综述：新兴污染物的溯源系统开发：面向有效监管的方法学概述

（编辑推荐）本综述系统探讨了新兴污染物（ECs）的识别、风险评估与溯源技术进展，提出基于"筛查-评估-控制"框架的全生命周期风险管理体系，重点解析了高分辨质谱（HRMS）、非靶向分析（NTA）和机器学习在溯源中的突破性应用，为填补监管空白提供跨学科解决方案。

　　

Abstracts

环境管理领域正面临新兴污染物（ECs）治理的重大挑战。尽管末端处理技术已有深入研究，但大规模应用仍存瓶颈。突破高风险ECs的溯源技术成为关键——本综述创新性地整合机器学习算法与生命周期评估，构建了从分子诊断比率（DR）到同位素指纹（CSIA）的多维溯源体系，为决策者管理数万种ECs提供智能化的"筛查-评估-控制"框架。

Introductions

ECs家族包含持久性有机污染物（POPs）、内分泌干扰物（EDCs）、微塑料（MPs）和抗生素等新近确认风险的化合物。其可怕之处在于：即使痕量暴露也可通过生物累积引发癌症、生殖损伤和免疫抑制。传统监测手段的滞后性使得全球每年新增约千种未受监管的ECs，这催生了溯源技术的革新需求。

Identification of ECs

靶向分析（TA）的局限性催生了非靶向分析（NTA）革命。高分辨质谱（HRMS）结合智能前处理技术，使检测限突破ng/L级。但数据海洋中仅约2%化合物能被准确鉴定——这正是机器学习大显身手的舞台：通过建立碎片离子预测模型，将未知物识别效率提升300%。

Risk Assessment of ECs

美国EPA四步风险评估框架正被动态模型取代。突破性进展体现在：

1. 剂量-效应关系引入量子化学参数
2. 暴露评估整合¹³C同位素示踪
3. 风险表征采用深度学习预测EC₅₀
   特别值得注意的是，微塑料的表面吸附效应可使邻苯二甲酸酯的生物有效性提升40倍。

Traceability of ECs

当前三大溯源支柱技术各具特色：

• 分子诊断比率（DR）擅长区分工业/生活污染源
• 化合物特异性同位素分析（CSIA）可追踪地下水污染历史
• 受体模型能解析区域传输贡献率
  但单独使用任一种方法，溯源准确率均不足65%。

Traceability System Development

提出的智能溯源系统包含三级架构：

1. 筛查层：建立含20万种化合物的质谱数据库
2. 评估层：采用随机森林算法预测优先控制清单
3. 控制层：通过区块链技术实现跨国界污染追踪
   其中机器学习赋能的源解析模块，使多环芳烃的溯源时间从72小时缩短至15分钟。

Challenges & Recommendations

现存三大瓶颈亟待突破：

1. NTA数据处理的"暗物质"问题——约98%质谱信号仍无法解析
2. 混合暴露的协同效应评估缺失
3. 发展中国家监测网络覆盖率不足
   建议开发开源EC云平台，整合全球30个参考实验室数据。

Environmental Implication

建立ECs智能溯源系统将彻底改变游戏规则：

• 使污染责任认定从"可能关联"升级为"确凿证据"
• 预警系统可提前6个月预测抗生素耐药基因传播热点
• 通过同位素指纹库实现塑料污染跨国诉讼取证

这场环境治理革命需要化学家、数据科学家和政策制定者的跨界协同——正如文中强调的："唯有将HRMS的分子侦探能力与AI的预测智慧相结合，才能解开ECs的达芬奇密码。"