多维气相色谱法测定石油中的生物标志物：基础、应用和前景

在石油中生物标志物的化学表征和测定所用的分析方法中，观察到了一些改进。重点放在样品制备和仪器分析上。综合二维气相色谱（GC×GC）通过抑制共洗脱和增加色谱分析过程中的信噪比，可以更好地表征潜在生物标志物，从而获得更准确可靠的质谱。因此，现在可以使用可靠的生物标志物来确定热成熟度、生物降解程度、石油运移评估以及石油周围源岩的年龄。本文综述了石油气相色谱技术的一些基本原理、进展和未来展望。

1.简介

石油或原油主要是化石燃料和不可再生能源。原油的经济重要性以及进行与石油勘探和生产有关的技术改进的必要性，刺激了对石油来源的评估，石油来源控制着其物理性质和化学成分，因此决定了其质量。原油是由20000多种化合物组成的天然复杂混合物，具有不同的元素组成，具有广泛的结构和化学多样性。这些油主要由脂肪烃、芳香烃和许多其他成分组成，这些成分包含具有不同挥发性的杂原子（N、O、S）[1]。

生物标记物（即生物标记物）或化学化石用于确定原油的成熟度及其生物降解程度[1,2]。目前已知的最重要的生物标记物是碳氢化合物[1,3]，但不限于此。例如，生物降解油的成分中几乎没有脂肪族碳氢化合物[1]。这些化合物最初存在于生产石油的有机物质中，能够承受生产过程中的生物降解过程[1-4]。这些生物标志物的抗生物降解性在很大程度上取决于其化学结构。因此，生物标记物的测定用于提取有关原油来源岩中有机质及其沉积条件的信息[1,4-6]。因此，石油化学指纹通常用于确定热成熟度、生物降解程度、石油运移评估以及石油周围源岩的年龄[1-6]。

生物标记物，即类异戊二烯、萜烷和甾烷，用于测定上述地球化学参数[1,4-6]。然而，由于样品的极为复杂的性质，石油的化学表征对分析科学家来说仍然是一项极具挑战性的任务：（i）成分数量非常多，（ii）广泛的结构多样性，（iii）许多化合物是等压的，（iv）往往在痕量中发现重要标记。为了解决这些缺点，色谱技术与质谱联用经常被用于生成石油化学指纹的准确分析图谱。然而，传统色谱技术的使用并未表现出完全解析原油样品中发现的所有分析物所需的峰容量（或所需的理论板数）[1,7-8]。此外，即使使用高效气相色谱柱进行此类分析，也无法显示解析所有分析物所需的必要选择性/溶剂化能力。后者在石化研究中至关重要，许多化合物可能具有相同的沸点，但具有其他不同的物理化学性质；作为替代方案，引入新参数（选择性或极性指数）来分离这些化合物在一维GC中受到系数化。

2.常规气相色谱法

生物标记物的分析通常通过气相色谱法和质谱法（GC-MS）进行，使用高效和热稳定的开放管状毛细管柱（例如，ASTM方法）[1,9]；然而，在实际实验条件下，GC-MS提供的分辨率远小于充分解析可共同洗脱的分析物所需的分辨率，如三环和五环萜烷，或洗脱非常接近的分析物，如异戊二烯类单二和三芳香、三环和五环萜、甾烷和芳香甾烷），在这些情况下，通常需要在样品制备过程中引入额外的程序。该步骤包括将油分馏成饱和烃、芳烃、树脂和沥青质（即SARA分离）[7,8]。感兴趣的生物标记物大多存在于饱和馏分中，因此，只有感兴趣的馏分需要进行GC-MS分析[1]。在GC-MS分析期间，分析物的检测是在全扫描（用于非目标分析）或单离子监测（SIM）模式（用于目标分析）下进行的。在任何一种检测模式下，在精心设计的实验下，都会获得所需的定性信息，并用于为样品的化学表征提供必要的信息。然而，这些方法获得的结果可能会受到共洗脱的危害。例如，一个离子米/z217对应于通过电子电离与甾烷有关的关键片段。然而，其他分子可能在其分馏过程中表现出该离子，并与表现出类似碎片模式的干扰分子共同洗脱（即也表现出米/z217）将导致色谱数据的错误解释[7,8,10]。如果生物标记物的先验知识可用[11]，则可通过探索气相色谱与串联质谱仪（GC-MS）耦合来获得额外的选择性n个). 例如，多反应监测（MRM）实验仅用于目标分析和/或结构解释[1,12,13]。

3.多维气相色谱法（MDGC）

多维分离技术是将两种或两种以上独立的分离技术连接在一起进行分离的强大方法[14]。多维气相色谱（MDGC）技术由两个或多个以顺序方式耦合的独立气相色谱分离（即尺寸）组成[15,16]。实现更高的峰容量（可分离的最大峰数）的首要要求是，所检测的所有GC固定相必须具有不同/互补的溶剂化能力，因此具有不同的选择性[17]。此外，MDGC实验必须设计为至少部分保持在每个维度上实现的分离，以便复合分离的分辨率超过各个阶段的分辨率[16,17]。虽然本节主要局限于MDGC技术在原油化学表征中的应用，但感兴趣的读者可以获得一些描述MDGC基本原理的优秀综述[16,18,19-23]。

使用MDGC技术分析石化样品中的生物标志物，取得了良好的结果[7,8,11,12]。这些技术可以分为非综合方法和综合方法。前者是采用基于阀门或流量控制的微流体装置的令人心动的MDGC技术，后者统称为Deans开关接口[19,20]。在这些实验中，对选定的心形切块（即前一维度洗脱液的分数）进行取样，并转移到另一个GC柱进行额外分离。因此，该系统仅允许整个样品的一部分经历两次或多次GC分离，与第二列的尺寸和采样率无关。尽管这些方法在目标分析中表现出最佳的分析性能，但与综合设置相比，峰值容量的总体增加幅度不大[24]，综合设置建议用于非目标分析或基于发现的方法。

综合MDGC技术是指整个样品或样品的代表性部分经历两次或两次以上GC分离的技术[24-26]。这是通过一个接口来实现的，该接口连续采样，并定期将色谱带转移到另一个维度以进行额外分离。这些界面可以是：（a）基于阀门，通过从第一个色谱柱中快速取样非常窄的部分来实现分析物的聚焦，然而，大约90%的流出物被排出，因此，小于10%的原始注入量的样品被转移到第二个色谱柱，这种调制器不能提供全面的分离，是所有调制器中较少使用的调制器类型[14]，（b）流量控制，该接口也使用气动阀，这里第一维度的流出物积累在一个回路中，然后转移到第二维度，然而，第一个色谱柱可能会损失相当大比例的流出物，此外，该装置还可以提供频带展宽，然而，新的发展是使用第二维度的超快速流动，以避免传输的分析物损失。[14,23]或（c）热调节剂，其中通过热手段（即液氮、二氧化碳或干冰）在厚膜毛细管（调制毛细管）中累积分析物，并通过加热进行再活化，导致峰值变窄和峰值振幅增加，因此该类型调制器的应用更加广泛[14,25]。它们以足够高的采样频率运行，以保持在前一维度中实现的分离。

值得注意的是，如果第一列和第二列中的峰值容量分别为n one和n two峰值，GC-GC系统中的总峰值容量将以算术方式增加n onen个 two峰值（记住，只有一部分一维样品被转移到了二维），而在GC×GC系统中，样品被两个具有不同选择性的色谱柱分离，容量的峰值将以几何级数增加n one×个 two因此，理论上峰值容量的增加远远大于心形切割技术[15]。综合二维气相色谱（GC×GC）由已故的John Phillips教授于1991年提出[27]，被许多分离科学家视为自50年代末GC毛细管柱发展以来色谱领域最大的里程碑。GC×GC最重要的特征之一是存在结构色谱图，其中分析物分子结构和保留坐标之间的关系很容易观察到。例如，当使用GC×GC耦合到带有飞行时间质谱分析仪（GC×GC-TOFMS）的质谱仪分析巴西油样品的饱和部分时，石蜡、三环萜烷、甾烷和藿香烷在色谱图的明确区域洗脱（见图1）。此外，MS的使用为分离提供了额外的维度，并确定了定性分析[14,24,28]。

3.1.通过综合二维气相色谱法测定生物标志物

在原油的常规GC-MS分析中，色谱图在检测器的基线中显示出明显的“驼峰”，该基线由大量共洗脱分析物组成；因此，表现出这种色谱特征的样品称为未溶复杂混合物（UCM），[12]。由于这些化合物的高度异构化，UCM中观察到的共洗脱非常严重，因此无法通过离子监测进行表征，因此，与地球化学演化、石油迁移和生物降解程度相关的信息量大大减少；所有这些都可以提供关键信息，以了解控制地表环境中石油存在的因素。从技术角度来看，除其他目的外，原油的化学特性用于确定其成分，以确定是否有可能削减超稠油，以生产高收入商品（即柴油）。通过GC×GC-TOFMS对超稠油进行分析，可以检测和鉴定藿香烷、多戊烷、石蜡、甾烷和三环萜烷[30]。Frysinger及其同事通过结合从GC×GC-FID和GC-MS分析中获得的定性信息，检查了海洋环境中开发的原油的化学成分[30]。烷基芳烃、含硫芳烃、类异戊二烯、甾烷、三芳甾烷和三萜烷通过质谱分析进行鉴定，并通过在GC×GC中观察到的特征洗脱模式进行确认，其中油的概述有助于识别样品中的族群，这使得计算重要的地球化学参数成为可能，例如生物降解、热成熟和石油运移。由于重要生物标记物（如三环萜和五环萜）之间的共洗脱被删除。[30]. 通过GC×GC-FID分析，原油中已知生物标志物的洗脱模式如图2所示[31]。此外，巴西原油中的重要关键对，即三环萜/五环萜、C30/C30R脱甲基高藿香烷和藿香烷/甾烯的色谱分辨率通过GC×GC-TOFMS进行解析，这些关键对通过常规GC-MS分析进行共洗脱[10]。这也是巴西油中脱甲基三环和四环化合物的第一份报告，该报告允许研究一个新的地球化学参数，这些化合物在成岩作用期间没有形成，表明石油中存在中等程度的生物降解[10]。

用GC×GC-TOFMS分析了海产原油，观察到四种复杂混合物，即UCM、UCM I、UCM II和UCM III thirty-six-C类 forty单-三环类异戊二烯非对映异构体，UCM I型主要表现为未知来源的单-六环烷，UCM II型由C组成 thirty-five-C类 forty源于古代油脂的碳氢化合物。有趣的是，UCM III型的化学成分与UCM I和II相似[12]。

研究了几种色谱技术，即GC-MS、GC×GC-FID和GC×GC-TOFMS，以确定关键石油生物标志物，以确定白垩纪年龄和陆相有机质输入[32]。鉴定了被子植物起源的生物标记物，即羽扇豆苷类、橄榄酸类、18α-橄榄烷和18β-橄榄烷。使用GC×GC-TOFMS评估不同盆地原油的化学成分，以从巴西新储量中提取地球化学信息[11]。鉴定出了几种标记物，包括藿香烷、甾烷、三环萜烷、8,14-seco-hopanes、onocerane、3β-和2α-甲基hopanes以及单芳香和三芳香化合物[11]。在沉积湖环境样品中只检测到3β-甲基霍普烷和一系列onoceranes；而在海洋石油中测定了2α-甲基霍普烷[11,33]。确定了C浓度之间的比率 thirty-one3β-甲氧烷和C thirtyhopane 100 (3βMHC31/H30) can be used to differentiate lacustrine (3βMHC31/H30 > 1) and marine samples (3βMHC31/H30 < 1) [11]. Also, the identification of biomarkers in oils from the upper Magdalene valley basin (Colombia) by GC×GC-TOFMS was jeopardised by the oil’s chemical complexity due to its severe thermal maturity. A chemometric technique, namely multi-way principal component analysis (MPCA), was employed for unsupervised data mining of petroleomic data generated by GC×GC-TOFMS to examine the differences in the oils sampled from several reservoirs [34].

生物降解的程度增加了UCM的复杂性，从而通过GC/MS的峰重叠降低了潜在地球化学信息的可用性，即成熟度和起源。万豪酒店及其同事能够解决几个C one-C类 seven通过GC×GC[35]从海洋、陆地和混合油样品中提取烷基十氢丙烷。然而，由于商业数据库中质谱的可用性有限，许多已解析的分析物可能未被识别。

4.结论和未来展望

在石油中生物标志物的化学表征和测定所用的分析方法中，观察到了一些改进。重点放在样品制备和仪器分析上。GC×GC通过减少共洗脱化合物的数量和增加色谱分析过程中的信噪比，可以更好地表征潜在生物标志物，从而获得更准确可靠的质谱。因此，现在可以使用可靠的生物标志物来确定热成熟度、生物降解程度、石油运移评估以及石油周围源岩的年龄。希望柱技术的改进可以通过提高GC柱的最高允许操作温度，稳定固定相，并制造具有独特选择性的新相（例如离子液体和聚合物离子液体），从而有助于扩大气相色谱技术在石油学中的适用性[14,36]). 此外，GC×GC与高分辨率质谱仪和/或串联质谱仪的联用将改进新生物标记物的结构解释。自然，现代石油学分析系统正在生成复杂而庞大的数据集；因此，预计更新后的数据分析协议（例如化学计量学）将在科学文献中增加。

5.确认

感谢巴西教育部研究生培养机构（CAPES）、国家科学技术发展委员会（CNPq）和圣保罗研究基金会（FAPESP）的资助。