《Discover Public Health》：Prioritising substances of concern for monitoring by using knowledge graphs and public datasets
编辑推荐：
空气污染被世界卫生组织（World Health Organisation, WHO）认定为人类健康面临的首要环境威胁，其中室内暴露因其日常性和长期性而尤受关注。欧洲人约有90%的时间在室内度过，室内空气质量（Indoor Air Quality, IAQ）不
空气污染被世界卫生组织（World Health Organisation, WHO）认定为人类健康面临的首要环境威胁，其中室内暴露因其日常性和长期性而尤受关注。欧洲人约有90%的时间在室内度过，室内空气质量（Indoor Air Quality, IAQ）不佳每年导致欧盟约200万伤残调整生命年（disability-adjusted life-years, DALY）损失，弱势群体风险尤其突出。本研究探索将知识图谱（Knowledge Graph, KG）作为决策支持工具，以优先确定室内尘与空气中需关注物质（Substances of Concern, SoC）。研究采用了两种互补方法：自上而下的筛选，即根据既定标准对广泛的物质域进行过滤以识别监测候选物；以及自下而上的表征，即对已监测物质按相同标准进行特征描述。研究人员将公开可用的化学数据整合于KG中，并应用基于危害分类、REACH注册吨位和使用信息的风险导向方法，将超过16000种物质（PlastChem清单）缩减至42种。该工作表明，KG能够有效连接不同数据源，并识别出私人居住环境中尚未监测的已知及新兴SoC。研究还强调，非REACH化学品可能对室内尘化学分析具有显著贡献，而仅凭REACH消费用途数据无法捕捉与住宅室内暴露相关的全部用途。实验表明，建议增加所整合数据源的数量和多样性，以细化化学品监测、风险评估和管理的范围界定。在所识别物质中，主要关切包括生殖毒性和呼吸道刺激，这些危害常与众多消费品相关。研究发现，欧洲化学品管理局（European Chemicals Agency, ECHA）的分类与标签清单（Classification and Labelling Inventory, C&L Inventory）是有用的危险物质库，但建议进一步利用其他健康相关数据进行细化。最后，研究人员讨论了将大语言模型（Large Language Models, LLMs）与KG整合到该框架中，以支持SoC验证的部分自动化，从而提高未来监测与分析效率。
室内环境化学污染监测的优先级排序是保障公共健康的关键环节。世界卫生组织指出，空气污染是最大的环境健康威胁，而欧洲人约90%的时间在室内活动，室内空气质量不佳每年导致欧盟约200万伤残调整生命年损失。室内空气中存在大量来自清洁产品、建材、家具、塑料制品等释放的合成化学品，其种类随市场变化和法规调整不断更新。传统定向监测列表仅覆盖少量已知污染物，可疑筛查和非靶筛查虽能识别更多物质，但成本高昂。因此，需在监测前从庞大化学品库中筛选出最需关注的物质（SoC）。
研究人员开展了一项概念验证研究，利用知识图谱（KG）整合多个公共数据源，对室内尘和空气中的SoC进行优先排序。研究采用自上而下筛选和自下而上表征两种互补方法，最终将PlastChem清单中超过16000种物质缩减至42种，证明了KG在连接异质数据、识别已知和新兴关注物质方面的有效性，并揭示了非REACH化学品对室内尘的重要贡献。
关键技术方法方面，研究人员从ECHA物质说明书、C&L清单、SVHC候选清单、塑料添加剂清单、ICSC、PlastChem数据库、NORMAN粉尘试验清单及ED清单等来源提取数据，以CAS号为主键构建属性图KG。筛选标准包括：特定危害H-短语（至少20%提交通知）、至少一个消费产品类别（CPC）、活跃REACH注册且吨位≥100吨/年、至少出现在一个附加清单中，并按室温蒸汽压划分基质（<10 Pa归入尘埃，10–10000 Pa归入空气）。蒸汽压数据由人工从ECHA和ICSC整理。样本队列来源为NORMAN第二次协作粉尘试验，涵盖2020年欧洲14国75份家庭粉尘样本，约1200种物质。
研究结果如下：
3.1 使用公开化学品数据（Approach 1）：从PlastChem清单出发，应用危害、CPC、吨位标准得到227种，加入附加清单标准后降至66种，最终形成尘埃清单34种和空气清单8种。
3.1.1 尘埃清单（以尘为主要基质）：34种物质中，大多数关联一种优先H-短语。邻苯二甲酸酐（CAS 85-44-9）关联34个CPC，数量最多。16种被识别为SVHC，6种为ED。关注点集中于生殖毒性（12种关联H360/H361）和呼吸道刺激（13种关联H335）。部分物质同时出现在PlastChem、塑料添加剂、NORMAN粉尘和候选清单中，如6,6'-二叔丁基-2,2'-亚甲基二对甲酚（CAS 119-47-1）。
3.1.2 空气清单（以空气为主要基质）：8种物质中，4种为SVHC，5种关联H335。2-二乙氨基乙醇（CAS 100-37-8）关联6个CPC，但未涉及优先文章类别。1,4-二噁烷（CAS 123-91-1）为SVHC且与“直接皮肤接触物品”相关。部分物质已被NORMAN粉尘清单收录。
3.2 对NORMAN粉尘清单的表征（Approach 2）：分析1204种物质，74%在C&L清单中，37%为REACH注册，63%未注册。仅10%具有REACH消费用途（CPC），且多数集中低吨位。61%具有优先危害分类，36%为CMR物质，超过50%有呼吸道危害（H334/H335）。25种为SVHC，12种为确认ED。
讨论部分指出，KG方法支持前瞻性筛选与回顾性表征，形成迭代互补的优先排序框架。然而，REACH消费用途数据不能全面覆盖住宅室内暴露，非REACH领域（如化妆品、农药、生物杀灭剂、药品）贡献显著。C&L清单作为危险物质池具有实用价值，但需补充健康相关数据。蒸汽压单参数分类存在不确定性，未来可采用多参数规则。数据格式不统一、数据质量依赖及FAIR性不足是主要局限。未来可集成大语言模型实现部分自动化验证。
结论翻译：本概念验证案例旨在展示知识图谱（KG）在结合公开化学数据方面，基于危害特征对室内尘和空气两种基质中需关注物质进行范围界定的效用。从超过16000种物质（PlastChem清单）出发，应用多种标准逐步缩小范围，最终得到42种物质。研究结果表明，KG可有效连接包含互补信息的多种数据源，逐步排除定义范围之外的物质，识别室内监测的潜在SoC，包括已在室内尘中检出的高关注物质以及尚未监测的新兴SoC。研究人员发现，生殖毒性和呼吸道刺激这两种关注频繁出现，并与大量消费品和物品相关。分析表明，REACH注册量单独不能代表住宅室内尘中化学物质出现的总体情况，主要由于非REACH领域用途的存在。KG既可实现前瞻性优先排序（发散—收敛），也可实现回顾性表征（收敛—丰富），两者结合形成迭代互促框架。未来需整合更多信息源，如进口物品、产品注册库和非REACH信息，以更好地解释欧洲家庭尘中的化学组成。ECHA的C&L清单是有用的危险物质池，但可进一步结合健康相关信息细化。最后，集成大语言模型可支持对KG识别的目标SoC进行部分自动化验证，提高未来分析的效率和准确性。
