近日，我校水利與環境學院張睿課題組在高關注度持久性有機污染物（POPs）溴代二噁英的毒性預測研究方面取得重要進展。該研究基于體外熒光報告基因實驗、分子動力學模擬和機器學習算法等提出了一種可準確定性預測鳥綱物種特異的溴代二噁英類二噁英活性及其種間相對敏感性的廣義線性模型，為優先控制類二噁英化合物的篩查以及在氨基酸水平上揭示其它脊椎動物對類二噁英活性的種間敏感性差異的機制提供了一種新策略。該成果以“Using In Vitro and Machine Learning Approaches to Determine Species-Specific Dioxin-like Potency and Congener-Specific Relative Sensitivity among Birds for Brominated Dioxin Analogues”為題，在環境領域頂級期刊《Environmental Science & Technology》上發表。該研究受到高度評價，被美國化學學會（ACS）推薦為ACS Editors' Choice文章進行亮點報道，并在ACS網站作為頭條新聞展示。ACS每天從所有旗下65種同行評議期刊中選取一篇具有重大科學意義的優秀論文置于ACS主頁上，入選率低于1%。截至2021年11月16日，《Environmental Science & Technology》在2021年共發表了1600余篇論文，入選該項目的論文僅有3篇，入選率低于0.2%。《美國化學會會志》（JACS）主編Peter J. Stang教授指出，編輯推薦的每一篇文章都應包含“使該領域的研究發生范式變革的一些新觀念”（“new concepts that are paradigm-shifting in the field”）。

　　該工作通過鳥綱芳香烴受體熒光報告基因實驗測定了19種溴代二噁英的鳥綱生態風險評價亟需的物種特異的相對毒性效力及化合物特異的鳥綱種間相對敏感性，并通過分子動力學模擬和分子間作用能計算，基于機器學習算法經特征篩選后構建了黑箱預測模型，然后采用樣條近似方法獲得了解釋性更強的廣義線性模型，可實現毒性和敏感性高低的分類預測，且模型預測準確率（大于87%）和普適性（受試者工作特征曲線下面積大于88%）都很高。這些預測模型是基于分子致毒機制構建的，且提取了配體特異、物種特異的芳香烴受體構象信息，并融合了機器學習算法的高預測精度和廣義線性模型可解釋性強的優點。該研究為優先控制類二噁英化合物的篩查以及在氨基酸水平上揭示其它脊椎動物對類二噁英活性的種間敏感性差異的機制提供了一種新策略。另外，該建模過程涉及到芳香烴受體相關的有害結局路徑（AOP），因此該研究還提供了一個案例展示如何利用AOPs來促進用于化學品安全性評價的預測模型的開發。該研究工作得到了國家自然科學基金、山東省自然科學基金等項目的大力支持。

撰稿：于欣艷　　編輯：蔡高偉　　編審：賈海寧