精准识别关键致毒物是有效开展复合污染水环境的生态风险评价和管控的前提，而生物测试方法的选择直接制约着可识别的致毒物种类。团队前期研究工作中，运用有害结局路径理论指导成组生物测试方法的选择，同时发展仿生萃取和被动加标技术，将污染物致毒机制和生物有效性结合到毒性识别中，并提出了开展基于证据权重和毒性识别的复合污染流域风险评价的基本框架和技术指南。

在此基础上，针对现今大数据科学的蓬勃发展趋势，研究团队近期提出了一种全新的致毒物分类方法（Event driven taxonomy，EDT），用于混合物体系的风险识别和评价，以期突破基于单一化学品风险评价的传统思维，革新复合污染条件下环境/健康/生态风险评价的新理念。该EDT可有效考虑毒性识别过程中致毒机制的影响，在环境胁迫物（不单局限于化学品，也可用于物理或生物等胁迫）与有害结局路径中的分子起始事件之间建立特征向量关系，并以历史文献数据结果和单一环境胁迫物的不良效应数据作为预测变量，实现数据驱动型毒性识别模式的构建。在该框架下，机器学习被用作致毒物分类，结合高通量筛查的组分筛选，用于指导基于生物效应为证据的毒性识别方法。同时，我们认为基于EDT的混合物体系评估框架，可有效解决毒性评价中假设模型单一的问题，同时考虑了浓度加和和独立作用模型，将有效提高复合污染风险评估的准确性。

相关成果近期发表在ES&T、JHM和《科学通报》上。本研究受到水专项子课题（No. 2017ZX07301-005-002）和国家自然科学基金（No. U1901220、No. 41977343）（联合）资助。

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，游静*. 流域水环境复合污染生态风险评估的研究进展。科学通报，2019，64: 3412–3428

    

   论文链接：

   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