1 基本概念
1.1 定义与术语
碰撞诱导解离，英文简称 CID，是质谱分析中常见的一类碎裂方法。其基本过程是将待分析离子引入碰撞区域，使其与惰性气体分子发生多次碰撞，逐步获得内能并发生断裂，形成一系列碎片离子。由于该过程以碰撞为主要激发方式，因此常被用于串联质谱中的第二级碎裂步骤。
在术语使用上，CID 有时也被称为碰撞活化解离或碰撞致裂。不同文献和仪器厂商可能采用略有差异的表述，但核心含义基本一致，即通过动能转化引发分子离解。
1.2 技术定位
CID 不是一种独立的检测方式，而是质谱分析流程中的碎裂手段。它通常与离子选择、质量分析和碎片检测配合使用，构成串联质谱的重要环节。通过对母离子进行定向碎裂，CID 可以提供分子结构、序列组成和取代信息，是确认化合物身份的重要技术之一。
在实际应用中，CID 兼具通用性和可操作性，既适用于小分子，也常用于肽类、代谢物及部分有机化合物的分析。因此，它在基础研究和常规检测中都占有重要位置。
1.3 发展背景
CID 的发展与质谱仪器的进步密切相关。早期质谱主要关注分子量测定，随着串联质谱和离子选择技术成熟，人们开始系统利用离子碎裂规律来推断结构。CID 因装置相对成熟、稳定性较高而逐渐成为标准碎裂方式之一。
随着液相色谱、飞行时间分析器和高分辨检测器的发展，CID 的应用范围进一步扩大，尤其在蛋白质组学和代谢组学中形成了成熟的方法体系。如今，它已成为许多实验室最常用的碎裂策略之一。
2 原理与机制
2.1 碰撞激发过程
2.1.1 动能到内能的转化
在碰撞诱导解离中，离子首先被加速到一定动能。当其进入充满惰性气体的碰撞区后，会与气体分子发生碰撞。离子的部分平移动能在碰撞过程中转化为分子内部振动能，随后能量在分子内部重新分配，最终当能量累积到足以克服键能时，分子便发生断裂。
这一过程通常不是瞬时完成，而是经历多次低能量碰撞的逐步“加热”效应。因此，CID 常被视为一种基于振动激发的碎裂机制。
2.1.2 惰性气体的作用
惰性气体在 CID 中的主要作用是提供碰撞对象，同时尽量避免发生化学反应。常见气体包括氩气、氮气和氦气等。它们的选择会影响碰撞效率、能量传递方式以及碎裂谱的表现。
惰性气体不仅起到传递能量的作用，还能通过控制压力和碰撞频率调节碎裂强度。不同气体的分子量、极化率和实验条件都会影响离子获得内能的速度与程度。
2.2 分子碎裂机制
2.2.1 键断裂与重排
离子在获得足够内能后，分子中较弱的化学键往往优先断裂，生成具有特征质量的碎片离子。某些情况下，分子还会发生氢迁移、基团重排或中性小分子脱除，导致碎裂路径较为复杂。
CID 的碎裂规律在许多有机分子和肽段中具有可重复性，因此能够为结构推断提供线索。不过，不同化合物的键能、官能团位置和空间构型不同，碎裂行为也会有所差异。
2.2.2 不同离子类型的碎裂差异
正离子与负离子在 CID 中的表现常不相同。正离子模式下，质子化分子常沿着最容易断裂的键发生碎裂，而负离子模式下，去质子化位点及其稳定性会影响断裂路径。对于多电荷离子，电荷数目和分布还会改变能量承载方式，从而影响碎片类型。
此外，肽类、脂类、糖类和小分子有机物的碎裂模式也不尽相同。不同分子类别通常具有各自较典型的离子系列和中性损失特征。
2.3 碰撞能量控制
2.3.1 低能碰撞
低能 CID 通常指离子在较温和的碰撞条件下进行碎裂。此时离子更倾向于发生选择性断裂，保留较多结构信息，适合肽段测序和常规定性分析。该模式下得到的谱图往往较清晰，便于解释。
低能碰撞在多数三重四极杆和离子阱平台上较为常见，因其对仪器要求相对较低，实验稳定性也较好。
2.3.2 高能碰撞
高能 CID 使用更强的碰撞条件，使离子获得更多内能，产生更广泛的碎裂。它往往能提供更多次级碎片信息，但谱图也可能更复杂。高能条件下，某些分子会产生深度裂解，适合用于获取更丰富的结构细节。
不过，能量过高也可能导致碎裂过度，使目标离子信号减弱，反而不利于谱图解析，因此需要根据样品性质进行平衡设置。
3 仪器与实验条件
3.1 适用的质谱平台
3.1.1 四极杆系统
四极杆系统常与碰撞池组合使用，形成串联质谱平台。其优点在于离子选择和碰撞过程控制较为直接，适合定量分析和目标化合物确认。三重四极杆尤其常用于需要高灵敏度和高重现性的应用场景。
在这类平台上，CID 的操作通常标准化程度较高，便于方法开发和批量检测。
3.1.2 离子阱系统
离子阱可在空间受限区域内捕获离子，并通过辅助气体碰撞实现碎裂。由于离子可以被多次激发，离子阱中的 CID 常能产生较明显的逐级碎裂结果。
该平台在结构解析方面具有一定优势，尤其适合需要多阶段碎裂信息的分析任务。不过，其谱图特征与其他平台相比可能略有不同，解释时需要结合仪器特点。
3.1.3 飞行时间系统
飞行时间质谱常与离子化源及碰撞池联用，形成高通量分析平台。CID 与 TOF 结合后，可以在较短时间内获得碎片谱，适合复杂样品的快速筛查。
在高分辨 TOF 平台上，碎片峰的质量精度较高，有助于提高离子归属的可靠性，也便于后续数据库匹配。
3.2 碰撞池与碰撞气体
3.2.1 常用碰撞气体
CID 常用的碰撞气体包括氩气、氮气、氦气等。氩气因碰撞效率较高而使用广泛，氮气则因成本和仪器兼容性较好而常见，氦气由于质量较轻，常用于特定实验设计。
不同气体对动能传递效率的影响不同，因此同样的加速条件下，碎裂程度可能会出现明显差异。
3.2.2 碰撞池结构
碰撞池通常位于质量分析器之间或离子路径中的特定区域，用于引导离子与气体分子发生碰撞。其结构设计会影响离子的停留时间、碰撞次数以及能量损失方式。
某些碰撞池采用线性离子导引结构，有助于提高离子传输效率；另一些则强调压力和电场均匀性，以获得更稳定的碎裂结果。结构设计越合理，CID 的重复性通常越好。
3.3 实验参数设置
3.3.1 碰撞能量
碰撞能量是 CID 中最关键的参数之一。能量过低时，离子可能只发生轻微激发而不充分碎裂；能量过高则可能导致碎片过多、谱图复杂，甚至使目标信息损失。
实际实验中，通常需要围绕目标分子进行能量梯度优化，以找到兼顾碎裂效率和谱图可读性的条件。
3.3.2 碰撞时间
碰撞时间决定离子在碰撞区内接受激发的持续程度。较长的碰撞时间往往有利于能量积累和碎裂发生，但也可能引入更多非特异性断裂。较短时间则可能保留较完整的母离子信息。
碰撞时间的设定与离子通量、气体压力和仪器结构密切相关，通常需要与能量参数协同调整。
3.3.3 离子质量与电荷态
离子的质量大小和电荷态会直接影响其在 CID 中的碎裂行为。较大分子往往具有更复杂的能量分散路径，而多电荷离子由于电荷分布不同，可能更容易在特定位置发生断裂。
同一分子在不同电荷态下的碎裂谱常不完全相同，因此在分析多电荷体系时，电荷态识别是解释结果的重要前提。
4 谱图特征与数据解析
4.1 碎片离子类型
4.1.1 主碎片峰
主碎片峰是 CID 谱图中最直接反映结构断裂的信号。它们通常对应于母离子在特定化学键断裂后形成的稳定离子片段。对于肽类样品，主碎片峰常表现为一系列具有规律性质量差的离子；对于小分子，则可能对应于侧链断裂、官能团脱除或骨架开裂。
主碎片峰的分布模式是判断分子结构的重要依据，常用于与标准品或数据库谱图进行比对。
4.1.2 中性损失峰
中性损失峰指母离子或碎片离子失去一个中性分子后形成的信号。常见的中性损失包括水、氨、甲醇等小分子。此类峰常提示分子中存在易脱除的官能团或特定结构单元。
在某些化合物中，中性损失峰非常典型，能够直接指示分子的官能团类型或修饰状态，因此在谱图解析中具有重要参考价值。
4.2 谱图判读方法
4.2.1 肽段序列推断
在蛋白质组学中，CID 最常用于肽段序列推断。肽链碎裂后会产生一系列含不同氨基酸残基的碎片离子，通过这些离子的质量差可推测肽序列顺序。对于规则较好的谱图，序列可通过人工推断或软件自动匹配得出。
在实际分析中，还需考虑同位素峰、部分缺失碎片以及电荷状态，以避免误判。
4.2.2 结构信息提取
对于小分子和有机化合物，CID 谱图可提供骨架断裂位置、取代基存在与否以及官能团稳定性等信息。分析时通常结合碎片质量、损失模式和已知化学规律进行综合判断。
当样品结构复杂时，CID 往往不直接给出完整结构，而是通过一组碎裂特征逐步缩小候选范围。
4.3 常见影响因素
4.3.1 分子大小
分子越大，可能的碎裂路径通常越多，谱图也更复杂。大分子往往需要更精细的能量调节，才能在碎裂效率与谱图简洁性之间取得平衡。
对于较小分子，CID 可能更容易产生少数几个强峰，便于观察，但也可能因断裂路径有限而提供的信息较少。
4.3.2 化学结构稳定性
结构稳定的分子通常更难碎裂，需要更高碰撞能量才能得到可用谱图。相反，含有易断裂键、活泼官能团或特殊环系的分子，往往更容易发生有特征性的碎裂。
因此，不同化学骨架的 CID 表现差异明显，这也是方法开发中需要重点考虑的因素。
4.3.3 电荷分布
电荷分布决定了分子中能量聚集的区域，也影响断裂优先发生的位置。若电荷局域在某一官能团附近，该区域附近的键常更容易断裂；若电荷分散，则碎裂路径可能更随机。
在多电荷体系中，电荷迁移和质子竞争还可能改变离子稳定性，使同一分子的谱图出现不同版本。
5 主要应用
5.1 蛋白质组学
5.1.1 肽段定性分析
CID 在蛋白质组学中最常见的用途是肽段定性分析。蛋白质酶解后形成的肽段可通过 CID 产生碎片谱，再与数据库中的理论序列进行匹配，从而完成蛋白鉴定。
这种方法具有通量高、标准化程度高的优点，因此广泛用于复杂生物样品的分析。
5.1.2 翻译后修饰研究
CID 也可用于研究肽段上的翻译后修饰，如磷酸化、乙酰化、糖基化相关片段等。修饰位点往往会改变碎裂规律，甚至出现特征性的中性损失或断裂偏好。
不过，某些修饰在 CID 下容易发生优先脱落，使位点定位变得更具挑战，因此常需结合其他碎裂方法共同分析。
5.2 代谢组学
5.2.1 小分子鉴定
在代谢组学中，CID 常用于未知或半未知小分子的初步鉴定。通过分析母离子及其碎片之间的质量关系，可以判断分子的可能类别、官能团组成和部分骨架特征。
对于缺乏标准品的样品，CID 谱图往往是代谢物注释的重要依据之一。
5.2.2 代谢通路解析
通过对一组相关代谢物的 CID 谱进行比较，可以识别结构相近的化合物及其转化产物，进而推断代谢通路中的连接关系。该方法在代谢变化研究和生物过程追踪中具有较高实用价值。
它常与同位素标记、数据库比对和统计分析配合使用，以提高通路推断的可信度。
5.3 材料与有机分析
5.3.1 合成化合物结构确认
在有机合成和材料研究中，CID 可用于确认目标化合物是否生成，以及其主要结构单元是否符合预期。尤其是在带有可裂解侧链或特殊取代基的分子中，碎片谱可帮助验证合成结果。
对于新化合物，CID 常作为结构表征的一部分，与核磁、红外等方法共同构成证据链。
5.3.2 杂质与降解产物分析
CID 还适用于识别样品中的杂质和降解产物。由于杂质往往与主成分具有部分相似骨架，通过碎片模式可快速判断其来源和差异位置。降解产物则可能表现出缺失官能团或断裂增强的特征。
在质量控制和稳定性研究中，这类用途尤其常见。
6 优点与局限
6.1 技术优势
6.1.1 方法成熟
CID 是发展较早、应用最广的碎裂技术之一，相关仪器、参数和解析流程都已相当成熟。对于常规实验来说，它具有较好的可重复性和方法稳定性。
6.1.2 兼容性强
该技术可与多种质谱平台联用，也能适配不同类型样品。无论是生物大分子还是小分子有机物，CID 都常能提供可用的结构信息，因此兼容性较强。
6.1.3 信息丰富
CID 产生的碎片离子可反映分子骨架、修饰位点和官能团特征，信息密度较高。对于需要同时兼顾定性与确认的分析任务，它具有较高价值。
6.2 局限性
6.2.1 对复杂混合物的解释难度
当样品来源复杂、离子种类繁多时，CID 谱图可能出现峰重叠和碎片混杂，增加解释难度。此时往往需要更高分辨率或更严格的前处理来辅助分析。
6.2.2 某些分子碎裂不充分
部分结构稳定的分子在常规 CID 条件下不易碎裂，导致有效信息不足。若能量设置过保守，可能仅观察到母离子保留而缺少有用碎片。
6.2.3 结构异构体区分有限
CID 对某些结构异构体的区分能力有限。由于异构体可能产生相似甚至几乎相同的碎裂模式，仅依赖 CID 往往难以完全判别，需要结合其他分析手段。
7 与相关技术的比较
7.1 与电子碰撞解离的区别
电子碰撞解离通常通过高能电子轰击离子或分子产生碎裂，更偏向于使分子经历直接电子激发过程。相比之下，CID 主要依赖离子与惰性气体碰撞获得内能，属于更温和、间接的激发方式。
两者在适用对象和碎裂谱特征上存在差异。一般而言，CID 更适合串联质谱中的定向分析，而电子碰撞解离常见于其他特定类型的质谱场景。
7.2 与高能碰撞解离的区别
高能碰撞解离可视为 CID 的一种更强激发版本，但在不同仪器传统中，两者的定义和使用场景并不完全相同。通常所说的 CID 多指低能或中低能碰撞条件，而高能碰撞解离则更强调更大的能量输入和更深度的碎裂。
因此，两者在谱图丰富程度、适用平台和碎裂深度上常有明显区别。
7.3 与其他串联质谱碎裂方法的关系
除 CID 外，串联质谱中还存在多种碎裂方法，如能量相关解离、光诱导解离等。与这些方法相比，CID 的优势在于普及度高、操作简便、适用范围广；不足则在于对某些稳定结构或特殊修饰的解析能力有限。
在实际研究中，CID 常与其他方法互补使用，以获得更完整的结构信息。
8 发展与扩展
8.1 方法优化
8.1.1 新型碰撞池设计
近年来，碰撞池设计不断改进，重点集中在提高离子传输效率、增强能量控制能力和改善碎裂重现性。新型结构有助于减少离子损失，并使碎裂条件更均匀。
8.1.2 能量分配控制
更精细的能量分配控制是 CID 方法优化的重要方向。通过调节电场、压力和停留时间，可使能量更有针对性地作用于目标离子，从而获得更适合解析的碎片谱。
8.2 联用趋势
8.2.1 与液相色谱联用
CID 与液相色谱联用已成为复杂样品分析的常规配置。色谱负责分离混合物，CID 则用于对单个洗脱组分进行结构确认，两者结合能显著提升分析效率和准确性。
8.2.2 与高分辨质谱联用
高分辨质谱的加入使 CID 的碎片峰质量测定更精确，特别适合复杂样品中相近质量离子的区分。高分辨数据还能提高数据库匹配的可靠性，减少误注释。
8.3 自动化与智能解析
8.3.1 谱图数据库
谱图数据库是 CID 应用自动化的重要基础。通过将实验谱图与已知标准谱图进行比对，可以快速完成化合物筛查和结构注释。数据库质量越高，识别效率通常越好。
8.3.2 算法辅助鉴定
随着计算方法的发展，算法辅助鉴定在 CID 数据解析中日益常见。机器学习、规则匹配和碎裂预测模型可帮助识别谱图模式，缩短人工判读时间，并提高大规模数据分析的效率。