Summary

Determinación de 45 plaguicidas en variedades de aguacate por el método QuEChERS y cromatografía de gases-espectrometría de masas en tándem

Published: December 08, 2023
doi:

Summary

El presente protocolo describe el análisis de residuos de plaguicidas multiclase en variedades de aguacate utilizando el método Qu ick-Easy-Ch eap-E ffective-R ugged-S afe (QuEChERS) con formiato de amonio, seguido de cromatografía de gases-espectrometría de masas en tándem.

Abstract

La espectrometría de masas en tándem (MS/MS) por cromatografía de gases (GC) es un instrumento analítico preeminente ampliamente empleado para la vigilancia de residuos de plaguicidas en los alimentos. Sin embargo, estos métodos son vulnerables a los efectos de matriz (ME), que pueden afectar potencialmente a la cuantificación precisa en función de la combinación específica de analito y matriz. Entre las diversas estrategias para mitigar las EM, la calibración emparejada con matrices representa el enfoque predominante en las aplicaciones de residuos de plaguicidas debido a su rentabilidad y a su sencilla implementación. En este estudio, se analizaron un total de 45 plaguicidas representativos en tres variedades diferentes de aguacate (i.e., Criollo, Hass y Lorena) utilizando el método Qu ick-Easy-Ch eap-E ffective-R ugged-S afe (QuEChERS) con formiato de amonio y GC-MS/MS.

Para ello, se extrajeron 5 g de la muestra de aguacate con 10 mL de acetonitrilo, y luego se añadieron 2,5 g de formiato de amonio para inducir la separación de fases. Posteriormente, el sobrenadante se sometió a un proceso de limpieza mediante extracción dispersiva en fase sólida empleando 150 mg de MgSO4 anhidro, 50 mg de amina primaria-secundaria, 50 mg de octadecisilano, 10 mg de negro de humo grafitizado y 60 mg de un sorbente a base de óxido de circonio (Z-Sep+). El análisis GC-MS/MS se realizó con éxito en menos de 25 minutos. Se llevaron a cabo rigurosos experimentos de validación para evaluar el rendimiento del método. El examen de una curva de calibración emparejada con la matriz para cada variedad de aguacate reveló que la EM se mantuvo relativamente consistente y menos del 20% (considerada como una EM blanda) para la mayoría de las combinaciones de plaguicidas/variedades. Además, los límites de cuantificación del método fueron inferiores a 5 μg/kg para las tres variedades. Por último, los valores de recuperación de la mayoría de los plaguicidas se situaron dentro del rango aceptable del 70-120%, con valores relativos de desviación estándar inferiores al 20%.

Introduction

En el análisis químico, el efecto matriz (ME) se puede definir de varias maneras, pero una definición general ampliamente aceptada es la siguiente: se refiere al cambio en la señal, particularmente un cambio en la pendiente de la curva de calibración cuando la matriz de la muestra o parte de ella está presente durante el análisis de un analito específico. Como aspecto crítico, la EM requiere una investigación exhaustiva durante el proceso de validación de cualquier método analítico, ya que afecta directamente a la precisión de la medición cuantitativa de los analitos objetivo1. Idealmente, un procedimiento de pretratamiento de muestras debe ser lo suficientemente selectivo como para evitar extraer ningún componente de la matriz de la muestra. Sin embargo, a pesar de los importantes esfuerzos, en la mayoría de los casos muchos de estos componentes de la matriz terminan en los sistemas de determinación final. En consecuencia, estos componentes de la matriz a menudo comprometen los valores de recuperación y precisión, introducen ruido adicional y aumentan el costo total y la mano de obra involucrados en el método.

En la cromatografía de gases (GC), la EM surge debido a la presencia de sitios activos dentro del sistema de GC, que interactúan con los analitos objetivo a través de varios mecanismos. Por un lado, los constituyentes de la matriz bloquean o enmascaran estos sitios activos que, de otro modo, interactuarían con los analitos diana, lo que resulta en una mejora frecuente de la señal2. Por otro lado, los sitios activos que permanecen sin obstrucciones pueden causar picos de cola o descomposición del analito debido a interacciones fuertes, lo que conduce a una EM negativa. Sin embargo, esto puede ofrecer beneficios potenciales en ciertos casos2. Es crucial enfatizar que lograr la inercia completa en un sistema de GC es extremadamente desafiante, a pesar de utilizar componentes altamente inertes y un mantenimiento adecuado. Con el uso continuo, la acumulación de componentes de la matriz en el sistema de GC se vuelve más pronunciada, lo que provoca un aumento de la EM. Hoy en día, es ampliamente reconocido que los analitos que contienen oxígeno, nitrógeno, fósforo, azufre y elementos similares, exhiben una mayor EM ya que interactúan fácilmente con estos sitios activos. Por el contrario, los compuestos altamente estables, como los hidrocarburos o los organohalógenos, no experimentan tales interacciones y no muestran EM observable durante el análisis 2,3.

En general, la EM no se puede eliminar por completo, lo que lleva al desarrollo de varias estrategias de compensación o corrección cuando la eliminación completa de los componentes de la matriz no es factible. Entre estas estrategias, se ha documentado en la literatura científica la utilización de patrones internos (IS) deuterados, protectores de analitos, la calibración emparejada por matrices, el método de adición de patrones o la modificación de técnicas de inyección 1,2,4,5. Las directrices SANTE/11312/2021 también han recomendado estas estrategias6.

Con respecto a la aplicación de la calibración emparejada por matrices para compensar las EM, las secuencias de muestras en situaciones prácticas abarcan diversos tipos de alimentos o varias muestras del mismo producto. En este caso, se supone que el empleo de cualquier muestra del mismo producto compensará efectivamente la EM en todas las muestras. Sin embargo, en la literatura existente no existen suficientes estudios que investiguen específicamente esta cuestión7.

La determinación multirresiduo de plaguicidas en matrices que contienen un porcentaje apreciable de grasa y pigmentos constituye una tarea difícil. La considerable cantidad de material coextraído puede afectar significativamente la eficiencia de la extracción e interferir con la determinación cromatográfica posterior, dañando potencialmente la columna, la fuente y el detector, y dando lugar a EM significativas 8,9,10. En consecuencia, el análisis de plaguicidas a niveles de trazas en dichas matrices requiere una reducción significativa de los componentes de la matriz antes del análisis, al tiempo que garantiza altos valores de recuperación7. La obtención de altos valores de recuperación es crucial para garantizar que los análisis de plaguicidas sigan siendo fiables, precisos y cumplan con las normas reglamentarias. Esto es vital para garantizar la inocuidad de los alimentos, la protección del medio ambiente y la toma de decisiones informadas en la agricultura y campos relacionados.

El aguacate es una fruta de alto valor comercial, cultivada en climas tropicales y mediterráneos de todo el mundo y ampliamente consumida tanto en sus regiones de origen como en los numerosos mercados de exportación. Desde el punto de vista analítico, el aguacate es una matriz compleja que contiene un número significativo de ácidos grasos (es decir, oleico, palmítico y linoleico), similar a los frutos secos, un contenido significativo de pigmentos, como en las hojas verdes, así como azúcares y ácidos orgánicos, similares a los que se encuentran en otras frutas11. Debido a su naturaleza grasa, se debe prestar especial atención al emplear cualquier método analítico para el análisis. Si bien el análisis de residuos de plaguicidas en aguacates utilizando GC-MS en algunos casos 8,12,13,14,15,16,17,18,19,20, ha sido relativamente menos frecuente en comparación con otras matrices. En la mayoría de los casos, se ha aplicado una versión del método Qu ick-E asy-Cheap-E ffective-R ugged-S afe (QuEChERS) 8,12,13,14,15,16,17,18. Ninguno de estos estudios ha investigado la consistencia de los EM entre las diferentes variedades de aguacate.

Por lo tanto, el objetivo de este trabajo fue estudiar la consistencia de los MEs y los valores de recuperación de 45 plaguicidas representativos en diferentes variedades de aguacate (i.e., Criollo, Hass y Lorena) utilizando el método QuEChERS con formiato de amonio y GC-MS/MS. Hasta donde sabemos, esta es la primera vez que se realiza este tipo de estudio en muestras de matriz grasa.

Protocol

1. Preparación del stock y de las soluciones de trabajo NOTA: Por razones de seguridad, es recomendable usar guantes de nitrilo, una bata de laboratorio y gafas de seguridad durante todo el protocolo. Prepare soluciones madre individuales de cada uno de los 45 estándares de plaguicidas comerciales (consulte la Tabla de materiales) a aproximadamente 1,000 mg/L en acetonitrilo en matraces aforados de 10 mL. Combine las soluciones madre indi…

Representative Results

Se llevó a cabo una validación exhaustiva del método analítico de acuerdo con las directrices6 de SANTE/11312/2021, que abarcó evaluaciones de linealidad, EM, recuperación y repetibilidad. Para la evaluación de la linealidad, se construyeron curvas de calibración emparejadas con matrices utilizando muestras en blanco enriquecidas a múltiples niveles de concentración (que oscilan entre 5 y 600 μg/kg). Se encontró que los coeficientes de determinación (R…

Discussion

La principal limitación asociada con la calibración emparejada por matrices surge del uso de muestras en blanco como patrones de calibración. Esto conduce a un mayor número de muestras que se deben procesar para el análisis y a una mayor inyección de componentes de la matriz en cada secuencia analítica, lo que puede conducir a mayores demandas de mantenimiento de los instrumentos. Sin embargo, esta estrategia es más adecuada que la adición estándar, que generaría un número mucho mayor de muestras a inyectar d…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Queremos dar las gracias a EAN University y a la Universidad de La Laguna.

Materials

3-Ethoxy-1,2-propanediol Sigma Aldrich 260428-1G
Acetonitrile Merk 1006652500
Ammonium formate Sigma Aldrich 156264-1KG
AOAC 20i/s autosampler Shimadzu 221-723115-58
Automatic shaker MX-T6-PRO SCILOGEX 8.23222E+11
Balance OHAUS PA224
Centrifuge tubes, 15 mL Nest 601002
Centrifuge tubes, 2 mL Eppendorf 4610-1815
Centrifuge tubes, 50 mL Nest 602002
Centrifuge Z206A MERMLE 6019500118
Choper 2L Oster 2114111
Column SH-Rxi-5sil MS, 30 m x 0.25 mm, 0.25 µm Shimadzu 221-75954-30 MS GC column 
Dispensette 5-50 mL BRAND 4600361
DSC-18 Sigma Aldrich 52600-U
D-Sorbitol Sigma Aldrich 240850-5G
Ethyl acetate Merk 1313181212
GCMS-TQ8040  Shimadzu 211552
Graphitized carbon black Sigma Aldrich 57210-U
Injection syringe Shimadzu LC2213461800
L-Gulonic acid γ-lactone Sigma Aldrich 310301-5G
Linner splitless Shimadzu 221-4887-02
Magnesium sulfate anhydrus Sigma Aldrich M7506-2KG
Methanol Panreac 131091.12.12
Milli-Q ultrapure (type 1) water Millipore F4H4783518
Pipette tips 10 – 100 µL Biologix 200010
Pipette tips 100 – 1000 µL Brand 541287
Pipette tips 20 – 200 µL Brand 732028
Pipettes Pasteur NORMAX 5426023
Pippette Transferpette S variabel 10 – 100 µL BRAND 704774
Pippette Transferpette S variabel 100 – 1000 µL BRAND 704780
Pippette Transferpette S variabel 20 – 200 µL SCILOGEX 7.12111E+11
Primary-secondary amine Sigma Aldrich 52738-U
Shikimic acid Sigma Aldrich S5375-1G
Syringe Filter PTFE/L 25 mm, 0.45 µm NORMAX FE2545I
Triphenyl phosphate (QC) Sigma Aldrich 241288-50G
Vials with fused-in insert Sigma Aldrich 29398-U
Z-SEP+ Sigma Aldrich 55299-U zirconium oxide-based sorbent
Pesticides CAS registry number
4,4´-DDD Sigma Aldrich 35486-250MG 72-54-8
4,4´-DDE Sigma Aldrich 35487-100MG 72-55-9
4,4´-DDT Sigma Aldrich 31041-100MG 50-29-3
Alachlor Sigma Aldrich 45316-250MG 15972-60-8
Aldrin Sigma Aldrich 36666-25MG 309-00-2
Atrazine Sigma Aldrich 45330-250MG-R 1912-24-9
Atrazine-d5 (IS) Sigma Aldrich 34053-10MG-R 163165-75-1
Buprofezin Sigma Aldrich 37886-100MG 69327-76-0
Carbofuran Sigma Aldrich 32056-250-MG 1563-66-2
Chlorpropham Sigma Aldrich 45393-250MG 101-21-3
Chlorpyrifos Sigma Aldrich 45395-100MG 2921-88-2
Chlorpyrifos-methyl Sigma Aldrich 45396-250MG 5598-13-0
Deltamethrin Sigma Aldrich 45423-250MG 52918-63-5
Dichloran Sigma Aldrich 45435-250MG 99-30-9
Dichlorvos Sigma Aldrich 45441-250MG 62-73-7
Dieldrin Sigma Aldrich 33491-100MG-R 60-57-1
Diphenylamine Sigma Aldrich 45456-250MG 122-39–4
Endosulfan A Sigma Aldrich 32015-250MG 115-29-7
Endrin Sigma Aldrich 32014-250MG 72-20-8
EPN Sigma Aldrich 36503-100MG 2104-64-5
Esfenvalerate Sigma Aldrich 46277-100MG 66230-04-4
Ethion Sigma Aldrich 45477-250MG 563-12-2
Fenamiphos Sigma Aldrich 45483-250MG 22224-92-6
Fenitrothion Sigma Aldrich 45487-250MG 122-14-5
Fenthion Sigma Aldrich 36552-250MG 55-38-9
Fenvalerate Sigma Aldrich 45495-250MG 51630-58-1
HCB Sigma Aldrich 45522-250MG 118-74-1
Iprodione Sigma Aldrich 36132-100MG 36734-19-7
Lindane Sigma Aldrich 45548-250MG 58-89-9
Malathion Sigma Aldrich 36143-100MG 121-75-5
Metalaxyl Sigma Aldrich 32012-100MG 57837-19-1
Methidathion Sigma Aldrich 36158-100MG 950-37-8
Myclobutanil Sigma Aldrich 34360-100MG 88671-89-0
Oxyfluorfen Sigma Aldrich 35031-100MG 42874-03-3
Parathion-methyl Sigma Aldrich 36187-100MG 298-00-0
Penconazol Sigma Aldrich 36189-100MG 66246-88-6
Pirimiphos-methyl Sigma Aldrich 32058-250MG 29232-93-7
Propiconazole Sigma Aldrich 45642-250MG 60207-90-1
Propoxur Sigma Aldrich 45644-250MG 114-26-1
Propyzamide Sigma Aldrich 45645-250MG 23850-58-5
Pyriproxifen Sigma Aldrich 34174-100MG 95737-68-1
Tolclofos-methyl Sigma Aldrich 31209-250MG 5701804-9
Triadimefon Sigma Aldrich 45693-250MG 43121-43-3
Triflumizole Sigma Aldrich 32611-100MG 68694-11-1
α-HCH Sigma Aldrich 33377-50MG 319-86-8
β-HCH Sigma Aldrich 33376-100MG 319-85-7

References

  1. Raposo, F., Barceló, D. Challenges and strategies of matrix effects using chromatography-mass spectrometry: An overview from research versus regulatory viewpoints. Trends Analyt Chem. 134, 116068 (2021).
  2. Rahman, M. M., Abd El-Aty, A. M., Shim, J. H. Matrix enhancement effect: a blessing or a curse for gas chromatography?-A review. Anal Chim Acta. 801, 14-21 (2013).
  3. Poole, C. F. Matrix-induced response enhancement in pesticide residue analysis by gas chromatography. J Chromatogr A. 1158 (1-2), 241-250 (2007).
  4. Anastassiades, M., Maštovská, K., Lehotay, S. J. Evaluation of analyte protectants to improve gas chromatographic analysis of pesticides. J Chromatogr A. 1015 (1-2), 163-184 (2003).
  5. Trufelli, H., Palma, P., Famiglini, G., Cappiello, A. An overview of matrix effects in liquid chromatography-mass spectrometry. Mass Spectrom Reviews. 30 (3), 491-509 (2011).
  6. European Commission SANTE/11312/2021. Guidance document on analytical quality control and method validation procedures for pesticide residues analysis in food and feed. European Commission. , (2021).
  7. Kwon, H., Lehotay, S. J., Geis-Asteggiante, L. Variability of matrix effects in liquid and gas chromatography-mass spectrometry analysis of pesticide residues after QuEChERS sample preparation of different food crops. J Chromatogr A. 1270, 235-245 (2012).
  8. Lehotay, S. J., Maštovská, K., Yun, S. J. Evaluation of two fast and easy methods for pesticide residue analysis in fatty food matrixes. J AOAC Int. 88 (2), 630-638 (2005).
  9. González-Curbelo, M. &. #. 1. 9. 3. ;., González-Sálamo, J., Varela-Martínez, D. A., Hernández-Borges, J. Analysis of pesticide residues in pollen and dairy products. Sustainable Agriculture Reviews 47. 47, 47-89 (2020).
  10. Madej, K., Kalenik, T. K., Piekoszewski, W. Sample preparation and determination of pesticides in fat-containing foods. Food Chem. 269, 527-541 (2018).
  11. Yanty, N. A. M., Marikkar, J. M. N., Long, K. Effect of varietal differences on composition and thermal characteristics of avocado oil. J Am Oil Chem Soc. 88, 1997-2003 (2011).
  12. Pano-Farias, N. S., Ceballos-Magaña, S. G., Muniz-Valencia, R., Gonzalez, J. Validation and assessment of matrix effect and uncertainty of a gas chromatography coupled to mass spectrometry method for pesticides in papaya and avocado samples. J Food Drug Anal. 25 (3), 501-509 (2017).
  13. Pano-Farias, N. S., Ceballos-Magaña, S. G., Jurado, J. M., Aguayo-Villarreal, I. A., Muñiz-Valencia, R. Analytical method for pesticides in avocado and papaya by means of ultra-high performance liquid chromatography coupled to a triple quadrupole mass detector: Validation and uncertainty assessment. J Food Sci. 83 (8), 2265-2272 (2018).
  14. Pano-Farias, N. S., Ceballos-Magaña, S. G., Gonzalez, J., Jurado, J. M., Muñiz-Valencia, R. Supercritical fluid chromatography with photodiode array detection for pesticide analysis in papaya and avocado samples. J Sep Sci. 38 (7), 1240-1247 (2015).
  15. Lozano, A., Rajski, &. #. 3. 2. 1. ;., Uclés, S., Belmonte-Valles, N., Mezcua, M., Fernández-Alba, A. R. Evaluation of zirconium dioxide-based sorbents to decrease the matrix effect in avocado and almond multiresidue pesticide analysis followed by gas chromatography tandem mass spectrometry. Talanta. 118, 68-83 (2014).
  16. Han, L., Matarrita, J., Sapozhnikova, Y., Lehotay, S. J. Evaluation of a recent product to remove lipids and other matrix co-extractives in the analysis of pesticide residues and environmental contaminants in foods. J Chromatogr A. 1449, 17-29 (2016).
  17. Chamkasem, N., Ollis, L. W., Harmon, T., Lee, S., Mercer, G. Analysis of 136 pesticides in avocado using a modified QuEChERS method with LC-MS/MS and GC-MS/MS. J Agric Food Chem. 61 (10), 2315-2329 (2013).
  18. Rajski, &. #. 3. 2. 1. ;., Lozano, A., Uclés, A., Ferrer, C., Fernández-Alba, A. R. Determination of pesticide residues in high oil vegetal commodities by using various multi-residue methods and clean-ups followed by liquid chromatography tandem mass spectrometry. J Chromatogr A. 1304, 109-120 (2013).
  19. Hernández-Borges, J., Ravelo-Pérez, L. M., Hernández-Suárez, E. M., Carnero, A., Rodríguez-Delgado, M. &. #. 1. 9. 3. ;. Analysis of abamectin residues in avocados by high-performance liquid chromatography with fluorescence detection. J Chromatogr A. 1165 (1-2), 52-57 (2007).
  20. Moreno, J. F., Liébanas, F. A., Frenich, A. G., Vidal, J. M. Evaluation of different sample treatments for determining pesticide residues in fat vegetable matrices like avocado by low-pressure gas chromatography-tandem mass spectrometry. J Chromatogr A. 1111 (1), 97-105 (2006).
  21. . Commission Directive 2002/63/EC of 11 July 2002 establishing Community methods of sampling for the official control of pesticide residues in and on products of plant and animal origin and repealing Directive 79/700/EEC. Official Journal of the European Union. L187, 30-43 (2002).
  22. . European Regulation, 396/2005, Regulation (EC) NO 396/2005 of the European Parliament and of the Council of 23 February 2005 on maximum residue levels of pesticides in or on food and feed of plant and animal origin and amending Council Directive 91/414/EEC. Official Journal of the European Union. L70, 1-16 (2005).
  23. González-Curbelo, M. &. #. 1. 9. 3. ;., Lehotay, S. J., Hernández-Borges, J. Validation of a modified QuEChERS version for high-throughput analysis of a wide range of pesticides in foods. Abstracts of Papers of the American Chemical Society. 246, (2013).
  24. González-Curbelo, M. &. #. 1. 9. 3. ;., Lehotay, S. J., Hernández-Borges, J., Rodríguez Delgado, J. Ammonium formate buffer in QuEChERS for high throughput analysis of pesticides in food by fast, low-pressure GC-MS/MS and LC-MS/MS. Abstracts of Papers of the American Chemical Society. 248, (2014).
  25. González-Curbelo, M. &. #. 1. 9. 3. ;., Lehotay, S. J., Hernández-Borges, J., Rodríguez-Delgado, M. &. #. 1. 9. 3. ;. Use of ammonium formate in QuEChERS for high-throughput analysis of pesticides in food by fast, low-pressure gas chromatography and liquid chromatography tandem mass spectrometry. J Chromatogr A. 1358, 75-84 (2014).
  26. Varela-Martínez, D. A., González-Sálamo, J., González-Curbelo, M. &. #. 1. 9. 3. ;., Quick Hernández-Borges, J. Quick, easy, cheap, effective, rugged, and safe (QuEChERS) extraction. Handbooks in Separation Science. , 399-437 (2020).
  27. González-Curbelo, M. &. #. 1. 9. 3. ;. Analysis of organochlorine pesticides in a soil sample by a modified QuEChERS approach using ammonium formate. J Vis Exp. 191, e64901 (2023).
  28. González-Curbelo, M. &. #. 1. 9. 3. ;., Dionis-Delgado, S., Asensio-Ramos, M., Hernández-Borges, J. Pesticide analysis in toasted barley and chickpea flours. J Sep Sci. 35 (2), 299-307 (2012).
  29. Varela-Martínez, D. A., González-Curbelo, M. &. #. 1. 9. 3. ;., González-Sálamo, J., Hernández-Borges, J. High-throughput analysis of pesticides in minor tropical fruits from Colombia. Food Chem. 280, 221-230 (2019).
  30. Li, L., Li, W., Qin, D. M., Jiang, S. R., Liu, F. M. Application of graphitized carbon black to the QuEChERS method for pesticide multiresidue analysis in spinach. J AOAC Int. 92 (2), 538-547 (2009).

Play Video

Cite This Article
Varela-Martínez, D. A., González-Curbelo, M. Á., González-Sálamo, J., Hernández-Borges, J. Determination of 45 Pesticides in Avocado Varieties by the QuEChERS Method and Gas Chromatography-Tandem Mass Spectrometry. J. Vis. Exp. (202), e66082, doi:10.3791/66082 (2023).

View Video