基于红外光谱分区的多溴联苯醚辨识及生物毒性特征光谱信息提取研究

姜 龙，李 鱼

1. 华北电力大学环境研究院，北京 102206 2. 华北电力科学研究院有限责任公司，北京 100045

基于红外光谱分区的多溴联苯醚辨识及生物毒性特征光谱信息提取研究

姜 龙1, 2，李 鱼1*

1. 华北电力大学环境研究院，北京 102206 2. 华北电力科学研究院有限责任公司，北京 100045

选取环境中含量最多的9种多溴联苯醚(PBDEs)及已知具有高/中等生物毒性的14种PBDEs作为目标辨识物，首先基于振动归属将上述PBDEs红外光谱分为6个谱区，利用相似度分析评价各谱区对23种同系物的辨识能力并筛选易于辨识的红外谱区，其次根据各谱区特征建立辨识方法并进行方法评价，最终通过主成分分析及判别分析法在所研究谱区提取影响高/中等生物毒性PBDEs的红外特征信息并建立生物毒性判别模型。研究结果表明，位于961～1 153 cm-1的三角呼吸振动谱区和1 153～1 346 cm-1的C—O伸缩振动谱区对所选PBDEs间光谱相似度最小，可利用三角呼吸振动谱区内吸收峰的数量分布特征(辨识最小频差为3.19 cm-1，但不易与多氯联苯醚等结构相似物质间的区分)及C—O伸缩振动谱区的主峰分布及波形特征(辨识最小频差为0.74 cm-1，与多氯联苯醚等结构相似物质间辨识涉及最小频差为0.67 cm-1)实现对23种PBDEs间的辨识(红外光谱常用最小分辨率为0.5 cm-1)；基于判别分析法所构建的高/中等生物毒性PBDEs判别模型的判别正确度为100%/88.9%，表明所提取的红外光谱信息可实现对PBDEs生物毒性的准确分类。

多溴联苯醚；红外光谱；相似度分析；辨识；生物毒性；判别分析

引 言

多溴联苯醚(polybrominated diphenyl ethers，PBDEs)是一类于20世纪70年代起被广泛应用在塑料、纺织品、泡沫以及电子产品中的溴代阻燃剂[1-2]。PBDEs通过物理作用结合到高分子聚合物中，因此含有PBDEs的产品在生产、使用和废弃的过程中都有可能向周围环境中释放PBDEs[3-4]。虽然理论上PBDEs一共有209种同系物，但常见的PBDEs阻燃剂一共有三类： 十溴联苯醚(BDE-209占98%)、八溴联苯醚(由六-八溴联苯醚构成)及五溴联苯醚(由四溴及五溴联苯醚构成)，后两类由于具有大气长距离迁移性、难降解性、亲脂性和生物体富集性等特性，于2009年5月正式被《斯德哥尔摩公约》划定为持久性有机污染物(POPs)[5]，而十溴联苯醚作为市场上需求量最大的多溴联苯醚(81%市场份额)也被测试出具有潜在的致癌性[6]。

在环境中PBDEs各同系物的含量及影响差异很大，研究表明自然环境中对人体影响最大的六种PBDEs同系物分别为BDE-47，BDE-49，BDE-100，BDE-153，BDE-154及BDE-183[7-9]，而自然环境中存在含量最高的同系物为BDE-209，由于价格低廉且易于生产因此BDE-15的含量也相当可观[10]。除此之外，被列为POPs名单的四溴联苯醚的主要成分为BDE-47，而五溴联苯醚中含量最多的依次为BDE-99及BDE-100。由于与多氯联苯(PCBs)、多氯二苯并二恶英(PCDDs)等物质结构相似，PBDEs在环境中所展现出的生物毒性逐渐受到越来越多的关注。如何在环境中对这些含量占绝大多数及危害较大的PBDEs同系物开展辨识及特征研究则显得非常重要。

自然环境中有关PBDEs的检测侧重于借助色谱-质谱分析或吸收光谱中特征频率验证其存在性[11]，且研究多局限于单个同系物的单一特征峰研究，同系物间的基于谱区为研究单位的光谱辨识及光谱信息与生物毒性间关联性研究则很少涉及。由于PBDEs自身分子结构对称性较低，因此红外光谱对其光谱辨识研究具有良好的可行性。本研究针对环境影响最为显著的PBDEs同系物为目标辨识物，即在环境中含量较多及生物毒性较大的同系物，借助相似性分析评价基于振动归属所形成的各红外光谱区对PBDEs同系物的分辨能力，从而在易于分辨的谱区开展PBDEs同系物间辨识的研究并形成相应辨识方法，最终提取具有生物毒性较大的特征光谱信息，为快速检测环境中常见PBDEs种类及预测样品毒性大小提供理论依据。

1 研究方法

1.1 目标辨识同系物选择

以在环境中含量多及存在显著生物毒性的PBDEs同系物为筛选标准： 选取上述在环境中含量占绝大多数的九种PBDEs同系物为部分目标辨识同系物： BDE-15，BDE-47，BDE-49，BDE-99，BDE-100，BDE-153，BDE-154，BDE-183，BDE-209[6-10]；同时根据课题组已有研究所得209种PBDEs同系物中生物毒性(以芳香烃受体结合能力为生物毒性指标，-logRBA)等级标定结果，选取其中高生物毒性的BDE-85及13种中等生物毒性(表1)的同系物为另一部分目标辨识物[12]。

表1 高/中生物毒性PBDEs同系物

1.2 量子化学计算方法

本文中23种PBDEs的红外光谱均借助于Gaussian 09软件中的密度泛函理论方法并在B3LYP/6-31G(d)水平下计算所得。计算所得各振动峰频率值分别采取不同的约化分子进行校对，即对高频区(>3 000 cm-1)的振动频率乘以0.958的调整因子，其余振动频率乘以0.961 3[13]。

1.3 红外光谱分区

依据PBDEs红外光谱振动归属[14]，同时忽略红外振动较弱的C—H振动，将剩余的光谱区间240～1 634 cm-1按照振动归属结果分为6个谱区(表2)，通过相似度分析评价并筛选最宜PBDEs同系物辨识的谱区。

表2 PBDEs的红外光谱区分区

ν: stretching,γ: out-of-plane bending

1.4 相似度分析

基于计算所得23种同系物的红外光谱信息，分别选取距离测度、相似测度中的3种不同的测试方法： 欧氏距离法(euclidean distance，ED)、相关系数法(correlation，r)及Cosine相似性测度，对两两同系物在不同谱区内红外光谱图进行相似性量化分析，评价不同谱区上同系物间的相似度。

欧式距离表达式如下

相关系数(correlation,r)如下式所示

Cosine相似性测度

2 结果与讨论

2.1 红外光谱各谱区辨识能力评价

23种同系物在各红外谱区内的分辨度以同系物间彼此的相似度为测量，相似度越大(欧氏距离为越小，相关系数及Cosine相似性为越大)，表明该区内23种同系物间光谱较为相似，不易用于辨识研究。表3列举了三种不同计算方法下的同系物间平均值。由表3可知，而各谱区采用不同相似度计算方法所得结果均集中在961～1 154cm-1(最大欧式平均距离和最小相关系数)及1 154～1 346cm-1(具有最小的Cosion相似度系数)。表3同时显示了各区段23种物质最大平均峰值，可以看出1 154～1 346和1 346～1 634cm-1谱区的振动较为强烈，综上所述，最终选取961～1 154cm-1苯环三角呼吸振动谱区和1 154～1 346cm-1C—O伸缩振动谱区分别开展辨识研究。

已有研究表明，PBDEs同系物红外光谱中的苯环三角呼吸振动具有普遍存在且均显著振动的特性[11]，随着Br取代情况的不同而引起振动个数、频率大小、振动强度、峰形分布的变化；与此同时，PBDEs中的醚键C—O伸缩振动是PBDEs区别于与其结构相似的多氯联苯(PCBs)、多溴二联苯呋喃(PBDFs)等物质的特征振动形式，因此选取此两个谱区也具有现实意义。

2.2 基于三角呼吸振动谱区的同系物辨识

由于相对于最后两个谱区，三角呼吸振动谱区的振动强度不是很强烈(表3)，因此选取振动峰的分布位置作为特征信息开展23种同系物间的辨别研究。现将该谱区进一步等间距分为961～1 009，1 009～1 057，1 057～1 105和1 105～1 154cm-1四个子区域(如图1所示)，而不同同系物在各个子区域内的振动峰数如表4所示。由于红外光谱实验检测的波频值最小分辨率一般为0.5cm-1，故该谱区以48cm-1宽度为分析单位的辨识方法可实现不同PBDEs同系物间光谱辨识研究。

表3 不同红外光谱区的相似性分析

图1 具有相似振动峰数分布性PBDEs的三角呼吸振动红外谱区谱图

Fig.1 IR spectrum in triangular breathing vibration region for congeners with same vibration peak amount distribution

由表4可以看出绝大多数同系物(16种)的振动峰数的分布情况是独一无二，可作为自身的辨识光谱特征，其中BDE-81和BDE-49存在0.5的情况是因为振动峰值频率和分区界限重合，各区域按一半计。

剩余7种PBDEs同系物中，BDE-154和BDE-25的峰值数量分配皆为(0, 2, 1, 0)型，但前者3个峰的峰强接近而后者则为1大两小分布，易于区分(图1)；BDE-15，BDE-35和BDE-119峰值数量分配(1, 1, 1, 0)，但是峰型差异明显，BDE-15是前两个近似且强烈，第三个峰很弱，BDE-35为两边强，中间弱，BDE-119则为前两个近似相等都明显弱于第三个峰(图1)；BDE-99和BDE-153峰分配类型都为(0, 1, 2, 0)，但BDE-99后两个峰分别位于1 062.28和1 096.89 cm-1处，而BDE-153的则耦合于1 091.16 cm-1处，易于区分(图1)。

同时根据图1及表4可以看出，对于峰值分配数量相同所涉及的七种同系物，彼此相同峰的频率值相差3.19～23.16 cm-1，大于红外光谱常用最小分辨率0.5 cm-1。

表4 三角呼吸振动谱区中PBDEs振动峰数分布

利用相同计算方法和基组水平对PCBs、PCDDs、多氯联苯醚(PCDEs)、多氟联苯醚(PFDEs)进行红外光谱计算，上述物质皆存在苯环三角呼吸振动，只有PCDDs振动频率与PBDEs在该谱区中相同振动峰间的最小频差分别为0.75 cm-1，大于红外光谱常用最小分辨率0.5 cm-1，其余物质在该区无法实现良好的区分。

综上所述，彼此间根据上述各自峰值数量分配特征可实现23种PBDEs同系物间的辨识，但苯环三角呼吸振动同样存在于其余含苯环物质中，因此该辨识方法仅可有效应用于对仅含PBDEs苯环物质中的快速辨识。

2.3 基于C—O伸缩振动谱区的同系物辨识

PBDEs的分子结构同PCBs等物质结构相似，而上述物质都存在三角苯环呼吸振动，因此在含有上述杂质时对PBDEs进行红外光谱检测和辨识易引起干扰。为了避免上述物质的干扰，选取PBDEs特有醚键C—O伸缩振动谱区1 154～1 346 cm-1为特征谱区，利用其中的主峰信息(频值及峰形)开展基于分层聚类分析下的23种PBDEs同系物间的辨识研究。

图2为依据1 154～1 346 cm-1C—O伸缩振动谱区的信息所得聚类树形图，从图中可以看出23种PBDEs可分为5类，而五类在聚类过程中可分为三大块(Ⅰ与Ⅱ类、Ⅲ与Ⅳ类、Ⅴ类)，其中块间的区分在于主峰的分布区域，Ⅰ与Ⅱ类的主峰在1 250 cm-1后，Ⅲ与Ⅳ类的主峰位于1 250 cm-1前，而Ⅴ类的主峰范围横跨两个区域。

图2 23种PBDEs的C—O伸缩振动谱区聚类分析

类别Ⅰ的8种同系物所具有共同的光谱特征为： 主峰分布在1 250～1 279 cm-1间，在主峰的两侧分别依附大小各异的次峰，分别分布在1 202～1 250及1 279～1 298 cm-1内。其中，BDE-99存在特殊性，即1 298～1 346 cm-1内有一较强烈的吸收峰，易于区分。而其余同系物依据次峰和主峰间的关系不同而开展辨识研究(表5)。各自辨识特征为： BDE-49，左次峰显著强于右次峰，且显著弱于主峰；BDE-119，小峰峰强和主峰峰强相当；BDE-100，左次峰峰强和主峰相当，且明显强于右峰；BDE-35，主峰和两次峰峰强相当，无小峰；BDE-126，主峰和两次峰峰强相当，有小峰；BDE-25，两次峰峰强相当，皆为主峰一半；BDE-85： 右次峰显著强于左次峰，皆显著弱于主峰。

表5 类别Ⅰ中PBDEs的振动特征

类别Ⅱ的4种同系物、共有的光谱特征为1 202～1 250 cm-1有一个依附于位于1 250～1 298 cm-1主峰的次峰。不同于类别Ⅰ的谱形特征为主峰右侧不存在次峰。而四种同系物之间的辨识则依据依附程度依次为BDE-77(峰间距为40.74 cm-1)>BDE-66 (29.91 cm-1)>BDE-37(28.87 cm-1)>BDE-28(14.22 cm-1)，由顺序可知，溴取代基数越多，两峰间距逐渐拉大，也可以通过两峰间距推断该类同系物溴取代基个数。

类别Ⅲ共包括三种同系物，其共有的光谱特性为存在两个主峰，分别位于1 202～1 250和1 298～1 346 cm-1谱区。BDE-154的两个主峰峰强为右强左弱；BDE-153为左强右弱；BDE-183的两个主峰峰强一致。而三者内部的聚类顺序则与三个同系物间两主峰的峰强有关，强度越接近者越先聚类(图2)。

类别Ⅳ共包含5种同系物： BDE-14(主峰峰频1 237.01 cm-1)，BDE-38(1 235.51 cm-1)，BDE-36(1 236.25 cm-1)，BDE-39(1 239.09 cm-1)，BDE-81(1 237.74 cm-1)，其共有的红外光谱特征为在1 202～1 250 cm-1之间存在主峰，而在1 250～1 298 cm-1间存在一个峰强较弱的小峰，不同于类别Ⅲ在后者无第二个主峰，但5种物质的光谱图像极为接近，只能通过主峰的峰频值进行区分，两两同系物间频差分布为0.74～3.58 cm-1。与此同时，此5类同系物在环境中含量均较少且都具有中/高等生物毒性，因此该光谱特征可以在一定程度上和高/中生物毒性相关联，当检测出此光谱特征时则可预测含有高/中等生物毒性同系物的存在。

类别Ⅴ包含BDE-15，BDE-47及BDE-209三种同系物，不同于其余20种同系物取代类型，此三种同系物左右两环的取代类型为对称形式，因此所得红外光谱谱图较为清晰，主峰明确，不存在小峰的干扰，其共有的光谱特征为在此谱区仅存在一个主峰(峰强为其余类别的两倍以上)可用于和其余类别进行区分，同时三个同系物自身间的区分可根据主峰的分布区间来区分(分别位于1 202～1 250，1 250～1 298和1 298～1 246 cm-1频区)。

与其余结构相似物进行光谱对比，PCBs不存在C—O伸缩振动，PCDEs，PFDEs及PCDDs与PBDEs在该谱区中相同振动峰间的最小频差分别为0.67，0.77及0.84 cm-1，皆大于红外光谱常用最小分辨率0.5 cm-1，在该谱区可实现物质间区分。

综合上述结论分析可知，由都为具有高/中等生物毒性的同系物所构成的类别Ⅱ和Ⅳ内各同系物红外光谱相似性极高，在C—O伸缩振动谱曲需借助于具体主峰频率值区分(所得最小频差为0.74 cm-1，高于红外光谱常用最小分辨率)，但恰恰说明其光谱特征比较显著，可作为高/中等生物毒性的光谱特征。其余3个类别则可根据主峰的位置及次峰和主峰间的峰形关系展开辨识。

2.4 高/中等生物毒性红外光谱信息提取

首先对除C—O伸缩振动谱区外另五个谱区做同样的层次聚类(附图1—5)发现，最终所产生的类别中都没有完全由高/中等生物毒性构成的，说明C—O伸缩振动谱区最有利于开展PBDEs的生物毒性光谱研究及特征光谱信息的提取分析。

为了全面且更为细致的掌握PBDEs生物毒性光谱特征，借助主成分分析法对14种具有高/中等生物毒性的PBDEs同系物的红外光谱谱区进行光谱成分提取，共得到13个主成分(特征值>1)，以0.9为因子得分系数限，可以得出各主成分下所涵盖的光谱谱区信息(表6)。

通过表6可知，13个主成分已经涵盖了与14种具有高/中等生物毒性的PBDEs同系物相关的100%的红外光谱信息，同时从各主成分所解释的光谱信息所占百分比可以看出，单一的红外光谱谱区并不能完全解释该物质的毒性信息，必须通过几个代表谱区的信息综合得到该物质是否具有高/中等生物毒性。但这些代表性谱区可能存在同样显著影响低毒性PBDEs同系物的问题，因此需要借助判别分析进一步筛选高/中生物毒性PBDEs同系物所特有的具有决定性的光谱特征。

表6 高/中等生物毒性PBDEs红外光谱的主成分分析

表7为基于14种高/中生物毒性及所选九种低生物毒性PBDEs同系物所得判别分析模型后的判别结果： 九种低生物毒性的同系物的判别正确率为88.9%，表明所建判别模型很好的将不同毒性同系物的红外光谱信息进行了区分；而14种高/中生物毒性的PBDEs同系物的判别正确率为100%，

表明所建模型可以很好的描述PBDEs中高/中等生物毒性的光谱特征信息。具体模型及显著影响PBDEs生物毒性的频值如下所示，其中F函数代表括号内频率值所对应的吸收峰峰强

-logRBA=4.938F[519]-0.18F[636]-1.707F[640]-

1.416F[646]+0.038F[907]+0.573F[936]+

0.089F[1 100]-0.074F[1 327]-0.016F[1 400]-6.468

表7 基于判别分析的辨识结果

3 结 论

针对于在环境中含量最多的9种及具有高/中生物毒性的14种PBDEs同系物展开基于红外光谱分区的辨识研究：

(1)23种PBDEs在三角呼吸振动(961～1 153 cm-1)及C—O伸缩振动谱区(1 153～1 346 cm-1)相似度最差辨识力最强；

(2)三角呼吸振动谱区内吸收峰的数量分布特征可实现23种PBDEs间辨识，辨识用最小频差为3.19 cm-1，大于红外光谱常用最小分辨率0.5 cm-1，但易受PCBs等结构相似物质的红外光谱干扰；

(3)C—O伸缩振动谱区内主吸收峰的位置及峰形特征可实现23种PBDEs间辨识(最小频差为0.74 cm-1)及与PCBs等结构相似物质间辨识(最小频差0.67 cm-1)，不仅可排除相似结构PCBs等物质的光谱干扰，而且易于不同毒性等级间的聚类；

(4)基于主成分及判别分析所构建的判别模型对高/中等及低等生物毒性的PBDEs的判别正确率分别为100%与88.9%，表明所提取的红外光谱信息可实现对PBDEs同系物生物毒性的准确分类预测。

[1] Erickson P R, Grandbois M, Arnold W A, et al. Environ. Sci. Technol., 2012, 46(15): 8174.

[2] JIANG Long, CHENG Bing-chuan, LI Yu(姜 龙，程冰川，李 鱼). Acta Chim. Sinaca(化学学报), 2014, 72(5): 743.

[3] Na S, Kim M, Paek O, et al. Chemosphere, 2013, 90(5): 1736.

[4] JIANG Long, ZENG Ya-ling, CAI Xiao-yu, et al(姜 龙，曾娅玲，蔡啸宇，等). Chinese Journal of Luminescence(发光学报), 2014, 35(5): 628.

[5] Ikonomou M G, Rayne S, Addison R F. Environ. Sci. Technol., 2002, 36(9): 1886.

[6] Nelson C, Drouillard K, Cheng K, et al. Chemosphere, 2015, 118(1): 322.

[7] Hites R A. Environ. Sci. Technol., 2004, 38(4): 945.

[8] Chen D, Hale R C. Environ. Int., 2010, 36(7): 800.

[9] Yu M, Luo X J, Wu J P, et al. Environ. Int., 2009, 35(7): 1090.

[10] Qiu S S, Tan X H, Wu K, et al. Spectrochim. Acta A, 2010, 76(5): 429.

[11] ZHANG Xiu-lan, LUO Xiao-jun, CHEN She-jun, et al(张秀蓝，罗孝俊，陈社军，等). Chinese Journal of Analytical(分析化学), 2009, 37(11): 1577.

[12] Jiang L, Wen J Y, Zeng Y L, et al. Asian Journal of Chemistry，2015, 27(2): 575.

[13] Xu H Y, Zou J W, Yu Q S, et al. Chemosphere, 2007, 66(10): 1998.

[14] JIANG Long, WEN Jing-ya, LI Yu(姜 龙，温静雅，李 鱼). Spectroscopy and Spectral Analysis(光谱学与光谱分析), 2014, 34(5): 1211.

[15] CHENG Yi-yu, CHEN Min-jun, WU Yong-jiang(程翼宇，陈闽军，吴永江). Acta Chim. Sinica(化学学报), 2002, 60(11): 2017.

(Received Jan. 20, 2015; accepted May 19, 2015)

*Corresponding author

Study on Identification of PBDEs and Characteristic Information Extraction of Biological Toxicity Based on Infrared Spectrum Partition

JIANG Long1, 2, LI Yu1*

1. Environmental Research Academy, North China Electric Power University, Beijing 102206, China 2. North China Electric Power Research Institute Co. Ltd., Beijing 100045, China

In this paper, 9 most abundant PBDE congeners in environment and 14 congeners with high/medium biological toxicity were selected as target compounds. Firstly, IR spectra of 23 compounds were divided into 6 spectrum regions based on known vibrational assignment, and their identification abilities for PBDEs were evaluated by using similarity analysis. Then, the spectrum regions with high identification ability relatively have been analyzed to search identification method on the basis of each spectrum characteristic. At last, the principal component analysis and discriminant analysis method were used to extract characteristic spectrum information of congeners with high/medium biological toxicity and establish biological toxicity discriminant model. The triangle breathing vibration region (961～1 153 cm-1) and C—O stretching vibration region (1 153～1 346 cm-1) has been filtered as characteristic IR spectrum regions because of smaller similarity among PBDEs relatively. For the former, the information of vibration peaks distribution can be taken as tool to identification, with the smallest frequency difference of 3.19 cm-1among 23 congeners and bad ability to distinguish PBDEs from dioxin-similar compounds. For the later, the frequency and shape of main peak is as mark and the smallest frequency difference among PBDEs and between PBDEs with dioxin-similar compounds are 0.74 and 0.67 cm-1separately, both larger than the common minimum resolution of IR spectrum 0.5 cm-1, depicting good ability for both inner and outer identification of PBDEs. The established biological toxicity discriminant model via discriminant analysis also have shown well ability to biological toxicity prediction, with accuracy of 100% and 88.9% for high/medium and low biological toxicity relatively, representing the extracted IR spectrum information from congeners with high/medium toxicity can realize the accurate classification of biological toxicity for PBDEs.

Polybrominated diphenyl ethers; IR spectrum; Similarity analysis; Identification; Biological toxicity; Discriminant analysis

2015-01-20，

2015-05-19

国家“十一五”科技支撑项目(2008BAC43B01)，2013中央高校基本科研业务专项资金项目(JB2013146)资助

姜 龙，1988年生，就职于华北电力科学研究院有限责任公司 e-mail： kaveykikiy@163.com *通讯联系人 e-mail： liyuxx@jlu.edu.cn

O657.3

A

10.3964/j.issn.1000-0593(2016)11-3530-06