膳食化学物暴露评估中概率模型的应用研究与展望

来自全球的研究人员针对膳食化学物暴露评估难题，创新性地采用概率暴露模型(PEM)开展系统性研究。该研究通过蒙特卡洛模拟和贝叶斯统计方法，量化了食品添加剂、农药残留等化学物的暴露风险，建立了基于生理的药代动力学(PBPK)模型与暴露评估的整合框架，为食品安全风险评估提供了高精度的决策支持工具。

　　

这项突破性研究揭示了概率暴露模型(Probabilistic Exposure Models, PEMs)在膳食化学物风险评估中的革命性应用。通过蒙特卡洛(Monte Carlo)模拟技术，研究人员构建了动态暴露评估框架，可精准量化从食品基质(Food Matrix)到人体的化学物迁移路径。

研究创新性地整合了生理药代动力学(Physiologically Based Pharmacokinetic, PBPK)模型与暴露评估模型，实现了从膳食摄入到靶器官剂量的全链条计算。特别值得注意的是，该方法能处理二阶段采样(Two-stage Sampling)数据，通过贝叶斯统计(Bayesian Statistics)解决了个体间变异(Inter-individual Variability)的难题。

在技术层面，研究采用拉丁超立方抽样(Latin Hypercube Sampling)优化参数空间探索，显著提升了模型运算效率。对于持久性有机污染物(POPs)和内分泌干扰物(EDCs)等特殊化学物，模型还引入了时间加权平均浓度(Time-weighted Average, TWA)算法，确保慢性暴露评估的准确性。

该成果为食品安全监管提供了强有力的科学工具，其构建的暴露边界比(Margin of Exposure, MOE)计算体系，已成功应用于国际食品添加剂联合专家委员会(JECFA)的风险评估实践。研究同时揭示了膳食暴露评估中关键的不确定性来源(Uncertainty Sources)，为未来研究方向提供了重要启示。