毒性效应导向的集成电路废水关键致毒物质筛查

doi:10.11894/iwt.2021-0281

毒性效应导向的集成电路废水关键致毒物质筛查

陈玲^,^{, 程婉清^{, 贾敏^{, 穆洪新^{, 张孝林^{, 吴兵^,}}}}}

Effect-directed analysis of key toxic substances in integrated circuit wastewater

Chen Ling^,^{, Cheng Wanqing^{, Jia Min^{, Mu Hongxin^{, Zhang Xiaolin^{, Wu Bing^,}}}}}

通讯作者: 吴兵, 教授。E-mail: bwu@nju.edu.cn

收稿日期: 2021-06-10

基金资助:

国家重点研发计划.  2017YFE0107200
江苏省杰出青年基金项目.  BK20200011
中央高校科研业务费.  021114380170
南京大学卓越计划项目.  ZYJH005

Received: 2021-06-10

作者简介 About authors

陈玲(1995-),博士E-mail:hhucl2013@163.com , E-mail：hhucl2013@163.com

Abstract

The identification of toxic pollutants in industrial wastewater is a difficult problem in wastewater management and control. This study combined cytotoxicity and non-target detection methods to perform the identification of key pollutants in the effluent of a typical integrated circuit wastewater treatment unit. The results showed that the suspicious substances with the high response in the effluent of the secondary sedimentation tank and the enhanced secondary sedimentation tank were all amide compounds containing nitrogen. Fractionation analysis based on the cytotoxic effects of HepG2 cells found that the suspicious substances in highly toxic fractions of effluents were mainly nitrogen-containing compounds, fluorine-containing ketone compounds, and esters. However, the specific toxic substances of the two effluents were different, which might be due to the selective removal of the pollutants during the enhanced process. This study can provide a methodological reference for the identification of key toxic substances in integrated circuit wastewater.

Keywords： integrated circuit wastewater ; key toxic substances ; effect-directed analysis

PDF (0KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

陈玲, 程婉清, 贾敏, 穆洪新, 张孝林, 吴兵. 毒性效应导向的集成电路废水关键致毒物质筛查. 工业水处理[J], 2021, 41(6): 98-104 doi:10.11894/iwt.2021-0281

Chen Ling. Effect-directed analysis of key toxic substances in integrated circuit wastewater. Industrial Water Treatment[J], 2021, 41(6): 98-104 doi:10.11894/iwt.2021-0281

工业废水排放是环境中污染物的重要来源之一^〔1〕，这些污染物大多具有生物毒性效应，可对水生生物及人体健康产生不利影响。据报道，早在20世纪90年代末期即观察到受工业废水影响的地表水中雄性鱼类发生性逆转，经鉴定此为废水处理厂出水中17β-雌二醇和17α-乙炔雌二醇等雌激素类物质诱导所致^〔2〕。这些发现引发了研究者对废水处理厂中难以清除的生物毒害化合物识别的广泛关注。

近年来，气相色谱、液相色谱与质谱的联用技术在废水中的污染物分析领域得到了广泛应用。然而，基于先验知识的靶向化学品筛查策略无法穷尽所有的污染物，而非靶向化学品筛查策略在复杂样本中又无法快速获取有效信息。因此，以生物毒性测试导向化学分析过程的毒性效应导向分析方法逐渐发展起来。其中，效应引导分析方法(Effect-Directed Ana- lysis，EDA)得到了广泛关注^〔3〕。EDA可将快速毒性效应测试与分馏化学分析相结合，采用毒性测试结果导向分馏化学分析，不断简化样本组分，从而降低非靶向分析难度^〔4-5〕，最终实现关键致毒物质的识别。EDA技术已成为环境样品中关键污染物筛查与识别的有力手段，也是发现与识别新兴污染物的重要手段^〔6-7〕，并被广泛应用于解析复杂地表水体、垃圾渗滤液以及沉积物中关键毒性成分^〔8-10〕，但其在工业废水领域的应用仍较少。

集成电路是当前世界上使用最为频繁的半导体元件，占到整个半导体产业的85%左右^〔11〕，在通讯、航空航天、电子设备制造等高新技术产业发展中起到核心作用。据报道，我国集成电路企业数量于2016年跃升全球第二，共计超过1 000家^〔12〕。集成电路生产过程可产生大量的废水，且废水具有污染物类别多样，成分复杂等特点。识别其中的毒害污染物，对水处理工艺评价及出水健康保障具有重要意义。本研究选用典型集成电路废水处理厂的二沉池和强化二沉池出水为对象，采用人肝癌细胞(HepG2)毒性测试为导向，结合分馏技术和非靶向化学分析，对废水样本中的关键致毒物质进行甄别。

1 实验部分

1.1 试剂、材料及仪器

试剂及材料：乙酸乙酯、甲醇及乙腈，HPLC级，美国默克公司；氨水、甲酸，HPLC级，上海安谱公司；浓盐酸，南京晚晴公司；二甲基亚砜(DMSO)，细胞培养级，上海翌圣生物科技有限公司；DMEM培养基、胰蛋白酶、Hanks缓冲液及磷酸盐缓冲液，江苏凯基生物技术有限公司；CCK-8试剂盒，日本同仁化学公司；活性氧检测试剂盒(DCFH-DA探针法)、线粒体膜电位试剂盒(JC-1探针法)，上海碧云天生物技术有限公司；Hoechst 33342探针，美国赛默飞公司；OASISHLB固相萃取柱，美国沃特世公司。仪器：SynergyTM H1多功能酶标仪，美国伯腾公司；倒置显微镜，上海测维光电技术公司；二氧化碳培养箱，美国赛默飞公司；电热水浴锅HH-S1，金坛市医疗仪器厂；低速离心机，上海安亭仪器厂；UGC-45C氮吹仪，北京优晟联合公司；液相色谱(HPLC，e2695)、超高效液相色谱二级质谱联用仪(UPLC-MS/MS，Acquity UPLC H-Class；VION IMS-QTOF)，美国沃特世公司。

1.2 实验方法

1.2.1 样品前处理

水样采集自某集成电路废水处理厂二沉池及采用聚铝诱导结晶的强化二沉池出水(以下简称为二沉池和强化二沉池)。使用无选择性的HLB固相萃取柱富集水体中有机污染物^〔13〕。经活化、平衡后，抽取水样通过小柱，过柱流速为1~2滴/s。水样过柱后，使用超纯水(浓盐酸调pH至2~3)除盐，再依次使用6 mL甲醇和乙酸乙酯混合液(体积比为1∶1，以下同)、6 mL含2%(体积分数)氨水的甲醇和乙酸乙酯混合液及6 mL含1.7%(体积分数)甲酸的甲醇和乙酸乙酯混合液洗脱吸附在小柱上的有机污染物。将洗脱液在温和的氮气流下吹至近干，加入1 mL甲醇或DMSO复溶，过0.22 μm有机滤膜并转移至1.5 mL棕色色谱小瓶，储存在-20 ℃直至分析。

1.2.2 HepG2细胞活力测定

选择广泛使用并可为人体健康风险评估提供数据支撑的HepG2细胞作为生物模型用于废水生物毒性测试。HepG2细胞购自江苏凯基生物技术有限公司，细胞使用DMEM培养基〔含10%(体积分数)胎牛血清、1%(质量分数)80 U/mL青霉素及0.08 mg/mL链霉素〕，并置于37 ℃、95 %湿度、5 % (体积分数)CO₂的二氧化碳培养箱中培养。将消化下的细胞以每毫升10 000个的密度接种于96孔透明白板。在生长24 h后，将前处理获得的集成电路废水浓缩液分别稀释至20倍原水浓度用于染毒处理。持续暴露24 h后，移除暴露液并向96孔板中加入100 μL CCK-8工作液(CCK-8试剂和DMEM培养基以体积比1∶10混合)，孵育1 h后用酶标仪测定其在450 nm处的吸光度。按(实验孔吸光度-空白孔吸光度)/(对照孔吸光度-空白孔吸光度)计算细胞活力，并进行归一化处理。

1.2.3 胞内活性氧测定

用于胞内活性氧(Reactive Oxygen Species，ROS)测定的细胞需移植于96孔黑板中，加入暴露液24 h后，采用DCFH-DA探针试剂盒进行定量分析。过程如下：移除暴露液后，采用Hanks缓冲液清洗一遍，加入DCFH-DA探针孵育25 min。使用Hanks缓冲液清洗三遍，然后加入Hoechst 33342探针，孵育15 min后，移除染液，加入50 μL Hanks缓冲液，用酶标仪测定荧光强度。DCF的激发光和发射光波段分别为485 nm和530 nm，Hocehst33342探针则分别为350 nm和460 nm。通过530 nm荧光强度与460 nm荧光强度的比值计算平均活性氧含量，并进行归一化处理。

1.2.4 线粒体膜电位测定

JC-1探针在低浓度时以单体形式存在，可激发绿色荧光，而高浓度时形成聚合物，可激发红色荧光。JC-1探针的聚集与线粒体膜电位高低呈现高度相关性，因此，可由JC-1探针红色/绿色荧光强度比的降低表示线粒体去极化程度。采用JC-1探针试剂盒的检测过程如下：移除暴露液后，采用Hanks缓冲液清洗一遍，加入JC-1探针孵育20 min。使用Hanks缓冲液清洗两遍，加入50 μL Hanks缓冲液，用酶标仪测定荧光强度。分别使用485 nm和530 nm来激发JC-1单体及聚合物，于530 nm和590 nm处检测发射荧光强度。通过590 nm荧光强度与530 nm荧光强度的比值计算线粒体膜电位去极化程度，并进行归一化处理。

1.2.5 样本分馏

使用配有自动馏分收集器的高效液相色谱仪，将得到的有机污染物浓缩液进行制备分馏^〔13〕。使用Waters BEH C18色谱柱(4.6 mm× 150 mm，3.5 μm)进行分级分离，流速为1 mL/min。流动相为水(A)和甲醇(B)，流动相梯度：0 min，30%(体积分数)B；5 min，30%(体积分数) B；45 min，100% B，然后保持到60 min。每个馏分收集时间为6 min，每个样品分离得到10个组分，下文分别以流出时间区分馏分。分馏组分以同样的方式在氮气流下吹干浓缩，用于非靶分析及毒性评估。

1.2.6 非靶向分析

采用UPLC-MS/MS系统进行全废水浓缩样及分馏样的非靶向化学分析，质谱离子源为电喷雾电离(ESI)，在正离子模式下运行^〔14〕。采用Acquity UPLC BEH C18色谱柱(2.1×100 mm，1.7 μm，Waters)进行色谱分离，柱温箱温度设置为40 ℃，样品温度设置为10 ℃。流动相A是体积分数0.1%甲酸的超纯水溶液，流动相B是体积分数0.1%甲酸的乙腈溶液^〔15〕。使用以下线性梯度：0 min，5%(体积分数)B；1 min，5%(体积分数)B；3 min，20%(体积分数)B；30 min，100%B；35 min，100% B，35.1 min 5%(体积分数)B直到40 min。流速设置为0.4 mL/min，进样量为2 μL。毛细管电压为3 kV，溶剂挥发温度设置为550 ℃，源内温度120 ℃。采用HDMSe模式采集MS数据，质量范围100~1 200(m/z)^{〔14, 16〕}。运行两次具有不同碰撞能量的独立扫描：低能量(LE)的碰撞能量为6 eV，高能量(HE)的碰撞能量为20~60 eV，LE和HE扫描时间均为0.2 s。每隔0.5 min执行一次自动校准。

采用Waters UNIFI信息管理系统进行非靶向筛查，包括数据获取、峰提取、数据处理和物质识别等步骤。首先设置噪音背景过滤器为“高”来提取MS数据^〔17〕。扣除对照组的物质峰后，提取响应强度大于5 000的物质峰依次进行谱库匹配和未知物筛查识别。谱库由UNIFI软件内置的近4 000个水环境中常见的污染物构成，自动执行结构碎片匹配，质量以及碎片匹配容许误差为5×10^-3 u。谱库之外的未知物质识别采用UNIFI中的Elucidation工具进行。对未在数据库中的通过可疑方法识别到但有统计差异的物质，根据“七个黄金法则”进行元素组成和分子式计算，元素组成计算参数设置为：C 1~80，H 1~ 100，O 0~20，N 0~15，P 0~4，S 0~4，Cl 0~4，Br 0~4，容许误差5 ×10^-3 u^〔18〕。选择Chemspider数据库在线检索可能的化合物，并使用碎片匹配功能对碎片离子的合理性进行评估，匹配的质量容许误差为2×10^-3 u。碎裂过程的最大反应步骤为50，反应限制为20 000，选择匹配得分最高的结构作为暂定物质。

2 结果与讨论

所选择的污水处理厂主要处理集成电路生产及光掩膜制造、针测、封装等生产工序中产生的混合废水。污水处理厂出水要求达到《地表水环境质量标准》(GB 3838—2002)近Ⅴ类水标准，要求TN≤15 mg/L。其详细设计进、出水水质要求见表 1。

表1 设计的进水和出水水质

参数	pH	COD	BOD	SS	NH₃-N	TN	TP	氟化物
设计进水水质	6~9	300	100	100	40	60	6	8
设计出水水质	6~9	40	10	10	2	15	0.4	1.5

注：除pH外，其他指标单位均为mg/L。

新窗口打开| 下载CSV

采用UPLC-MS/MS对二沉池及强化二沉池出水样本中污染物基本情况进行表征，结果如图 1所示。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 二沉池及强化二沉池出水的非靶向分析结果

(a)、(b)为可疑物数量及平均响应强度；(c)非靶向分析识别的可疑物分子质量分布情况。

由图 1(a)和1(b)可知，通过非靶向物质筛查，在二沉池出水样本中识别到2 279个可疑物，物质平均响应强度为19 901.9，而强化二沉池出水样本中仅识别到1 772个可疑物，物质平均响应强度为24 137.5。可疑物数量的减少表明，通过聚铝诱导结晶的强化絮凝方法能够减少废水污染物的复杂程度，但可疑物平均响应强度有所增加。通常污染物响应强度不仅与物质浓度有关，也与化合物的性质高度相关^〔19-20〕。

图 1(c)显示了非靶向分析识别的可疑物分子质量分布情况。从分子质量上来看二沉池中物质分子质量分布较为集中，47%的物质分子质量在600~800 u之间，而强化二沉池中物质分子质量则更为分散地分布在300~1 000 u之间。

表 2和表 3分别给出了在二沉池和强化二沉池废水样本中识别的高响应前10可疑物清单，从表中可以看出，以酰胺类为主的含氮有机物检出极为频繁，例如二十二酰胺、亚乙基双硬脂酰胺、芥酸酰胺、硬脂酰胺、N-癸基-1-癸胺以及1-辛基-3-〔4-〔〔4-(辛基氨基甲酰基氨基)苯基〕甲基〕苯基〕脲等。

表2 二沉池出水中响应值前10可疑化学物清单

观测m/z	匹配分子式	响应值	可疑物CAS号	中文名称
340.357 606 2	C₂₂H₄₅NO	235 116.312 5	3061-75-4	二十二酰胺
191.179 575 6	C₁₄H₂₂	5 850.803 711	1014-60-4	1，3-二叔丁基苯
613.375 951 2	C₃₆H₅₂O₈	16 358.918 95	102130-84-7	奈马克丁
415.210 922 9	C₂₄H₃₀O₆	11 434.678 71	107724-20-9	9，11α-乙氧基-17-羟基-3-氧-17α-孕-4-烯-7α，21-二羧酸-γ-内甲酯
593.597 351 1	C₃₈H₇₆N₂O₂	21 357.458 98	110-30-5	亚乙基双硬脂酰胺
298.347 171 2	C₂₀H₄₃N	5 503.343 262	1120-49-6	N-癸基-1-癸胺
338.342 285 9	C₂₂H₄₃NO	15 770.947 27	112-84-5	芥酸酰胺
496.294 832 3	C₂₉H₃₈FN₃O₃	6 848.073 73	116644-53-2	米贝地尔
509.383 977 9	C₃₁H₄₈N₄O₂	6 583.187 988	122886-55-9	1-辛基-3- 〔4-〔〔4-(辛基氨基甲酰基氨基)苯基〕甲基〕苯基〕脲
284.294 927 1	C₁₈H₃₇NO	6 621.947 266	124-26-5	硬脂酰胺

新窗口打开| 下载CSV

表3 强化二沉池出水中响应值前10可疑化学物清单

观测m/z	匹配分子式	响应值	可疑物CAS号	中文名称
340.357 8	C₂₂H₄₅NO	157 842.515 6	3061-75-4	二十二酰胺
191.179 6	C₁₄H₂₂	8 151.435 547	1014-60-4	1，3-二叔丁基苯
613.375 7	C₃₆H₅₂O₈	7 371.173 34	102130-84-7	奈马克丁
415.210 5	C₂₄H₃₀O₆	18 477.029 3	107724-20-9	9，11α-乙氧基-17-羟基-3-氧-17α-孕-4-烯-7α，21-二羧酸-γ-内甲酯
593.597 4	C₃₈H₇₆N₂O₂	17 833.281 25	110-30-5	亚乙基双硬脂酰胺
298.347 2	C₂₀H₄₃N	8 341.026 367	1120-49-6	N-癸基-1-癸胺
338.341 8	C₂₂H₄₃NO	24 630.306 64	112-84-5	芥酸酰胺
737.638 7	C₄₄H₈₄N₂O₆	21 756.544 92	122586-52-1	癸二酸双(1-辛氧基-2，2，6，6-四甲基-4-哌啶基)癸二酸酯
284.294 7	C₁₈H₃₇NO	43 154.105 47	124-26-5	硬脂酰胺
397.154 6	C₂₀H₂₀F₄N₂O₂	19 628.759 77	1245526-82-2	糖皮质激素受体激动剂

新窗口打开| 下载CSV

2.2 分馏样本生物毒性测试

通过反相半制备色谱，将二沉池和强化二沉池全废水样本进行分级分馏，并对所获得的馏分进行细胞活力及氧化损伤等毒性效应评价^〔21〕，结果如图 2所示。所有数据均进行了归一化处理，极角θ越大表示该指标毒性越大。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 二沉池(a)和强化二沉池(b)出水分馏样本生物毒性的堆积南丁格尔玫瑰图

由图 2可知，在浓缩20倍时，二沉池水样中6~12 min、30~36 min、36~42 min以及54~60 min馏分的细胞毒性较强，可显著影响细胞增殖，并在细胞中诱导不同程度的ROS过量产生及线粒体去极化。强化二沉池中发现仅42~48 min和48~54 min两个馏分表现出较高毒性，均可显著影响细胞增殖，此外42~48 min馏分可显著诱导ROS过量产生及线粒体去极化发生。上述结果表明，强化二沉池工艺能够进一步削减细胞毒性，但无法完全去除，且在处理过程中关键致毒成分由二沉池的6~12 min逐渐后移至42~48 min馏分，即关键致毒成分从强极性物质向更弱极性的物质转变。

2.3 高毒馏分关键致毒物质筛查

将通过生物毒性测试识别的高毒馏分在UPLC-MS/MS进行非靶向物质筛查，并绘制识别物质的维恩图，结果如图 3所示。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 二沉池(a)和强化二沉池(b)出水高毒馏分中所识别物质的维恩图

由图 3可知，在二沉池的6~12 min、30~36 min、36~42 min以及54~60 min四个高毒分馏样本中分别识别到43、35、41以及62个可疑物。各馏分识别可疑物之间具有较大差异，仅有4个共享可疑物，而分别产生13、8、18以及56个特异性可疑物，表明分馏过程可较好地将不同性质的可疑物分离至不同组分中。强化二沉池的高毒组分为42~48 min和48~ 54 min馏分，分别识别可疑物42个和54个，由于两者的保留时间较为接近，因而两个馏分中也拥有较多的共享可疑物。综合筛选二沉池和强化二沉池出水中高毒馏分中响应值前20的可疑物，结果见表 4和表 5。

表4 二沉池出水高毒组分中响应值前20可疑物清单

观测m/z	匹配分子式	可疑物CAS号	中文名称
			含氟酮类物质
437.234 96	C₂₄H₃₃FO₆	1524-88-5	丙酮缩氟氢羟龙
393.208 93	C₂₂H₂₉FO₅	378-44-9	16b-甲基-11b，17a，21-三羟基-9a-孕甾-1，4-二烯-3，20-二酮
			酯类物质
415.210 88	C₂₄H₃₀O₆	107724-20-9	9，11α-乙氧基-17-羟基-3-氧-17α-孕-4-烯-7α，21-二羧酸-γ-内甲酯
481.260 68	C₂₉H₃₆O₆	27689-12-9	(1-甲基亚乙基)双(4，1-苯氧基-3，1-丙二基)双甲基丙烯酸酯
416.256 37	C₂₃H₃₃N₃O₄	709031-43-6	N-〔(1S)-2-〔(1S，3S，5S)-3-氰基-2-氮杂双环〔3.1.0〕己烷-2-基〕-1-(3-羟基三环〔3.3.1.13，7〕癸烷-1-基)-2-氧代乙基〕氨基甲酸-1，1-二甲基乙酯
277.179 55	C₁₇H₂₄O₃	456-59-7	扁桃酸-3，3，5-三甲基环己基酯
298.082 98	C₁₄H₁₆ClNO₄	174489-43-1	1-(烯丙氧基)-2-甲基-1-氧代丙烷-2-基-5-氨基-2-氯苯甲酸酯
481.303 88	C₂₉H₄₀N₂O₄	147770-06-7	(S)-瑞格列奈乙基酯
			含氮化合物
284.294 66	C₁₈H₃₇NO	124-26-5	硬脂酰胺
338.341 83	C₂₂H₄₃NO	112-84-5	芥酸酰胺
312.326 91	C₂₀H₄₁NO	5343-44-2	取代烷基酰胺
315.092 39	C₁₅H₁₄N₄O₂S	526-08-9	磺胺苯吡唑
917.281 54	C₄₀H₄₄N₁₂O₁₀S₂	4404-43-7	2，5-二(5-叔丁基苯并恶唑-2'-)噻吩
279.092 27	C₁₂H₁₄N₄O₂S	515-64-0	磺胺二甲基异嘧啶
829.229 43	C₃₆H₃₆N₁₂O₈S₂	C₃₆H₃₆N₁₂O₈S₂
458.353 11	C₃₁H₄₃N₃		68814-02-8N-4-双4-(二乙氨基)苯基亚甲基-2，5-环己二-1-基-N-乙基-乙铵
372.230 71	C₂₆H₂₉NO	10540-29-1	三苯氧胺
318.299 71	C₁₈H₃₉NO₃	554-62-1	糖脂
			其他
265.252 64	C₁₈H₃₂O	99577-57-8	反-2，顺-13-十八碳二烯醛
279.092 27	C₁₈H₁₅OP	791-28-6	三苯基氧化膦

新窗口打开| 下载CSV

表5 强化二沉池出水高毒组分中响应值前20可疑物清单

观测m/z	匹配分子式	可疑物CAS号	中文名称
			含氟酮类物质
437.234 29	C₂₄H₃₃FO₆	1524-88-5	丙酮缩氟氢羟龙
393.208 60	C₂₂H₂₉FO₅	378-44-9	16b-甲基-11b，17a，21-三羟基-9a-孕甾-1，4-二烯-3，20-二酮
481.260 64	C₂₉H₃₆O₆	27689-12-9	(1-甲基亚乙基)双(4，1-苯氧基-3，1-丙二基)双甲基丙烯酸酯
			酯类物质
416.256 08	C₂₃H₃₃N₃O₄	709031-43-6	N-〔(1S)-2-〔(1S，3S，5S)-3-氰基-2-氮杂双环〔3.1.0〕己烷-2-基〕-1-(3-羟基三环〔3.3.1.13，7〕癸烷-1-基)-2-氧代乙基〕氨基甲酸-1，1-二甲基乙酯
481.303 88	C₂₉H₄₀N₂O₄	147770-06-7	(S)-瑞格列奈乙基酯
373.095 26	C₁₉H₁₇ClN₂O₄	100646-51-3	(R)-2-〔4-(6-氯喹喔啉-2-基氧基)苯氧基〕丙酸乙酯
			含氮化合物
439.203 31	C₂₆H₃₁O₄P	65652-41-7	磷酸苯基(二叔丁基苯基)酯(DBPP)
338.342 09	C₂₂H₄₃NO	112-84-5	芥酸酰胺
312.326 31	C₂₀H₄₁NO	5343-44-2	取代烷基酰胺
284.294 63	C₁₈H₃₇NO	124-26-5	硬脂酰胺
572.768 01	C₉H₇I₃N₂O₃	2280-89-9	5-氨基-3-羧基-2，4，6-三碘-N-甲基苯甲酰胺
340.357 46	C₂₂H₄₅NO	3061-75-4	二十二酰胺
230.247 83	C₁₄H₃₁NO	1643-20-5	月桂基二甲基氧化胺
372.230 36	C₂₆H₂₉NO	10540-29-1	三苯氧胺
279.093 49	C₈H₁₄N₄O₇	78491-02-8	重氮烷基脲
226.159 26	C₁₆H₁₉N	13636-10-7	N，N-二甲基-2，2-二苯乙胺
458.352 47	C₃₁H₄₃N₃	68814-02-8	N-4-双4-(二乙氨基)苯基亚甲基-2，5-环己二-1-基-N-乙基-乙铵
374.092 21	C₁₄H₂₀N₃O₅PS	13457-18-6	定菌磷
			其他
279.093 49	C₁₈H₁₅OP	791-28-6	三苯基氧化膦
371.100 81	C₁₀H₃₀O₅Si₅	541-02-6	十甲基环五硅氧烷

新窗口打开| 下载CSV

由表 4和表 5可知，从高响应可疑物化学组成来看，仍以含氮物质占绝大多数。此外，多种酯类物质及少量含氟的酮类化合物也在高毒馏分中被识别。

集成电路生产过程十分复杂，涉及多种化学试剂和特殊气体。主要生产工序包括硅片清洗、氧化/扩散、化学气相沉积、光刻、去胶、离子注入、金属化(溅射镀膜等)、化学机械抛光(研磨)CMP以及封装等。这些过程可产生含氟废水、氨氮废水、有机废水、含铜废水、CMP废水及其他需特殊处理的高浓度金属废液、废酸等^〔22-23〕。其中含氟废水主要产生于清洗和蚀刻工序，主要污染物为氟化物和酸等^〔24〕。而氨氮废水则主要在蚀刻、清洗及去胶等工序中产生。光刻和均胶过程中容易产生包含酮、醇以及酯等有机物的有机废水^〔24〕。上述这些类型的污染物在高毒馏分中具有较高的识别率，但各物质在致毒过程中的贡献程度仍需进一步的研究。值得注意的是，高毒馏分中高响应物质种类与全废水非靶向分析结果表现出较大差异。由于响应值较低导致的在全废水非靶向分析中无法被顺利识别的多种酯类物质在分馏后得到关注。可见对废水实施效应导向分析有利于鉴别废水中低浓度的生物毒性组分，从而更为全面地揭示废水环境危害。

3 结论

本研究采用基于UPLC-MS/MS的非靶向分析方法对二沉池及强化二沉池出水中污染物基本情况进行了表征，发现两者的高响应可疑物均为酰胺类含氮化合物。进一步采用分级分离及毒性效应导向相结合的方式降低了化学检测样本的复杂度，提高了污染物毒性筛查的准确度。结果发现二沉池中相对强极性组分具有更强的毒性，而强化二沉池则转变为极性较弱的组分具有更强的毒性；高毒馏分中高响应可疑物主要为含氮化合物、含氟酮类化合物以及酯类可疑物。虽然现有结果只能初步确定物质的分子式及可疑污染物种类，但其对水处理工艺的评估和革新仍具有重要指导意义。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

Houtman

C J

, ten

Broek R

, Brouwer

Steroid hormonal bioactivities, culprit natural and synthetic hormones and other emerging contaminants in waste water measured using bioassays and UPLC-tQ-MS

[J]. Science of the Total Environment, 2018, 630, 1492- 1501.

DOI:10.1016/j.scitotenv.2018.02.273 [本文引用: 1]

[2]

Snyder

S A

, Villeneuve

D L

, Snyder

E M

, et al.

Identification and quantification of estrogen receptor agonists in wastewater effluents

[J]. Environmental Science & Technology, 2001, 35 (18): 3620- 3625.

URL [本文引用: 1]

[3]

Mijangos

, Krauss

, de Miguel

, et al.

Application of the sea urchin embryo test in toxicity evaluation and effect-directed analysis of wastewater treatment plant effluents

[J]. Environmental Science & Technology, 2020, 54 (14): 8890- 8899.

URL [本文引用: 1]

[4]

Hong

, Giesy

J P

, Lee

J S

, et al.

Effect-directed analysis: Current status and future challenges

[J]. Ocean Science Journal, 2016, 51 (3): 413- 433.

DOI:10.1007/s12601-016-0038-4 [本文引用: 1]

[5]

Chibwe

, Titaley

I A

, Hoh

, et al.

Integrated framework for identifying toxic transformation products in complex environmental mixtures

[J]. Environmental Science & Technology Letters, 2017, 4 (2): 32- 43.

URL [本文引用: 1]

[6]

Pochiraju

S S

, Linden

, Gu

A Z

, et al.

Development of a separation framework for effects-based targeted and non-targeted toxicological screening of water and wastewater

[J]. Water Research, 2020, 170, 115289.

DOI:10.1016/j.watres.2019.115289 [本文引用: 1]

[7]

Huizhen

, Zhang

Jie

, You

Jing

Diagnosis of complex mixture toxicity in sediments: Application of toxicity identification evaluation (TIE) and effect-directed analysis(EDA)

[J]. Environmental Pollution, 2018, 237, 944- 954.

DOI:10.1016/j.envpol.2017.11.005 [本文引用: 1]

[8]

Nick

, Willem

, Rob

T B

, et al.

Identification of mutagenic and endocrine disrupting compounds in surface water and wastewater treatment plant effluents using high-resolution effect-directed analysis

[J]. Water Research, 2020, 168, 115204.

DOI:10.1016/j.watres.2019.115204 [本文引用: 1]

[9]

Legler

, van Velzen

, Cenijn

P H

, et al.

Effect-directed analysis of municipal landfill soil reveals novel developmental toxicants in the zebrafish danio rerio

[J]. Environmental Science & Technology, 2011, 45 (19): 8552- 8558.

URL

[10]

Xiao

Hongxia

, Krauss

, Floehr

, et al.

Effect-directed analysis of aryl hydrocarbon receptor agonists in sediments from the Three Gorges reservoir, China

[J]. Environmental Science & Technology, 2016, 50 (20): 11319- 11328.

URL [本文引用: 1]

[11]

闵钢.

2019年全球半导体市场与产业状况分析

[J]. 集成电路应用, 2020, 37, 5- 9.

URL [本文引用: 1]

[12]

马慧红, 顾爱军.

"一带一路"半导体产业投资分析

[J]. 电子与封装, 2018, 18 (4): 42- 47.

URL [本文引用: 1]

[13]

Guo

Jing

, Deng

Dongyang

, Wang

Yuting

, et al.

Extended suspect screening strategy to identify characteristic toxicants in the discharge of a chemical industrial park based on toxicity to Daphnia magna

[J]. Science of the Total Environment, 2019, 650, 10- 17.

DOI:10.1016/j.scitotenv.2018.08.215 [本文引用: 2]

[14]

Bader

, Schulz

, Kuemmerer

, et al.

General strategies to increase the repeatability in non-target screening by liquid chromatography-high resolution mass spectrometry

[J]. Analytica Chimica Acta, 2016, 935, 173- 186.

DOI:10.1016/j.aca.2016.06.030 [本文引用: 2]

[15]

Krauss

, Singer

, Hollender

LC-high resolution MS in environmental analysis: From target screening to the identification of unknowns

[J]. Analytical and Bioanalytical Chemistry, 2010, 397 (3): 943- 951.

DOI:10.1007/s00216-010-3608-9 [本文引用: 1]

[16]

Nuerenberg

, Kunkel

, Wick

, et al.

Nontarget analysis: A new tool for the evaluation of wastewater processes

[J]. Water Research, 2019, 163, 114842.

DOI:10.1016/j.watres.2019.07.009 [本文引用: 1]

[17]

Celma

, Sancho

J V

, Schymanski

E L

, et al.

Improving target and suspect screening high-resolution mass spectrometry workflows in environmental analysis by ion mobility separation

[J]. Environmental Science & Technology, 2020, 54 (23): 15120- 15131.

URL [本文引用: 1]

[18]

Regueiro

, Negreira

, Hannisdal

, et al.

Targeted approach for qualitative screening of pesticides in salmon feed by liquid chromatography coupled to traveling-wave ion mobility/quadrupole timeof-flight mass spectrometry

[J]. Food Control, 2017, 78, 116- 125.

DOI:10.1016/j.foodcont.2017.02.053 [本文引用: 1]

[19]

Moriwaki

, Harino

, Hashimoto

, et al.

Determination of aromatic amine mutagens, PBTA-1 and PBTA-2, in river water by solidphase extraction followed by liquid chromatography-tandem mass spectrometry

[J]. Journal of Chromatography A, 2003, 995, 239- 243.

DOI:10.1016/S0021-9673(03)00514-4 [本文引用: 1]

[20]

Moriwaki

Electrospray ionization mass spectrometric detection of low polar compounds by adding NaAuCl₄

[J]. Journal of Mass Spectrometry, 2016, 51, 1096- 1102.

DOI:10.1002/jms.3822 [本文引用: 1]

[21]

Jing

, Liu

, Wu

Bing

, et al.

Comparison of cytotoxicity and inhibition of membrane ABC transporters induced by MWCNTs with different length and functional groups

[J]. Environmental Science & Technology, 2016, 50 (7): 3985- 3994.

URL [本文引用: 1]

[22]

尹晓峰, 刘金玲, 韩志强, 等. 300 mm芯片半导体厂废水处理工程实例[C]//《环境工程》2019年全国学术年会论文集(下册). 北京: 《环境工程》编委会, 2019: 5.

[本文引用: 1]

[23]

You

Shuhai

, Tseng

D H

, Guo

G L

A case study on the wastewater reclamation and reuse in the semiconductor industry

[J]. Resources Conservation and Recycling, 2001, 32, 73- 81.

DOI:10.1016/S0921-3449(00)00096-3 [本文引用: 1]

[24]

蒋卫刚, 季连芳, 甘晓明, 等.

芯片生产废水处理技术探讨

[J]. 给水排水, 2006, 32 (7): 59- 61.

DOI:10.3969/j.issn.1002-8471.2006.07.018 [本文引用: 2]

Steroid hormonal bioactivities, culprit natural and synthetic hormones and other emerging contaminants in waste water measured using bioassays and UPLC-tQ-MS

2018

... 工业废水排放是环境中污染物的重要来源之一^〔1〕，这些污染物大多具有生物毒性效应，可对水生生物及人体健康产生不利影响.据报道，早在20世纪90年代末期即观察到受工业废水影响的地表水中雄性鱼类发生性逆转，经鉴定此为废水处理厂出水中17β-雌二醇和17α-乙炔雌二醇等雌激素类物质诱导所致^〔2〕.这些发现引发了研究者对废水处理厂中难以清除的生物毒害化合物识别的广泛关注. ...

Identification and quantification of estrogen receptor agonists in wastewater effluents

2001

Application of the sea urchin embryo test in toxicity evaluation and effect-directed analysis of wastewater treatment plant effluents

2020

... 近年来，气相色谱、液相色谱与质谱的联用技术在废水中的污染物分析领域得到了广泛应用.然而，基于先验知识的靶向化学品筛查策略无法穷尽所有的污染物，而非靶向化学品筛查策略在复杂样本中又无法快速获取有效信息.因此，以生物毒性测试导向化学分析过程的毒性效应导向分析方法逐渐发展起来.其中，效应引导分析方法(Effect-Directed Ana- lysis，EDA)得到了广泛关注^〔3〕.EDA可将快速毒性效应测试与分馏化学分析相结合，采用毒性测试结果导向分馏化学分析，不断简化样本组分，从而降低非靶向分析难度^〔4-5〕，最终实现关键致毒物质的识别.EDA技术已成为环境样品中关键污染物筛查与识别的有力手段，也是发现与识别新兴污染物的重要手段^〔6-7〕，并被广泛应用于解析复杂地表水体、垃圾渗滤液以及沉积物中关键毒性成分^〔8-10〕，但其在工业废水领域的应用仍较少. ...

Effect-directed analysis: Current status and future challenges

2016

Integrated framework for identifying toxic transformation products in complex environmental mixtures

2017

Development of a separation framework for effects-based targeted and non-targeted toxicological screening of water and wastewater

2020

Diagnosis of complex mixture toxicity in sediments: Application of toxicity identification evaluation (TIE) and effect-directed analysis(EDA)

2018

Identification of mutagenic and endocrine disrupting compounds in surface water and wastewater treatment plant effluents using high-resolution effect-directed analysis

2020

Effect-directed analysis of municipal landfill soil reveals novel developmental toxicants in the zebrafish danio rerio

2011

Effect-directed analysis of aryl hydrocarbon receptor agonists in sediments from the Three Gorges reservoir, China

2016

2019年全球半导体市场与产业状况分析

2020

... 集成电路是当前世界上使用最为频繁的半导体元件，占到整个半导体产业的85%左右^〔11〕，在通讯、航空航天、电子设备制造等高新技术产业发展中起到核心作用.据报道，我国集成电路企业数量于2016年跃升全球第二，共计超过1 000家^〔12〕.集成电路生产过程可产生大量的废水，且废水具有污染物类别多样，成分复杂等特点.识别其中的毒害污染物，对水处理工艺评价及出水健康保障具有重要意义.本研究选用典型集成电路废水处理厂的二沉池和强化二沉池出水为对象，采用人肝癌细胞(HepG2)毒性测试为导向，结合分馏技术和非靶向化学分析，对废水样本中的关键致毒物质进行甄别. ...

"一带一路"半导体产业投资分析

2018

Extended suspect screening strategy to identify characteristic toxicants in the discharge of a chemical industrial park based on toxicity to Daphnia magna

2019

... 水样采集自某集成电路废水处理厂二沉池及采用聚铝诱导结晶的强化二沉池出水(以下简称为二沉池和强化二沉池).使用无选择性的HLB固相萃取柱富集水体中有机污染物^〔13〕.经活化、平衡后，抽取水样通过小柱，过柱流速为1~2滴/s.水样过柱后，使用超纯水(浓盐酸调pH至2~3)除盐，再依次使用6 mL甲醇和乙酸乙酯混合液(体积比为1∶1，以下同)、6 mL含2%(体积分数)氨水的甲醇和乙酸乙酯混合液及6 mL含1.7%(体积分数)甲酸的甲醇和乙酸乙酯混合液洗脱吸附在小柱上的有机污染物.将洗脱液在温和的氮气流下吹至近干，加入1 mL甲醇或DMSO复溶，过0.22 μm有机滤膜并转移至1.5 mL棕色色谱小瓶，储存在-20 ℃直至分析. ...

... 使用配有自动馏分收集器的高效液相色谱仪，将得到的有机污染物浓缩液进行制备分馏^〔13〕.使用Waters BEH C18色谱柱(4.6 mm× 150 mm，3.5 μm)进行分级分离，流速为1 mL/min.流动相为水(A)和甲醇(B)，流动相梯度：0 min，30%(体积分数)B；5 min，30%(体积分数) B；45 min，100% B，然后保持到60 min.每个馏分收集时间为6 min，每个样品分离得到10个组分，下文分别以流出时间区分馏分.分馏组分以同样的方式在氮气流下吹干浓缩，用于非靶分析及毒性评估. ...

General strategies to increase the repeatability in non-target screening by liquid chromatography-high resolution mass spectrometry

2016

... 采用UPLC-MS/MS系统进行全废水浓缩样及分馏样的非靶向化学分析，质谱离子源为电喷雾电离(ESI)，在正离子模式下运行^〔14〕.采用Acquity UPLC BEH C18色谱柱(2.1×100 mm，1.7 μm，Waters)进行色谱分离，柱温箱温度设置为40 ℃，样品温度设置为10 ℃.流动相A是体积分数0.1%甲酸的超纯水溶液，流动相B是体积分数0.1%甲酸的乙腈溶液^〔15〕.使用以下线性梯度：0 min，5%(体积分数)B；1 min，5%(体积分数)B；3 min，20%(体积分数)B；30 min，100%B；35 min，100% B，35.1 min 5%(体积分数)B直到40 min.流速设置为0.4 mL/min，进样量为2 μL.毛细管电压为3 kV，溶剂挥发温度设置为550 ℃，源内温度120 ℃.采用HDMSe模式采集MS数据，质量范围100~1 200(m/z)^{〔14, 16〕}.运行两次具有不同碰撞能量的独立扫描：低能量(LE)的碰撞能量为6 eV，高能量(HE)的碰撞能量为20~60 eV，LE和HE扫描时间均为0.2 s.每隔0.5 min执行一次自动校准. ...

... 〔14, 16〕.运行两次具有不同碰撞能量的独立扫描：低能量(LE)的碰撞能量为6 eV，高能量(HE)的碰撞能量为20~60 eV，LE和HE扫描时间均为0.2 s.每隔0.5 min执行一次自动校准. ...

LC-high resolution MS in environmental analysis: From target screening to the identification of unknowns

2010

Nontarget analysis: A new tool for the evaluation of wastewater processes

2019

Improving target and suspect screening high-resolution mass spectrometry workflows in environmental analysis by ion mobility separation

2020

... 采用Waters UNIFI信息管理系统进行非靶向筛查，包括数据获取、峰提取、数据处理和物质识别等步骤.首先设置噪音背景过滤器为“高”来提取MS数据^〔17〕.扣除对照组的物质峰后，提取响应强度大于5 000的物质峰依次进行谱库匹配和未知物筛查识别.谱库由UNIFI软件内置的近4 000个水环境中常见的污染物构成，自动执行结构碎片匹配，质量以及碎片匹配容许误差为5×10^-3 u.谱库之外的未知物质识别采用UNIFI中的Elucidation工具进行.对未在数据库中的通过可疑方法识别到但有统计差异的物质，根据“七个黄金法则”进行元素组成和分子式计算，元素组成计算参数设置为：C 1~80，H 1~ 100，O 0~20，N 0~15，P 0~4，S 0~4，Cl 0~4，Br 0~4，容许误差5 ×10^-3 u^〔18〕.选择Chemspider数据库在线检索可能的化合物，并使用碎片匹配功能对碎片离子的合理性进行评估，匹配的质量容许误差为2×10^-3 u.碎裂过程的最大反应步骤为50，反应限制为20 000，选择匹配得分最高的结构作为暂定物质. ...

Targeted approach for qualitative screening of pesticides in salmon feed by liquid chromatography coupled to traveling-wave ion mobility/quadrupole timeof-flight mass spectrometry

2017

Determination of aromatic amine mutagens, PBTA-1 and PBTA-2, in river water by solidphase extraction followed by liquid chromatography-tandem mass spectrometry

2003

... 由图 1(a)和1(b)可知，通过非靶向物质筛查，在二沉池出水样本中识别到2 279个可疑物，物质平均响应强度为19 901.9，而强化二沉池出水样本中仅识别到1 772个可疑物，物质平均响应强度为24 137.5.可疑物数量的减少表明，通过聚铝诱导结晶的强化絮凝方法能够减少废水污染物的复杂程度，但可疑物平均响应强度有所增加.通常污染物响应强度不仅与物质浓度有关，也与化合物的性质高度相关^〔19-20〕. ...

Electrospray ionization mass spectrometric detection of low polar compounds by adding NaAuCl₄

2016

Comparison of cytotoxicity and inhibition of membrane ABC transporters induced by MWCNTs with different length and functional groups

2016

... 通过反相半制备色谱，将二沉池和强化二沉池全废水样本进行分级分馏，并对所获得的馏分进行细胞活力及氧化损伤等毒性效应评价^〔21〕，结果如图 2所示.所有数据均进行了归一化处理，极角θ越大表示该指标毒性越大. ...

... 集成电路生产过程十分复杂，涉及多种化学试剂和特殊气体.主要生产工序包括硅片清洗、氧化/扩散、化学气相沉积、光刻、去胶、离子注入、金属化(溅射镀膜等)、化学机械抛光(研磨)CMP以及封装等.这些过程可产生含氟废水、氨氮废水、有机废水、含铜废水、CMP废水及其他需特殊处理的高浓度金属废液、废酸等^〔22-23〕.其中含氟废水主要产生于清洗和蚀刻工序，主要污染物为氟化物和酸等^〔24〕.而氨氮废水则主要在蚀刻、清洗及去胶等工序中产生.光刻和均胶过程中容易产生包含酮、醇以及酯等有机物的有机废水^〔24〕.上述这些类型的污染物在高毒馏分中具有较高的识别率，但各物质在致毒过程中的贡献程度仍需进一步的研究.值得注意的是，高毒馏分中高响应物质种类与全废水非靶向分析结果表现出较大差异.由于响应值较低导致的在全废水非靶向分析中无法被顺利识别的多种酯类物质在分馏后得到关注.可见对废水实施效应导向分析有利于鉴别废水中低浓度的生物毒性组分，从而更为全面地揭示废水环境危害. ...

A case study on the wastewater reclamation and reuse in the semiconductor industry

2001

芯片生产废水处理技术探讨

2006

... 〔24〕.上述这些类型的污染物在高毒馏分中具有较高的识别率，但各物质在致毒过程中的贡献程度仍需进一步的研究.值得注意的是，高毒馏分中高响应物质种类与全废水非靶向分析结果表现出较大差异.由于响应值较低导致的在全废水非靶向分析中无法被顺利识别的多种酯类物质在分馏后得到关注.可见对废水实施效应导向分析有利于鉴别废水中低浓度的生物毒性组分，从而更为全面地揭示废水环境危害. ...

〈

〉