新污染物检测技术的突破与挑战：多维融合与范式转型

原文发表于《科技导报》2026年第15期《新污染物检测技术的突破、进展及挑战》

随着全球工业化进程加快及化学品广泛使用，新污染物（ECs）因其种类繁多、环境行为复杂及潜在生态与健康风险，逐渐成为环境科学领域亟需关注的重要问题。《科技导报》邀请南方科技大学环境科学与工程学院杨新教授团队撰写文章，系统综述了相关检测技术的研究进展与发展趋势，重点梳理了复杂环境样品前处理、色谱分离及质谱检测等关键技术的最新突破，总结了靶向分析、可疑筛查与非靶向分析相结合的数据解析策略，以及传感器技术在快速检测中的应用；阐述了基于生物效应响应的检测方法及效应导向分析在污染物识别与风险评估中的重要作用，并探讨了大数据驱动下的新型检测范式；在此基础上，围绕未知污染物结构确认、效应归因、暴露表征与风险判定等关键环节，系统分析了当前新污染物检测领域在证据链构建与科学决策支撑方面面临的核心挑战。

随着全球工业化进程的加速和化学品的广泛使用，新污染物（ECs）在环境中的出现及其潜在危害已成为全球性环境与健康问题。这类物质主要包括持久性有机污染物（POPs）、内分泌干扰物（EDCs）、抗生素、微塑料（MPs）等，具有环境浓度低但持久性强、来源多样、结构复杂及生物累积性高等特征。然而，ECs检测面临多重挑战：污染物种类庞大且持续增长，传统依赖标准品的靶向分析方法难以全面覆盖；环境基质复杂，ECs通常以ng/L至μg/L水平与高浓度有机质及无机盐共存，显著的基质效应限制了检测灵敏度与准确性；单一化学定量难以反映混合污染体系的真实生物效应。在此背景下，ECs检测技术快速发展，逐步形成以高效样品前处理、多维色谱分离及高灵敏质谱检测为核心的技术体系，并向高通量与自动化方向演进（图1）。

图1传统检测瓶颈下新污染物前沿检测技术的应用框架

1靶向-可疑-非靶向联合分析技术进展

随着ECs种类不断增加，其在环境中的赋存形态和基质背景也更加复杂，传统检测模式已难以满足复杂样品中污染物识别、准确定量和多组分解析的需求。特别是在痕量水平、多介质分布和强基质干扰并存的条件下，ECs检测技术的发展亟需突破灵敏度、准确性、通量和适用性之间的制约。为应对这一需求，靶向分析、可疑筛查与非靶向分析的联合应用逐渐成为ECs检测技术的重要发展方向，使检测流程从单一环节分析扩展为涵盖样品前处理、色谱分离、质谱检测和数据解析的综合技术体系（图2）。该体系既可支撑已知污染物的准确定量，也有助于潜在污染物筛查和未知污染物识别，并为后续风险表征和监测体系优化提供基础。

图2 前沿检测技术发展路径：从技术创新到应用实践的演进

1.1 复杂环境样品前处理的进展

前处理是连接实际环境基质与仪器检测的重要环节。其处理效果直接影响后续分析的准确性与可靠性。由于水体、土壤、沉积物及生物样品等介质在有机质、盐度、脂类和蛋白质等基质组成方面差异显著，ECs的赋存形态和可提取性也存在明显差异；同时，ECs种类持续增加、理化性质跨度较大，传统面向单一基质或单类污染物的前处理方法已难以满足复杂样品中多组分同步分析的需求。因此，前处理技术正由单一提取净化向多基质适用、多污染物兼容、自动化与流程集成化方向发展。

近年来，该领域的发展主要体现在自动化程度提升与流程集成优化两个方面。针对水体等相对均一的液相样品，在线固相萃取与液相色谱-质谱联用技术的结合，实现了样品富集、分离与检测的一体化操作，大幅缩短分析周期并提升检测灵敏度。对于土壤、沉积物等基质组成复杂的固体样品，则逐渐形成了提取、净化与富集相结合的多步骤协同处理体系，以满足多组分污染物的同步分析需求。例如，基质固相分散结合高效液相色谱-串联质谱技术，可同时测定海洋沉积物中药物、个人护理产品及防污助剂等59种ECs，并实现痕量水平的定量分析。需要注意的是，富集过程在提高目标物响应的同时，也可能同步浓缩有机质、盐类等干扰物，进而引起离子抑制或增强效应；加之不同ECs理化性质差异显著，现有方法在覆盖范围、选择性和灵敏度之间仍存在权衡。因此，提升前处理技术的广谱适用性、抗基质干扰能力和自动化集成水平，仍是复杂环境样品中ECs高效检测的重要方向。

1.2色谱分离技术的发展

在复杂环境样品分析中，分离效率直接决定了后续检测与识别能力。随着ECs种类增加及样品基质复杂化，传统单维色谱在峰容量、共洗脱解析和多组分覆盖方面逐渐受限，分离技术因而向多维联用、性质导向分离和高通量分析方向发展。

对于共洗脱现象突出的样品，二维气相色谱和二维液相色谱通过引入正交分离机制，可显著提升峰容量和组分解析度。其中，二维气相色谱通常结合2根选择性不同的色谱柱及调制器，适用于污水、沉积物和大气颗粒物中挥发性、半挥发性ECs的筛查与异构体解析。相比之下，二维液相色谱更适用于极性较强或热稳定性较差的化合物，已被用于污水处理厂出水等复杂样品中药物、农药及其他ECs的高分辨筛查。相关研究表明，多维色谱技术可提高复杂工业污染物和污水样品的组分解析度与筛查效率，并支持单次进样下的多组分批量检测。

除多维色谱外，面向不同理化性质ECs的专属性分离技术也在不断发展。毛细管电泳具有分离效率高、分析速度快和试剂消耗低等特点，适用于药物、农药及其他极性污染物分析，并已实现水体中10种酚类污染物的快速同步测定；离子色谱更适用于极性农药、消毒副产物、有机磷及其他离子型污染物分析，离子色谱-串联质谱已用于自来水、瓶装水和海水中高氯酸盐的痕量检测；亲水作用色谱则弥补了反相色谱对强极性物质保留不足的问题，可用于高极性农药、持久性和迁移性有机化合物及部分离子型转化产物的分离分析，并已用于高极性有机磷污染物及手性药物的高效分离。

现阶段，不同分离技术仍各有局限：二维色谱的方法构建和数据处理较为复杂，且存在维度间溶剂兼容性问题；离子色谱-质谱联用易受抑制器吸附效应影响，可能降低部分两性或强极性化合物的分析稳定性；毛细管电泳-质谱联用受非挥发性添加剂或手性选择器与质谱系统兼容性的限制；亲水作用色谱则在保留机理、方法重现性和通用性方面仍需要优化。由此可见，提高峰容量、稳定性、质谱兼容性和绿色高通量水平，是后续提升ECs复杂体系解析能力的关键方向。

1.3 质谱硬件的发展

随着色谱分离能力不断提升，ECs质谱检测逐渐形成靶向定量与广谱筛查并重的技术体系。近年来，质谱硬件的持续进步显著提升了ECs的检测能力，并逐步形成了以三重四极杆质谱（QQQ-MS）和高分辨质谱（HRMS）为核心的分析体系。

对于已知目标污染物，QQQ-MS依托多反应监测模式，具有选择性强、检出限低、定量稳定和抗基质干扰能力较好等特点，仍是衡量ECs确认与定量分析的主流方法。随着离子传输效率、扫描速度、自动调谐和系统稳定性的持续优化，其在复杂基质中的灵敏度和运行稳健性进一步提高。例如，QQQ-MS直接进样方法已用于生物碱和亚硝胺等污染物的高灵敏检测，并减少了前处理步骤及潜在污染风险。但该技术依赖标准品、预设离子对和保留时间等先验信息，对未知污染物及转化产物的发现能力有限。

相较之下，HRMS则凭借精确质量测定和高分辨率，在可疑筛查、非靶向分析、结构解析和转化产物识别中具有优势。四极杆飞行时间质谱和Orbitrap等平台可提供分子式推断、同位素分布匹配和多级碎片信息，为复杂环境体系中潜在风险污染物的发现与鉴定提供技术支撑。但HRMS筛查结果的可信度仍取决于谱图库覆盖度、数据库质量和数据处理流程，候选物注释也需结合标准品、保留时间、参考谱图及环境合理性等多重证据加以验证。由此，QQQ-MS的稳定定量能力与HRMS的广谱发现能力相结合，更有利于提升ECs精准测定和未知风险物质系统识别的整体水平。

1.4 高分辨质谱数据的分析策略

HRMS的发展使环境样品分析从有限目标物检测延伸至复杂化学空间的系统筛查。该技术可同时获得精确质量、同位素分布和二级碎片等信息，为ECs识别提供了更丰富的数据基础；但在实际解析中，也伴随特征峰冗余、数据维度高和结构注释难度大等问题。为提高识别效率和结果可信度，靶向定量、可疑筛查与非靶向发现相结合的数据解析策略得到广泛应用。

其中，可疑筛查依托候选污染物清单、化学数据库和谱图库，结合精确质量、保留行为及碎片信息，实现潜在污染物的快速匹配和优先识别；非靶向筛查则借助特征碎片、质量亏损、Kendrick质量亏损和分子网络等方法，用于发现未知污染物、同系物及转化产物。例如，联合MassBank和mzCloud等谱图库的协同筛查策略，已在城市河流样品中识别出293种污染物，显示出谱图库协同应用在复杂环境样品高通量识别中的优势；特征磷酸根碎片、-CF₂-重复单元的Kendrick质量亏损及GNPS分子网络等方法，则分别适用于有机磷酸酯、全氟化合物同系物及结构类似物的筛查。

目前，这类解析策略的应用效果仍受数据库覆盖度、谱图质量、标准品可获得性、注释置信度及数据处理流程差异的影响，不同研究之间的可比性和重复性仍有待提高。后续需要进一步完善数据库与谱图库建设，规范结构注释置信度分级，并推动数据处理流程标准化，以提升ECs高分辨质谱数据解析的可靠性。

2环境传感器检测技术的发展

传感器技术具有操作简便、响应快速和现场部署潜力较强等特点，可用于水环境中痕量ECs的快速筛查、原位监测和预警分析，使ECs检测体系逐步从单纯依赖实验室精确定量，拓展为“实验室确认”与“现场筛查”相结合的协同模式。

电化学传感器利用电极界面的氧化还原反应、阻抗或电流变化实现检测，已用于全氟辛烷磺酸（PFOS）等PFAS的痕量检测。光学传感器包括比色、荧光和表面增强拉曼光谱等形式，在磺胺类抗生素、PFOA等污染物检测中显示出较好应用前景。生物传感器通过酶、抗体、核酸或细胞等生物识别元件与换能器耦合，可用于有机磷农药、芳香族污染物等目标物的快速识别。声波传感器则依据目标物吸附引起的质量负荷或黏弹性变化进行无标记实时检测。

离子选择性电极（ISEs）通过检测选择性膜两侧目标离子活度差异引起的膜电位变化实现定量分析，具有成本低、响应快和适于现场监测等特点。芯片实验室与微流控芯片通过对纳升至微升级流体的精确操控，将样品预处理、富集、反应和传感检测集成于同一芯片体系。例如，集成铬基金属有机框架材料的微流控芯片可实现水体中PFOS的在线富集与原位电化学检测，检测限达0.5 ng/L。

3 基于生物效应响应的新污染物检测技术

基于生物效应响应的检测方法侧重于通过受体激活、细胞应激、氧化损伤、遗传毒性和发育异常等终点来评价环境样品的潜在毒性及作用模式，从功能层面揭示复杂混合污染的综合风险，推动ECs研究由“化学识别”向“效应识别与风险判定”延伸。

面向关键毒性终点的效应检测方面，以雌激素受体、雄激素受体及芳香烃受体为代表的检测体系已广泛应用于EDCs的筛查。报告基因分析、酵母双杂交系统及细胞转录激活实验等技术具备操作简便、灵敏度高及适于高通量分析等优势。效应检测的关注范围已由传统的内分泌干扰逐步扩展至过氧化物酶体增殖物激活受体及细胞核转录因子等响应体系。遗传毒性检测（Ames试验、彗星实验）和发育毒性检测（斑马鱼胚胎模型）也是评估ECs潜在危害的重要手段。

生物效应检测平台正由传统酶活性分析、报告基因系统及二维细胞培养向斑马鱼、线虫等模式生物及三维细胞培养、类器官、器官芯片等更具生理相关性的模型体系发展。高内涵成像、多荧光标记及实时动态监测技术使研究者可同步获取细胞形态、膜完整性、氧化应激及线粒体功能等多维信息。

效应导向分析（EDA）以生物效应为线索，将样品分离分级、活性筛查和化学结构鉴定相结合，从复杂混合物中追踪主要毒性贡献组分。EDA与HRMS、可疑筛查和非靶向分析的结合，使活性馏分中的候选物注释、结构推断和转化产物识别更加可行，推动ECs筛查从“效应发现”延伸至“责任污染物确认”。

4大数据驱动的新污染物检测新范式

数据驱动方法通过整合质谱特征、环境监测数据、污染源信息及健康效应指标，实现ECs结构推断、来源识别、暴露表征和风险关联分析的协同解析，推动研究范式由“已知污染物检测”向“未知物识别—暴露解析—风险预测”的一体化转变。

未知物识别方面，生成式人工智能为突破候选库限制提供了新路径。以基于Transformer架构的MSGo模型为例，该模型综合MS1精确质量、MS2碎片离子及模拟质谱图等信息，结构正确识别率为48.0%，前10个候选结构命中率为80.7%。机器学习还可利用HRMS特征矩阵，结合RF、SVM、LR和ANN等算法开展污染物分类与来源解析。深度学习在毒性预测方面表现优异，GNN模型在Tox21数据集上的AUC-ROC可达0.85。

暴露-效应关联建模方面，贝叶斯层级模型、INLA-SPDE方法和地理空间暴露模型等被用于整合地面监测、遥感、气象、人口分布和健康结局等多源数据，重建高分辨率暴露场。

污染预警与风险预测方面，SVM模型在药品及个人护理品去除效率预测中准确率可达79%；贝叶斯网络模型对PFAS地下水污染风险预测AUC值达到0.85；通过整合全球渔业生产、贸易流通和污染物监测数据，可构建覆盖212种海洋鱼类的PFAS膳食暴露评估框架。

5新污染物检测领域面临的核心科学挑战

尽管技术不断发展，但从污染物检出到风险认知之间仍存在证据衔接不足的问题。当前面临5大核心挑战：（1）未知污染物结构确认仍是非靶向分析的核心瓶颈，环境样品中广泛存在的异构体、转化产物和数据库外化学物增加了结构唯一性确认的难度；（2）非靶向筛查结果验证与标准化体系仍不完善，不同实验室在样品处理、数据提取、特征筛选和结构注释等环节存在差异，大量候选物缺乏统一的证据评价标准；（3）EDA与非靶向分析深度融合面临因果关联不足的挑战，环境样品的毒性效应往往由多种污染物共同作用产生，使检出的化学物与实际驱动效应的化学物之间难以直接对应；（4）暴露证据链构建仍缺乏全链条数据支撑，传统监测多关注环境介质中的污染物水平，而真实暴露过程涉及环境迁移、生物富集、个体行为、吸收代谢和生物响应等多个环节；（5）AI辅助决策的可靠性与可解释性有待提升，环境系统高度复杂且不确定，训练数据偏倚、适用域限制和黑箱决策过程都可能影响模型结果的可靠性。

6结论与展望

当前技术体系已由传统以靶向定量为主的单一分析模式，逐步发展为融合非靶向筛查、生物效应评价及数据驱动解析的多维检测模式，实现了从“物质识别”向“风险导向”的重要转变。HRMS拓展了未知污染物的发现边界，环境传感器提升了现场检测的时效性，生物效应方法强化了毒性识别能力，而大数据与机器学习的引入则推动检测模式向智能化与预测化发展。

未来发展应更加注重体系化与协同化。一方面，通过多技术深度融合，构建覆盖化学分析、效应评价与数据解析的一体化框架；另一方面，加强标准体系与数据库建设，推动数据共享与方法规范化。同时，应深化人工智能在结构解析与风险预测中的应用，并提升模型可靠性与可解释性。推动检测技术向实时化与应用导向发展，有望实现由被动监测向主动预警的转变。

本文作者：裘文慧、叶建淮、曾娅玲、张斌田、郑国贸、杨新

作者简介：裘文慧（第一作者），南方科技大学环境科学与工程学院，副教授，研究方向为新污染物检测、生态毒理和健康风险；杨新（通信作者），南方科技大学环境科学与工程学院，教授，研究方向为大气化学、环境健康及新型质谱技术等。

文章来源：裘文慧, 叶建淮, 曾娅玲, 等. 新污染物检测技术的突破、进展及挑战[J]. 科技导报, 2026, 44(15): 45-58.

本文有删改，

内容为【科技导报】公众号原创，欢迎转载

白名单回复后台「转载」

电动汽车热失控事故引发的智能动力电池发展与思考

新刊速览：环境与健康专题｜2026年第15期

人工智能驱动的科研范式变革与技术跃迁

人工智能赋能材料科学与多学科交叉融合：从材料基因组到AI4M2的基石与路径

深远空间智能航行技术展望

《科技导报》创刊于1980年，中国科协学术会刊，主要刊登科学前沿和技术热点领域突破性的研究成果、权威性的科学评论、引领性的高端综述，发表促进经济社会发展、完善科技管理、优化科研环境、培育科学文化、促进科技创新和科技成果转化的决策咨询建议。常设栏目有院士卷首语、科技新闻、科技评论、本刊专稿、特色专题、研究论文、政策建议、科技人文等。