “粤新会渔01286”2018年9月3日0时—9月3日24时(图1-b), “粤新会渔01240”2018年9月24日0时—9月24日24时(图1-c), “粤新会渔01282”2018年8月28日0时—8月28日24时(图1-d), “粤茂滨渔47239”2018年8月28日0时—8月28日24时(图1-e), “粤新会渔01263”2018年9月20日0时—9月20日24时(图1-f), “粤茂滨渔42278”2018年8月18日0时—8月18日24时(图1-g), “粤新会渔00070”2018年9月22日0时—9月22日24时(图1-h)和“粤新会渔01268”2019年1月25日0时—1月25日24时(图1-i)时间段内的北斗数据进行分析,9艘拖网船此时间段作业状态可划分为航行(A段)、拖网作业(B段)和抛锚或漂流(C段) 3种状态(图1)。捕捞过程包括航行,到达某渔场后开始放网,进行拖网作业和停泊收网。北斗数据显示作业时航向差值为0°左右且变动不大。由此可确定“粤新会渔01239”2个网次、 “粤新会渔01286”3个网次、 “粤新会渔01240”3个网次、 “粤新会渔01282”2个网次、 “粤茂滨渔47239”2个网次、 “粤新会渔01263”2个网次、 “粤茂滨渔42278”2个网次、 “粤新会渔00070”2个网次和“粤新会渔01268”2个网次的具体作业时间以及对应的经纬度。电子捕捞日志数据的作业时间为填报起网和放网的时间间隔。由于起网过程拖速可能不会明显下降,因此默认拖速大于4 kn或小于2 kn时为网次间转变的信号。
1.2.2 作业时间的校正
电子捕捞日志数据中个别填报的作业时间中包括航行、抛锚或漂流的时间,因此可信度分析时电子捕捞日志提取的作业时间应减去航行、抛锚或漂流的时间。
1.2.3 作业时间的可信度分析
利用SPSS 20.0中的配对样本t检验和简单相关性分析分别对2种方法提取的作业时间进行分析,判断电子捕捞日志数据中作业时间的可信度。计算公式为:
$$ D = E - V $$ (1) $$ \overline {{D}} = \dfrac{{{{D}}_1 + {{D}}_2 + {{D}}_3 + \cdots {{D_n}}}}{{{n}}} $$ (2) $${{D_{\text {σ}} }} = \sqrt{{\dfrac{{\left( {{{D}}_1 - \overline {{D}} } \right)^2 + \left( {{{D}}_2 - \overline {{D}} } \right)^2 + \cdots + \left( {{{D_n}} - \overline {{D}} } \right)^2}}{{{n}}}}}$$ (3) 式中D为2种方法提取的作业时间的差值(h);
$\overline D $ 为差值的平均数;Dσ为差值的标准差;V为北斗数据提取的作业时间(h);E为电子捕捞日志数据提取的作业时间(h);Dn为第n个样本数据由2种方法提取的作业时间的差值,取值$1,2,3 \cdots n$ 。利用差值的平均数对电子捕捞日志数据提取的作业时间进行校正,计算公式为:
$${{T}} = {{E_n}} - {{\overline D}}$$ (4) 式中T为校正后的电子捕捞日志数据提取的作业时间(h);En为第n个样本数据中电子捕捞日志数据提取的作业时间,取值
$1,2,3 \cdots n$ 。计算2种方法提取的作业时间的相对误差判定校正结果的可信度,计算公式为:
$${\rm{\delta }} = \left( {{{T}} - {{V}}} \right)/{{V}} \times 100{\text{%}}$$ (5) 式中δ为相对误差(%),相对误差δ在±10%以内被认为处于可信范围内。用作业时间重复率表征作业时间的可信度,计算公式为:
$${{\rm{\eta }}_t} = {N_{ t}}/N \times 100{\text{%}}$$ (6) 式中ηt为作业时间的重复率(%);Nt为En值经
$\overline D $ 值校正后的δ值在10%以内记录数量;N为总样本数量。利用SPSS 20.0中的简单相关性分析对作业网次、渔获量与D值的相关性进行分析,对捕捞努力量(作业时间)与渔获量的相关性进行分析,分析2种方法提取的作业时间产生差值的原因,初步判断电子捕捞日志数据中渔获量的可信度。
1.2.4 作业网次的可信度分析
利用SPSS 20.0中的配对样本t检验分析对2种方法提取的作业网次进行分析,判断电子捕捞日志数据中作业网次的可信性。用作业网次重复率表征作业网次的可信度。计算公式为:
$${{\rm{\eta }}_{\rm h}} = {N_{\rm h}}/N \times 100{\text{%}}$$ (7) 式中ηh为作业时间的重复率(%);Nh为指电子捕捞日志数据记录的作业网次和北斗数据提取的作业网次相同的记录数量。
1.3 作业渔区的可信度分析
根据北斗数据提取的平均作业经纬度和电子捕捞日志记录的起放网平均经纬度,利用ArcGis 10.0绘制北斗船位轨迹和电子捕捞日志记录轨迹分布图。统计两者作业经纬度在同一渔区的记录数量占总样本数量的百分比,即作业渔区的重复率,表征作业渔区的可信度,计算公式为:
$${{\rm{\eta }}_{\rm a}} = {N_{\rm a}}/N \times 100{\text{%}}$$ (8) 式中ηa为作业时间的重复率(%);Na为北斗数据提取的平均作业经纬度和电子捕捞日志记录的起放网平均经纬度在同一渔区的记录数量。
2. 结果
结果显示,虽然9艘拖网渔船的E值和V值均存在极显著性差异(P<0.01,表2),但两者存在极显著相关性(P<0.01,表3)。分析D值,9艘拖网船的差值集中在1~2 h (表4);“粤新会渔01240” “粤新会渔01239”和“粤茂滨渔47239”作业网次无显著性差异(P>0.05),其他6艘渔船作业网次均存在极显著性差异(P<0.01,表2);“粤新会渔01263” “粤新会渔01282”和“粤茂滨渔47239”的作业时间经
$\overline D $ 值校正后的δ值较分散,其他6艘船的作业时间经$\overline D $ 值校正后的δ值绝大多数在10%以内(图2)。表 2 作业时间和作业网次的差异显著性检验Table 2. Significant difference test between fishing time and hauls船名
vessel作业时间
fishing time作业网次
fishing haul粤新会渔 01282
Yuexinhui fishing 012820.000** 0.000** 粤新会渔 01240
Yuexinhui fishing 012400.000** 0.332 粤新会渔 01286
Yuexinhui fishing 012860.000** 0.000** 粤新会渔 01239
Yuexinhui fishing 012390.000** 0.880 粤茂滨渔 47239
Yuemaobin fishing 472390.000** 0.226 粤新会渔 02163
Yuexinhui fishing 021630.000** 0.000** 粤茂滨渔 42278
Yuemaobin fishing 422780.000** 0.000** 粤新会渔 00070
Yuexinhui fishing 000700.000** 0.000** 粤新会渔 01268
Yuexinhui fishing 012680.000** 0.000** 注:**. 显著性极大差异 (P<0.01);*. 显著性差异 (P<0.05) Note: **. very significant difference (P<0.01); *. signficant difference (P<0.05) 表 3 作业时间的相关性分析Table 3. Relative coefficient of fishing time船名
vessel相关系数
relative coefficient粤新会渔 01282 Yuexinhui fishing 01282 0.824** 粤新会渔 01240 Yuexinhui fishing 01240 0.752** 粤新会渔 01286 Yuexinhui fishing 01286 0.769** 粤新会渔 01239 Yuexinhui fishing 01239 0.936** 粤茂滨渔 47239 Yuemaobin fishing 47239 0.833** 粤新会渔 02163 Yuexinhui fishing 02163 0.853** 粤茂滨渔 42278 Yuemaobin fishing 42278 0.863** 粤新会渔 00070 Yuexinhui fishing 00070 0.959** 粤新会渔 01268 Yuexinhui fishing 01268 0.821** 注:**. 相关性极显著(P<0.01);*. 相关性显著(P<0.05);表5同此 Note: **. very significant correlation (P<0.01); *. signficant correlation (P<0.05); the same case in Table 5. 表 4 作业时间的差值Table 4. Difference value of fishing time船名
vessel差值/h
difference value粤新会渔 01282 Yuexinhui fishing 01282 1.71±1.21 粤新会渔 01240 Yuexinhui fishing 01240 1.63±0.57 粤新会渔 01286 Yuexinhui fishing 01286 1.67±0.30 粤新会渔 01239 Yuexinhui fishing 01239 1.61±0.37 粤茂滨渔 47239 Yuemaobin fishing 47239 1.07±1.22 粤新会渔 02163 Yuexinhui fishing 02163 1.29±1.57 粤茂滨渔 42278 Yuemaobin fishing 42278 1.35±1.72 粤新会渔 00070 Yuexinhui fishing 00070 1.12±0.55 粤新会渔 01268 Yuexinhui fishing 01268 1.48±0.67 双变量相关性分析结果显示,“粤新会渔01240”和“粤新会渔00070”的作业网次与D值呈显著性相关(P<0.05),“粤新会渔01286” “粤新会渔01239”和“粤茂滨渔42278”的作业网次与D值呈极显著性相关(P<0.01),“粤新会渔01282” “粤茂滨渔47239” “粤新会渔02163”和“粤新会渔01268”的作业网次与D值无显著相关性(P>0.05);“粤新会渔01240” “粤新会渔01239” “粤新会渔02163”和“粤新会渔01268”的渔获量对D值产生显著影响(P<0.05),其他5艘渔船的渔获量对D值无显著影响(P>0.05);“粤新会渔01286” “粤新会渔01239” “粤新会渔01240”和“粤茂滨渔47239”的作业时间与渔获量均呈极显著相关(P<0.01),“粤茂滨渔42278”的作业时间与渔获量呈显著相关(P<0.05),其中“粤新会渔01239”的作业时间对渔获量影响最大(0.464),其次是“粤新会渔01286” (0.415)、 “粤新会渔01240” (0.393)、 “粤茂滨渔47239” (0.348)和“粤茂滨渔42278” (0.221),其他4艘船的作业时间与渔获量无显著相关性(P>0.05,表5)。
表 5 不同渔船作业网次、渔获量与差值,作业时间与渔获量的相关系数Table 5. Correlation coefficient between fishing hauls, catches and difference, and fishing time and catches of different fishing vessels船名
vessel指标
index作业网次
fishing haul渔获量
catch作业时间
fishing time粤新会渔 01282 Yuexinhui fishing 01282 差值 0.067 0.122 − 粤新会渔 01240 Yuexinhui fishing 01240 0.183* 0.209* − 粤新会渔 01286 Yuexinhui fishing 01286 0.353** 0.112 − 粤新会渔 01239 Yuexinhui fishing 01239 0.273** 0.187* − 粤茂滨渔 47239 Yuemaobin fishing 47239 0.337 0.226 − 粤新会渔 02163 Yuexinhui fishing 02163 0.021 0.247* − 粤茂滨渔 42278 Yuemaobin fishing 42278 0.312** 0.182 − 粤新会渔 00070 Yuexinhui fishing 00070 0.223* 0.025 − 粤新会渔 01268 Yuexinhui fishing 01268 0.014 0.318* − 粤新会渔 01282 Yuexinhui fishing 01282 渔获量 − − 0.175 粤新会渔 01240 Yuexinhui fishing 01240 − − 0.348** 粤新会渔 01286 Yuexinhui fishing 01286 − − 0.415** 粤新会渔 01239 Yuexinhui fishing 01239 − − 0.464** 粤茂滨渔 47239 Yuemaobin fishing 47239 − − 0.393** 粤新会渔 02163 Yuexinhui fishing 02163 − − 0.140 粤茂滨渔 42278 Yuemaobin fishing 42278 − − 0.221* 粤新会渔 00070 Yuexinhui fishing 00070 − − 0.169 粤新会渔 01268 Yuexinhui fishing 01268 − − 0.094 虽然不同日期北斗数据作业的轨迹与电子捕捞日志记录的轨迹存在一定误差,但两者提取的作业路径基本相似,其中“粤新会渔01239”作业渔区的重复率最高(86.9%,图3), “粤茂滨渔00070”作业渔区的重复率最低(56.9%),其余6艘渔船作业渔区的重复率均在60%以上。
电子捕捞日志数据的可信度结果表明, “粤新会渔01239”作业时间的重复率最高(81.5%), “粤茂滨渔47239”最低(24.7%); “粤新会渔01240”作业网次的重复率最高(86.9%),“粤新会渔01268”最低(35.4%)。从整体看,作业渔区的重复率高于作业时间和作业网次的重复率(图4)。
3. 讨论
电子捕捞日志数据对不同作业类型渔获产量、渔获种类及生物学参数、单船单品种产量、不同海域不同种类产量等进行统计分析,将为渔业产业结构调整[13]、渔业资源总量管理、限额捕捞[14]、定点上岸、渔获物可追溯及渔港监管[15]等方面提供数据支撑。国外学者较早利用船位监控系统的位置数据验证航海捕捞日志[16-17],而我国对电子捕捞日志数据的采集和应用尚处于起步阶段,对可信度的分析较少,而电子捕捞日志的层层错报、漏报、误报等现象严重影响到渔业领域研究的精准度,因此对电子捕捞日志的可信度进行分析十分必要[18]。结果显示,虽然9艘拖网渔船的E值和V值均存在极显著性差异(P<0.01),但两者均存在极显著相关性(P<0.01),说明电子捕捞日志上报的作业时间有研究性和利用性意义。9艘拖网船的差值均集中在1~2 h,原因可能是电子捕捞日志填报的作业时间大多数是一天中开始起网至一天中结束放网的时间间隔,据搭乘安装北斗终端拖网船实地调查可知,一天平均作业两网次,这中间包括第一网次起网填报结束至第二网次放网填报结束的时间间隔40 min以及两网次起网后分类筛选渔获物的时间65 min。作业时间经
$\overline D $ 校正后,δ大多数在10%以内,本研究结果与张胜茂等[12]研究的由人工记录和北斗数据提取的作业时间差占人工记录的起放网之间平均时长的4.8%不同,原因可能是后者的人工记录来自专门从事科学研究的人员,人工记录的日志比较仔细、准确;而本研究中记录人员是普通渔民,主观性较强,仔细和认真程度也很难达到科研人员的水平;此外,北斗数据和电子捕捞日志数据提取的作业时间在起放网过程也会产生误差,因此相对误差在±10%以内被认为是合理范围。相关性分析结果表明,部分渔船的作业网次和差值呈显著正相关,说明作业网次越多,差值越大,作业网次对作业时间的可信度影响较大,原因可能是这些渔船填报的作业时间是一天一条,其中包括上一网次起网至下一网次放网间的非作业时间,因此在电子捕捞日志的管理过程中,应分网次逐条上报,对于填报错误的渔民进行培训和指导,逐步增加电子捕捞日志的可信度;部分渔船的渔获量与差值呈显著正相关,说明渔获量越多,起网后分类筛选渔获物的时间越长,电子捕捞日志填报的作业时间越长,与北斗数据提取的作业时间的差值越大,可见渔获量也在一定程度上影响作业时间的重复率。综上所述,利用“粤新会渔01282” “粤新会渔01240” “粤新会渔01286” “粤新会渔01239”“粤茂滨渔47239” “粤新会渔02163” “粤茂滨渔42278” “粤新会渔00070”和“粤新会渔01268”拖网渔船的电子捕捞日志数据提取的作业时间做可信度分析时,应分别减去1.71、1.63、1.67、1.61、1.07、1.29、1.35、1.12和1.48 h。尽管电子捕捞日志与北斗数据记录的作业时间有一定的误差,但是通过本研究分析可知,该误差不可避免,并且类似误差在其他研究中也均有报道,如Joo等[19]对实测数据和北斗数据分析时也存在一定误差。
本研究中部分渔船的作业网次存在极显著性差异(P<0.01),且作业网次的重复率低至35.4%,重复率低的原因可能是渔民一天中作业2~3网次,但是填报作业时间是一天中开始放网和结束起网的时间差,只填报了1条,最后作业网次也错填为1网次。出现这种情况时,管理者应及时与渔民联系,引导渔民正确填报电子捕捞日志。从整体上看,作业渔区较作业时间和作业网次的可信度高,但仍有填报出错的情况,原因可能是渔民填报的是某一时刻渔船所在渔区,而渔船在作业期间位置不断变化,可能会横跨相邻的渔区。根据北斗数据作业轨迹与电子捕捞日志记录轨迹分布证实了以上可能性原因。为了初步判定电子捕捞日志记录的渔获物的可信度,本文分析了捕捞努力量与渔获量的相关性,结果显示4艘拖网船的作业时间与渔获量均呈极显著相关(P<0.01),一艘拖网船的作业时间与渔获量呈显著相关(P<0.05),此结果与张志敏和徐年军[20]研究的渔获量和北斗数据提取的捕捞努力量之间的相关性结果相似。而另外4艘船的作业时间与渔获量无显著相关性(P>0.05),可能是渔民忘填、漏填或者该船捕捞区域渔获量较少,捕捞渔获物量差别不明显等导致的结果。总之,无论是从渔民角度还是管理者角度分析,该偏差不可避免,因此需要研究人员和管理人员对渔船位置进行实时监控,监督渔民填报电子捕捞日志,达到降低北斗数据与电子捕捞日志数据偏差,增加电子捕捞日志可信度的目的。
本研究仅选取9艘拖网渔船2018年8月17日至2019年4月30日时间段上传的电子捕捞日志数据和北斗数据为研究对象得出判定可信度的方法,而其他捕捞方式包括罩网[21-23]、刺网[24-26]、钓具[27]和张网[28-29]等作业类型的可信度尚未分析,时间较短、船只数量少,不能整体上很好地反映电子捕捞日志的可信度。此外,本文仅对电子捕捞日志的可信度进行分析,未探索校正电子捕捞日志的方法。总体看来,对电子捕捞日志可信度的探索尚处于起步阶段,相关科学问题有待于进一步深入研究。在今后的研究中,应探索其他作业类型的电子捕捞日志可信度的判定方法,增加研究时间段,利用可信度高的电子捕捞日志数据验证船只的行为[30],与北斗数据结合用于探索渔获量和捕捞努力量的空间分布[31]、模拟渔场变迁[32]、分析捕捞活动[33-34]及某种渔业资源的时空分布[35-36],分析拖网捕捞对渔业资源种群的影响[6]等。还应利用可信度较高的渔获物产量进行渔业资源评估[37],研究渔业资源种类组成、数量分布、评估渔业资源密度和现存资源量[38-40],逐步提高渔业资源评估的准确度,为实现限额捕捞提供必要的前提[30, 41]。
-
表 1 梯度洗脱程序
Table 1 Gradient elution program
% t/min 流动相A
mobile phase A流动相B
mobile phase B0 10 90 1.80 95 5 3.00 95 5 3.30 10 90 5.00 10 90 表 2 喹噁啉类药物及其主要代谢物的质谱参数
Table 2 MS parameters of quinoxalines and its major metabolites
化合物
compound母离子/(质荷比)
parent ion m/z子离子/(质荷比)
daughter ion m/z碰撞能量/eV
collision energy锥孔电压/V
cone voltage3-甲基喹噁啉-2-羧酸 MQCA 189.0 145.2*/143.2 22/14 32 喹噁啉-2-羧酸 QCA 175.0 101.9*/129.1 28/14 2 喹噁啉-2-羧酸-D4 QCA-D4 179.0 135.2 28 2 喹烯酮 QCT 306.9 103.1*/131.1 40/26 56 喹赛多 CYA 271.9 129.1*/143.0 32/30 30 喹乙醇 OLA 264.1 212.1*/142.9 28/22 4 卡巴氧 CBX 262.9 231.0*/130.2 20/12 2 乙酰甲喹 MEQ 218.9 143.1*/185.1 24/18 46 注:*. 定量离子
Note: *. quantitative ion表 3 基质标准曲线的线性范围、线性方程和相关系数
Table 3 Linear range and equations and correlation coefficients of matrix standard curve
化合物
compound线性范围/μg·L–1
linear range线性方程
linear equation相关系数 R
correlation coefficient检测限/μg·kg–1
LOD定量限/μg·kg–1
LOQ3-甲基喹噁啉-2-羧酸 MQCA 10~200 y=4 569.47x–1 591.88 0.999 2 5 喹噁啉-2-羧酸 QCA 10~200 y=883.32x–967.768 0.997 2 5 喹烯酮 QCT 4~200 y=3 690.52x+5 658.01 0.994 1 2 喹赛多 CYA 4~200 y=3 565.28x+791.096 0.996 1 2 喹乙醇 OLA 4~200 y=260.13x–358.032 0.998 1 2 卡巴氧 CBX 4~200 y=256.568x+577.777 0.997 1 2 乙酰甲喹 MEQ 40~1 000 y=488.546x–606.712 0.998 10 20 表 4 样品加标回收率及相对标准偏差
Table 4 Recovery and RSD of fortified samples
n=5 化合物 compound 添加水平/μg·kg–1 added level 平均回收率/% average recovery 相对标准偏差/% RSD 3-甲基喹噁啉-2-羧酸 MQCA 5.0,10,100 94.8,102.2,91.6 3.2,3.5,4.1 喹噁啉-2-羧酸 QCA 5.0,10,100 72.4,80.8,77.5 4.3,3.8,5.1 喹烯酮 QCT 2.0,10,100 70.2,85.3,85.4 7.8,8.1,7.2 喹赛多 CYA 2.0,10,100 70.7,71.7,73.8 6.4,7.8,5.1 喹乙醇 OLA 2.0,10,100 87.1,89.7,94.9 9.4,8.6,6.8 卡巴氧 CBX 2.0,10,100 70.6,75.8,85.3 8.4,8.9,6.2 乙酰甲喹 MEQ 20,50,100 64.4,66.8,67.6 10.2,9.9,7.6 -
[1] 曹小华. 浅析鱼粉的营养特性与新鲜度评价指标(一)[J]. 广东饲料, 2015, 24(8): 39-42. doi: 10.3969/j.issn.1005-8613.2015.08.011 [2] 程林丽. 动物组织中喹噁啉类药物残留检测方法研究[D]. 北京: 中国农业大学, 2013: 5-10. [3] 刘慧慧, 任传博, 张华威, 等. HPLC-MS/MS法分析乙酰甲喹在海参中的主要代谢物[J]. 质谱学报, 2015, 36(5): 417-424. [4] 曹随忠, 张力, 梁剑平, 等. 喹噁啉-1,4-二氧化物类抗菌促生长剂特殊毒理学研究进展[J]. 动物医学进展, 2001, 22(2): 17-20. doi: 10.3969/j.issn.1007-5038.2001.02.005 [5] 王丽敏, 杜雪莉, 赵艳, 等. 超高效液相色谱-串联质谱快速测定水产品中孔雀石绿、结晶紫及其代谢物残留量[J]. 南方水产, 2010, 6(4): 32-36. doi: 10.3969/j.issn.1673-2227.2010.04.006 [6] 杨金兰, 陈培基, 黎智广, 等. 高效液相色谱法测定水产品孔雀石绿残留量的优化研究[J]. 南方水产, 2010, 6(4): 43-48. doi: 10.3969/j.issn.1673-2227.2010.04.008 [7] IHSAN A, WANG X, HUANG X J, et al. Acute and subchronic toxicological evaluation of Mequindox in Wistar rats[J]. Regul Toxicol Pharmacol, 2010, 257(2/3): 307-314.
[8] 王旭, 程古月, 周秋格, 等. 兽用喹噁啉类毒理学研究进展[J]. 中国农学通报, 2015, 31(17): 16-21. [9] 杨波, 陈吉红. 喹乙醇在水产动物中的应用及其安全性评价[J]. 兽药与饲料添加剂, 2006, 11(2): 13-15. [10] WU S X, FENG C M, LI Y S, et al. LC-MS-MS Quantification of four quinoxaline-1,4-dioxides in swine feed[J]. Chromatographia, 2009, 70(11/12): 1605-1611.
[11] 农业部. 中华人民共和国农业部第560号公告: 兽药地方标准废止目录[M]. 北京: 中国标准出版社, 2005. [12] 农业部. 中华人民共和国农业部第2638号公告: 停止在食品动物中使用喹乙醇, 氨苯胂酸, 洛克沙胂等3种兽药[EB/OL]. [2018-01-11]. http://www.moa.gov.cn/govpublic/SYJ/201801/t20180112_6134888.htm. [13] WU Y J, YU H, WANG Y L, et al. Development of a high-performance liquid chromatography method for the simultaneous quantification of quinoxaline-2-carboxylic acid and methyl-3-quinoxaline-2-carboxylic acid in animal tissues[J]. J Chromatogr A, 2007, 1146(1): 1-7. doi: 10.1016/j.chroma.2006.11.024
[14] LI Y, LIU K, BEIER R C, et al. Simultaneous determination of mequindox, quinocetone, and their major metabolites in chicken and pork by UPLC-MS/MS[J]. Food Chem, 2014, 160: 171-179. doi: 10.1016/j.foodchem.2014.03.094
[15] 黄学泓, 张林田, 张冬辉. 超高效液相色谱串联质谱法测定全价饲料中5种喹噁啉类药物[J]. 饲料研究, 2015, 38(11): 48-52. [16] 叶松生, 吴德峰, 刘正才, 等. 高效液相串联质谱法测定动物源食品中喹赛多、卡巴氧残留[J]. 福建农林大学学报(自然科学版), 2008, 37(3): 307-311. [17] 应寒松, 钟世欢, 裘钧陶, 等. 高效液相色谱测定鲫鱼组织中3-甲基喹噁啉-2-羧酸和喹噁啉-2-羧酸的残留[J]. 农产品加工, 2018, 17(19): 53-54+59. [18] 陈红, 曾振灵, 武力, 等. 饲料中乙酰甲喹含量的HPLC检测[J]. 养禽与禽病防治, 2006, 25(8): 12-13. [19] LIN S Y, JENG S L. High-performance liquid chromatographic determination of carbadox, olaquindox, furazolidone, nitrofurazone, and nitrovin in feed[J]. J Food Prot, 2001, 64(8): 1231-1234. doi: 10.4315/0362-028X-64.8.1231
[20] 尹怡, 李平杰, 林晨, 等. 超声辅助-分散固相萃取/高效液相色谱串联质谱法联用测定鱼肝脏中喹烯酮的残留量[J]. 分析测试学报, 2013, 32(11): 1349-1353. doi: 10.3969/j.issn.1004-4957.2013.11.013 [21] 易锡斌, 裘立群, 刘世琦, 等. 液相色谱-串联质谱同时测定禽肉组织中盐酸金刚烷胺、盐酸金刚乙胺、地塞米松、替米考星及喹乙醇代谢物的残留量[J]. 分析测试学报, 2015, 34(3): 346-351. doi: 10.3969/j.issn.1004-4957.2015.03.015 [22] 郑玲, 吴玉杰, 李湧, 等. 高效液相色谱-串联质谱法测定动物源食品中3-甲基喹喔啉-2-羧酸和喹喔啉-2-羧酸残留[J]. 色谱, 2012, 30(7): 660-664. [23] 董义春, 张丽芳, 张可煜, 等. 高效液相色谱-串联质谱法检测猪、鸡可食性组织中喹噁啉类兽药残留标示物[J]. 中国兽医学报, 2010, 30(1): 110-114. [24] 李二粉, 张媚玉, 马合勤, 等. 液相色谱-串联质谱测定鸡肉中喹乙醇残留标示物3-甲基喹恶啉-2-羧酸[J]. 色谱, 2018, 36(5): 446-451. [25] 赵东豪, 黎智广, 杨金兰, 等. 高效液相色谱-串联质谱测定水产品中残留的喹乙醇代谢物[J]. 分析试验室, 2010, 29(9): 19-22. doi: 10.3969/j.issn.1000-0720.2010.09.006 [26] 张静余, 杨卫军, 严敏鸣. 液相色谱-串联质谱法测定水产品中喹乙醇和卡巴氧的代谢物残留量[J]. 食品安全质量检测学报, 2018, 9(14): 3788-3793. doi: 10.3969/j.issn.2095-0381.2018.14.040 [27] 杨方, 刘正才, 叶松生, 等. HPLC-MS/MS法测定动物源性食品中喹赛多的残留量[J]. 药物分析杂志, 2008, 58(4): 630-633. [28] 姚蕴珊, 沈建忠, 吴聪明, 等. 高效液相色谱法测定猪肝组织中3-甲基喹喔啉-2-羧酸[J]. 中国畜牧兽医, 2011, 38(2): 187-190. [29] 邹荣婕, 徐英江, 刘京熙, 等. 乙酰甲喹在鲤鱼肌肉组织中的残留消除规律研究[J]. 中国农学通报, 2012, 28(29): 137-141. doi: 10.3969/j.issn.1000-6850.2012.29.029 [30] 宫向红, 邹荣婕, 徐英江, 等. 高效液相色谱法测定水产品中乙酰甲喹残留量[J]. 中国渔业质量与标准, 2012, 2(4): 71-75. [31] 张嘉慧, 贺利民, 黄显会, 等. 高效液相色谱法测定猪肌肉中乙酰甲喹的残留量[J]. 华南农业大学学报, 2008, 29(4): 122-124. doi: 10.3969/j.issn.1001-411X.2008.04.030 -
期刊类型引用(3)
1. 时文博,韩现芹,王愿宁,陈永平,吴玉凡,钱坤. 超高效液相色谱串联质谱法同时测定渔用非药品类投入品中喹乙醇、氯霉素类、硝基呋喃类药物残留. 中国饲料. 2024(05): 108-114 . 百度学术
2. 陈俊秀,刘玲,李文廷,张瑞雨,梁孟军,马晓年. 不同样品中喹噁林类药物及其代谢物残留检测技术研究进展. 实验室检测. 2023(02): 11-15 . 百度学术
3. 蓝棋浩,余军军,宁军,韦田,陈秋月. 畜禽产品中喹乙醇代谢物残留测定方法优化. 畜禽业. 2021(08): 8-10 . 百度学术
其他类型引用(1)