基于结构信息的吡啶衍生物对藻菌共生系统中藻类代谢干扰的风险评估研究

《Journal of Hazardous Materials》：Structure-informed risk assessment of algal metabolic disruption by pyridine derivatives in algal-bacterial symbiotic systems

本文提出了一种创新的机制导向筛选框架，通过引入应用比（AR）作为亚致死代谢干扰的功能性终点，结合反向传播神经网络（R2=0.972）和分子模拟技术，揭示了LUMO能量和log?Kow等关键分子描述符对吡啶衍生物毒性的主导作用。该研究为藻菌共生系统（ABSS）在复杂废水环境下的污染物分级管理和风险预警提供了理论依据。

　　

Highlight

通过结构信息风险评估框架，揭示了吡啶衍生物在藻菌共生系统中对藻类代谢的亚致死干扰机制，为废水处理系统的稳定性管理提供新策略。

Descriptor selection and model performance comparison

如图1所示，经过特征筛选后共保留19个分子描述符。这些描述符涵盖三大类：（i）影响疏水性和溶解度的物理化学性质（如log?Kow、沸点），（ii）与生物累积和转化潜力相关的环境行为参数（如log?BCF、TPSA），以及（iii）代表电子结构和反应活性的量子化学描述符（如E_LUMO）。通过比较多元线性回归、支持向量机和反向传播神经网络的性能，发现BPNN模型预测精度最高（R²=0.972），且E_LUMO和log?Kow被识别为最具影响力的预测因子。

Conclusion

本研究开发了一个基于结构信息、机制可解释的框架，用于预测吡啶衍生物在ABSS中对藻类代谢的亚致死干扰。以AR作为功能性终点，基于BPNN的模型实现了高预测精度（R²=0.972），并确定E_LUMO和log?Kow为主导预测因子。对三种代表性化合物的实验验证结果与预测一致，揭示了结构依赖性对光合作用、氧化还原平衡和CYP450活性的影响机制。