環境學院遊靜團隊ES&T：創建大數據背景下毒性識别技術的新理念

發布者：太阳集团1088vip發布時間：2021-04-09浏覽次數：2941

精準識别關鍵緻毒物是有效開展複合污染水環境的生态風險評價和管控的前提，而生物測試方法的選擇直接制約着可識别的緻毒物種類。團隊前期研究工作中，運用有害結局路徑理論指導成組生物測試方法的選擇，同時發展仿生萃取和被動加标技術，将污染物緻毒機制和生物有效性結合到毒性識别中，并提出了開展基于證據權重和毒性識别的複合污染流域風險評價的基本框架和技術指南。

在此基礎上，針對現今大數據科學的蓬勃發展趨勢，研究團隊近期提出了一種全新的緻毒物分類方法（Event driven taxonomy，EDT），用于混合物體系的風險識别和評價，以期突破基于單一化學品風險評價的傳統思維，革新複合污染條件下環境/健康/生态風險評價的新理念。該EDT可有效考慮毒性識别過程中緻毒機制的影響，在環境脅迫物（不單局限于化學品，也可用于物理或生物等脅迫）與有害結局路徑中的分子起始事件之間建立特征向量關系，并以曆史文獻數據結果和單一環境脅迫物的不良效應數據作為預測變量，實現數據驅動型毒性識别模式的構建。在該框架下，機器學習被用作緻毒物分類，結合高通量篩查的組分篩選，用于指導基于生物效應為證據的毒性識别方法。同時，我們認為基于EDT的混合物體系評估框架，可有效解決毒性評價中假設模型單一的問題，同時考慮了濃度加和和獨立作用模型，将有效提高複合污染風險評估的準确性。

  

 

 

相關成果近期發表在ES&T、JHM和《科學通報》上。本研究受到水專項子課題（No. 2017ZX07301-005-002）和國家自然科學基金（No. U1901220、No. 41977343）（聯合）資助。

 

  1. Cheng F., Li H.-Z., Brooks B.W., You J.* Retrospective risk assessment of chemical mixtures in the big data era: An alternative classification strategy to integrate chemical and toxicological data. Environmental Science & Technology, 2020. 54, 5925–5927

  2. Cheng F., Li H.-Z., Ma H.-M., Wu F.-C., Fu Z.-Y., You J.* Identifying bioaccessible suspect toxicants in sediment using adverse outcome pathway directed analysis, Journal of Hazardous Materials, 2020. 389, 121853.

  3. Li H.-Z., Yi X.-Y., Cheng F., Tong Y.-J., Mehler W.T., You J.* Identifying organic toxicants in sediment using effect-directed analysis: a combination of bioaccessibility-based extraction and high-throughput midge toxicity testing, Environmental Science & Technology, 2019, 53, 996–1003

  4. 李慧珍，裴媛媛，遊靜*. 流域水環境複合污染生态風險評估的研究進展。科學通報，2019，64: 3412–3428

     

    論文鍊接：

    https://pubs.acs.org/doi/full/10.1021/acs.est.0c01062

    https://www.sciencedirect.com/science/article/pii/S0304389419318072

    https://pubs.acs.org/doi/abs/10.1021/acs.est.8b05633

    https://www.sciengine.com/publisher/scp/journal/CSB/64/33/10.1360/TB-2019-0129?slug=fulltext