Headspace SPME GC–MS Analysis of Urinary Volatile Organic Compounds (VOCs) for Classification Under Sample-Limited Conditions

Woyciechowski, Lea; Hiller, Karsten

doi:10.24355/dbbs.084-202510230852-0

Research Data Fri Jan 16 2026 CC BY 4.0

Published

Headspace SPME GC–MS Analysis of Urinary Volatile Organic Compounds (VOCs) for Classification Under Sample-Limited Conditions

Woyciechowski, Lea ; Karsten Hiller

English
German

Background/Objectives: Volatile organic compounds (VOCs) are emerging as non-invasive biomarkers of metabolic and disease-related processes, yet their reliable detection from complex biological matrices such as urine remains analytically challenging. This study aimed to establish a robust, non-targeted headspace solid-phase microextraction gas chromatography–mass spectrometry (HS–SPME GC–MS) workflow optimized for very small-volume urinary samples. Methods: We systematically evaluated the effects of pH adjustment and NaCl addition on VOC extraction efficiency using a 75 µm CAR/PDMS fiber and a sample volume of only 0.75 mL. Method performance was further assessed using concentration-dependent experiments with representative VOC standards and by application to real human urine samples analyzed in technical triplicates. Results: Acidification to pH 3 markedly improved extraction performance, increasing both total signal intensity and the number of detectable VOCs, whereas alkaline conditions and additional NaCl produced only minor effects. Representative VOC standards showed compound-specific linear dynamic ranges with minimal carry-over within the relevant analytical range. Application to real urine samples confirmed high analytical reproducibility, with triplicates clustering tightly in principal component analysis and most metabolites exhibiting relative standard deviations below 25 %. Conclusions: The optimized HS–SPME GC–MS method enables comprehensive, non-targeted urinary VOC profiling from limited sample volumes. This workflow provides a robust analytical foundation for exploratory volatilomics studies under sample-limited conditions and supports subsequent targeted method refinement once specific compounds or chemical classes have been prioritized.

Hintergrund/Zielsetzung: Flüchtige organische Verbindungen (VOCs) gewinnen zunehmend an Bedeutung als nicht-invasive Biomarker für metabolische und krankheitsassoziierte Prozesse. Ihre zuverlässige Detektion aus komplexen biologischen Matrizes wie Urin ist jedoch analytisch anspruchsvoll. Ziel dieser Studie war es, einen robusten, nicht-zielgerichteten Headspace-Solid-Phase-Mikroextraktion-Gaschromatographie–Massenspektrometrie-(HS–SPME-GC–MS)-Workflow zu etablieren, der für sehr kleine Urinvolumina optimiert ist.
Methoden: Der Einfluss von pH-Wert-Einstellung und NaCl-Zugabe auf die VOC-Extraktionseffizienz wurde systematisch untersucht, unter Verwendung einer 75-µm-CAR/PDMS-Faser und eines Probenvolumens von nur 0,75 mL. Die Methodenleistung wurde weiter durch konzentrationsabhängige Experimente mit repräsentativen VOC-Standards sowie durch die Anwendung auf reale menschliche Urinproben, die in technischen Triplikaten analysiert wurden, bewertet.
Ergebnisse: Eine Ansäuerung auf pH 3 verbesserte die Extraktionsleistung deutlich und erhöhte sowohl die Gesamtintensität der Signale als auch die Anzahl der detektierbaren VOCs, während alkalische Bedingungen und zusätzliche NaCl-Zugabe nur geringe Effekte zeigten. Repräsentative VOC-Standards wiesen substanzspezifische lineare dynamische Bereiche mit minimalem Carry-over im relevanten analytischen Bereich auf. Die Anwendung auf reale Urinproben bestätigte eine hohe analytische Reproduzierbarkeit, wobei die Triplikate in der Hauptkomponentenanalyse eng beieinander lagen und die meisten Metabolite relative Standardabweichungen unter 25 % zeigten.
Schlussfolgerungen: Die optimierte HS–SPME-GC–MS-Methode ermöglicht ein umfassendes, nicht-zielgerichtetes VOC-Profiling im Urin aus begrenzten Probenvolumina. Dieser Workflow stellt eine robuste analytische Grundlage für explorative Volatilomik-Studien unter probensparenden Bedingungen dar und unterstützt die anschließende gezielte Methodenverfeinerung, sobald spezifische Verbindungen oder Stoffklassen priorisiert wurden.