基于人体多途径生理毒代动力学模型，通过跨物种和跨途径外推方法确定六溴环十二烷的毒性阈值

《Ecotoxicology and Environmental Safety》：Deriving toxicity thresholds for hexabromocyclododecanes by cross-species and cross-route extrapolations on the basis of a human multiroute physiologically based toxicokinetic model

　　郭天青|曹宏斌|刘思琪|唐一林|孙悦|张睿迪|刘桐
北京师范大学，教育部天然药物工程研究中心，北京100875，中国

**摘要**
六溴环十二烷（HBCD）是一种常见的溴化阻燃剂，主要由三种异构体组成：α-HBCD、β-HBCD和γ-HBCD。目前缺乏基于健康的指导值（HBGVs），这阻碍了与HBCD暴露相关的人类健康风险的评估。本研究的目的是开发一个基于生理学的人体多途径毒代动力学（PBTK）模型，以推导HBGVs。研究内容包括：（1）建立小鼠口服摄入α-HBCD、β-HBCD和γ-HBCD的PBTK模型，随后使用粒子群优化算法进行参数校准并验证；（2）将这些模型外推以制定人体口服摄入模型；（3）结合人体呼吸道（HRT）模型来建立人体多途径PBTK模型。模型的精确度通过标准化均方根误差（NRMSE）进行评估，观察值与模拟值之间的误差为69.0%，59.0%的模拟值落在观察值的两倍误差范围内。随后进行了跨物种和跨途径的外推，以得出生物监测等效值、参考剂量和参考浓度，从而评估HBCD的潜在健康风险。

**1. 引言**
六溴环十二烷（HBCD）是一种广泛使用的溴化阻燃剂，其特点是环境持久性、生物累积性和毒性。HBCD在人体内的平均消除半衰期为64天（Geyer等人，2004年）。商业上，它主要以三种立体异构体的形式存在：α-HBCD、β-HBCD和γ-HBCD（Shi等人，2013a）。这些异构体通过空气、灰尘和食物等多种环境介质暴露后，与不良健康影响有关，包括肝功能损伤、神经行为异常以及生殖和发育障碍（Covaci等人，2006年；Eriksson等人，2006年；Gannon等人，2019年；Germer等人，2006年；Saegusa等人，2009年；van der Ven等人，2006年；Watanabe等人，2010年）。2013年，HBCD被列入《斯德哥尔摩持久性有机污染物公约》附件A，要求缔约国在2021年前逐步淘汰该物质（de Boer等人，1998年；De Wit，2002年）。尽管HBCD已逐步被淘汰，但由于其在环境中的持久性，人们仍面临持续的暴露风险（Canli等人，2024年；Hu等人，2022年；Lu等人，2025年；Pan等人，2025年），即使在某些地区的HBCD浓度没有下降趋势（Drage等人，2020年；Yang等人，2023年）。动态物质流分析预测，中国使用中的HBCD和废弃库存的排放可能会持续到2100年后（L. Li等人，2016年）。美国环境保护署（2021年）报告了美国境内的填埋场释放风险，需要重新评估HBCD的健康风险。

针对特定化学物质的基于健康的指导值（HBGVs），如参考剂量（RfD）和参考浓度（RfC）已被开发并用于判断特定途径的化学暴露是否会导致健康风险。近年来，随着生物监测项目的扩展，提出了生物监测等效值（BE），即生物介质中化学物质或代谢物的浓度对应于这些HBGVs，以便与生物监测数据直接比较，从而评估潜在的健康风险（Hays等人，2007年）。这些内部和外部暴露毒性参数共同构成了现代风险评估的核心支持系统。因此，通过严谨科学的方法推导更准确的BE、RfD和RfC值对于提高人类健康风险评估的准确性、可靠性和应用价值至关重要。对于HBCD，Aylward等人根据欧盟和加拿大卫生部门的各项毒性效应建议的起点（PODs），分别利用经验计算得出了20 mg/kg脂质和10 mg/kg脂质的BE值（Aylward和Hays，2011年）。美国国家研究委员会（USNRC）基于大鼠肝毒性POD推导出了HBCD的RfD（Zeller和Kirsch，1970年），并应用了3000的不确定性因子。随后从RfD外推出RfC（RfD×70 kg/20 m3）（美国国家研究委员会（US）阻燃化学品小组委员会，2000年）。这种RfD依赖于较高的不确定性因子，由于缺乏吸入毒性数据，使用了经验性的途径间（RtR）外推方法将RfD转换为RfC，这引入了进一步的不确定性。这些局限性突显了需要更可靠的替代方法来提高风险评估的准确性。

基于生理学的毒代动力学（PBTK）模型提供了一个计算框架，通过准确模拟化合物在特定暴露途径（例如口服摄入、吸入）下的吸收、分布、代谢和排泄（ADME），来模拟HBCD在人体内的行为（Campbell等人，2017年）。这些模型能够估计不同物种、暴露途径和情景下的体内HBCD暴露剂量（Bartels等人，2012年；Cheeti等人，2013年；Frederick，1995年）。这种方法减少了对传统风险评估方法中经验假设的依赖。因此，PBTK模型可以用于在不同物种和暴露途径之间外推毒性参数，如BE、RfD和RfC（Tang等人，2024年；Thiel等人，2015年）。目前流行的HBCD PBTK模型包括Moreau和Nong（2019年）详细介绍的小鼠和人类的α-HBCD口服摄入模型，以及Emond等人（2025年）报道的三种异构体在小鼠中的口服摄入模型。值得注意的是，缺少整合所有三种HBCD异构体的口服和呼吸道暴露途径的经过验证的PBTK模型。吸入是HBCD的重要暴露途径，证据包括：中国HBCD生产和加工行业的工人面临高水平的内部暴露风险（大约72%的工人可能受到影响）（Yi等人，2016年）；办公室灰尘中的PM结合HBCD造成的环境暴露（Ni和Zeng，2013年）及其相关的健康风险（Abdallah等人，2008年；Lo等人，2023年）。国际放射防护委员会（ICRP）的工作组开发了人体呼吸道（HRT）模型，能够更准确地评估污染物在人体呼吸道中的沉积和分布（国际放射防护委员会，2003年；Valantin，2002年）。将HRT模型与人体口服摄入模型结合，可以开发出能够模拟HBCD多途径暴露的PBTK框架。与单途径模型相比，多途径框架通过整合同时发生的暴露，可以提供更全面的评估，从而减少健康风险的潜在低估，并为评估特定人群或情景提供多功能工具。

本研究的目的是开发一个基于生理学的人体多途径HBCD PBTK模型，作为推导HBGVs的更精确的计算工具。分别构建了小鼠α-HBCD、β-HBCD和γ-HBCD的个体口服摄入PBTK模型，考虑了首过效应和更全面的代谢途径。通过粒子群优化（PSO）算法进行参数校准并验证后，模型被外推到人类。最后，结合HRT模型，开发了人体多途径HBCD暴露PBTK模型。模型验证后，进行了跨物种和跨途径的外推，以得出多种系统毒性效应的HBGVs，从而评估HBCD的潜在健康风险。

**2. 材料与方法**
**2.1. 建立小鼠口服摄入PBTK模型**
**2.1.1. PBTK模型结构**
口服摄入的HBCD的ADME过程包括几个关键步骤。在胃肠道中，一部分HBCD通过粪便排出（Hakk，2016年）。另一部分被肠上皮细胞吸收，然后通过淋巴系统进入全身循环。剩余的HBCD通过门静脉系统输送到肝脏，在那里进行首过代谢（Abdallah等人，2012年）。在肝脏内，HBCD经历代谢反应，包括氧化、还原和水解，这些反应由细胞色素P450酶介导，并可能发生异构化（Wang等人，2021年）。

建立了α-HBCD、β-HBCD和γ-HBCD的小鼠口服摄入PBTK模型。小鼠口服摄入模型的结构如图1所示，主要基于Moreau等人（2019年）建立的框架，但增加了从胃肠道到肝脏的首过效应。与其他研究相比，该模型增加了粪便、尿液和肝脏代谢的几种代谢途径（Emond等人，2025年；Moreau和Nong，2019年）。模型包括胃肠道、脂肪组织、静脉和动脉血液、血脂蛋白、肝脏、快速灌注组织和缓慢灌注组织等 compartments。为了提高模型的准确性，我们加入了代谢物的肝脏滞留和粪便排泄。肠肝循环部分的处理遵循Emond等人（2025年）的结构。每个compartment的详细方程式见表S42。

**2.1.2. 参数校准和模型验证**
PBTK模型参数包括物种特定的生理参数（针对小鼠和人类）、生化参数以及HBCD的物理化学参数。构建小鼠和人类PBTK模型的生理参数，如体重、心输出量、器官血流量和组织体积，源自Brown等人（1997年）的研究。这些参数值在α-HBCD、β-HBCD和γ-HBCD异构体的模型模拟中统一应用。

**表1. 小鼠和人类的生理参数（Brown等人，1997年）**
| 参数 | 描述 | |
|--------------|-----------------------------------------|---------------------------|------------------------|
| BW (kg) | 体重 | 0.027 |
| Qt (L/h) | 心输出量 | 0.275*(BW^0.75) |
| Qfatc | 脂肪血液流量比例 | 0.07 |
| Qlivc | 肝脏血液流量比例 | 0.16 |
| Qsptc | 缓慢灌注组织血液流量比例 | 0.42 |
| Qrptc | 快速灌注组织血液流量比例 | 0.34 |
| Vbc | 血液体积比例 | 0.04 |
| Vblipc | 血脂蛋白体积比例 | 0.02 |
| Vlc | 肝脏体积比例 | 0.05 |
| Vfc | 脂肪组织比例 | 0.07 |
| Vsptc | 缓慢灌注组织比例 | 0.65 |
| Vrptc | 快速灌注组织比例 | 0.15 |

不同HBCD异构体之间的模型参数主要区别在于生化参数和物理化学参数。生化参数，包括最大代谢率和Michaelis-Menten常数，源自Heeb等人（2014年）。对于物理化学参数，HBCD组织血液分配系数的初始值基于Poulin和Haddad的方程式（Poulin和Haddad，2012年）计算，转移系的初始值参考了Moreau等人（2019年）的研究。然后使用PSO算法通过最小化模拟值与观测值之间的差异来校准模型的生化参数和物理化学参数（D. Wang等人，2018年）。用于校准小鼠α-HBCD、β-HBCD和γ-HBCD口服摄入PBTK模型的实验数据来自Szabo等人和Sanders等人进行的一系列研究（Sanders等人，2013年；Szabo等人，2011年；Szabo等人，2010年），详见表S7–S12。PSO配置包括1000个粒子的群体大小，惯性权重（ω=0.3）和加速度常数（φp=0.8，φg=0.5）的不同参数化，以增强粒子向个别历史最优解和全局群体最优解的协同迁移能力，从而降低过早收敛到局部最小值的风险。模拟值与观测值之间的加权均方根误差（RMSE）被定义为目标函数。

完成小鼠口服摄入PBTK模型的参数校准后，使用表S13–S15中的另一组实验数据对其稳定性进行了验证（Sanders等人，2013年；Szabo等人，2011年；Szabo等人，2010年）。此验证步骤评估了模拟曲线是否与实验数据趋势一致，以及模拟值是否在实验值的两倍范围内（Gutting等人，2023年；IPCS，2010年）。

**2.1.3. 敏感性分析**
为了量化模型预测的可靠性并确定关键影响因素，我们进行了敏感性分析。为了评估各种参数对关键药代动力学参数（包括最大质量（Mmax）、最终质量（Mfinal）和曲线下面积（AUC）的影响，采用了局部敏感性分析方法（Nestorov，1999年）。对于α-HBCD、β-HBCD和γ-HBCD，在小鼠的口服摄入PBTK模型中，每个参数依次进行了2%的修改，而所有其他参数保持不变。这使得能够计算出肝脏、血液和脂肪浓度百分比随时间变化的最大吸收浓度（Mmax）、最终浓度（Mfinal）和曲线下面积（AUC）（Emond等人，2025年）。为了量化每个参数对药代动力学参数的影响，计算了灵敏度指数（SI），其定义如下（Felmlee等人，2011年）：SI = (Pi - Bi) / Bi × 2%，其中Pi表示参数i增加2%后的Cmax、Cfinal或AUC值，Bi表示基线条件下的相应值。该指数量化了参数变化对模型输出的相对影响，较高的值表示对药代动力学过程的影响更大。

2.2. 建立人类多途径HBCD PBTK模型
2.2.1. PBTK模型结构和参数
人类口服摄入的α-HBCD、β-HBCD和γ-HBCD模型与小鼠口服摄入PBTK模型的结构是一致的。人类口服摄入PBTK模型的生理参数见表1，其生物化学参数和物理化学参数与小鼠口服摄入PBTK模型校准的参数一致。HBCD吸入后的ADME过程包括通过鼻腔和咽腔进入气管支气管树。吸入的部分HBCD可能沉积在支气管和肺泡表面。呼气和鼻腔清除机制负责消除部分HBCD（Ni和Zeng，2013年）。剩余的HBCD通过膜进入人体血液循环或通过 mucociliary 清除系统进入胃肠道。HBCD也可以通过淋巴系统运输到次级器官，包括淋巴结。最后一步是通过主动运输进入血液和其他体液，确保全身分布（B?ckman等人，2018年；Song等人，2016年）。
为了模拟人类对HBCD的吸入暴露，将呼吸道模型集成到人类口服摄入模型中。这种集成使用了HRT模型（Valantin，2002年），该模型将呼吸系统划分为特定的部分：胸外（ET）、支气管（BB）、细支气管（bb）、肺泡-间质（AI）和淋巴结（LN）。由于缺乏特定物质的测量数据，采用了一个默认的质量中位空气动力学直径（AMAD）为1 μm的HBCD气溶胶值。根据ICRP指南，这个值是环境（非职业）吸入暴露情景的标准假设，代表了空气中污染物的典型可吸入颗粒大小。相比之下，对于职业吸入暴露情景，采用了5 μm的默认值（Valantin，2002年）。有关结构和参数的详细信息，请参见文本S1、表S2–6和图S2–4。
因此构建了人类多途径HBCD PBTK模型，以涵盖九个关键生理部分：人类呼吸道、胃肠道、脂肪、静脉血、动脉血、血脂蛋白、肝脏、快速灌注组织和缓慢灌注组织。该模型考虑了吸入和口服摄入作为暴露途径，并包括肝脏代谢、尿液和粪便排泄以及呼吸气体呼出作为代谢途径，肝脏代谢遵循Michaelis-Menten方程（Srinivasan，2022年）。人类多途径HBCD PBTK模型的结构如图2所示，每个部分的方程详细信息见表S43。

下载：下载高分辨率图片（262KB）
下载：下载全尺寸图片
图2. 人类多途径HBCD PBTK模型结构；黄色框表示吸收途径，蓝色框表示代谢途径，其余框表示各个部分。

2.2.2. 模型验证
根据世界卫生组织（WHO）发布的PBTK模型指南，当模型模拟值在实际观测值的0.5-2倍范围内时，认为模型是有效的（IPCS，2010年）。在我们的模型中，通过输入HBCD的实际口服摄入量和吸入摄入浓度来生成模拟值。观测值是从人群血液样本中测量的HBCD质量。为了确保模型验证的准确性，应从相同的地理地点收集口服摄入量、吸入摄入浓度和测量的血液HBCD质量的数据。鉴于中国的数据完整性更强，使用中国人群数据验证了人类多途径PBTK模型的可靠性。北京人群中的外部和内部暴露的幅度和分布范围与不同国家和地区的现有文献报告的范围相同（Deng等人，2024年；Fromme等人，2016年；Goscinny等人，2011年；Ni和Zeng，2013年；J. Wang等人，2018年），这证明了所选数据集的代表性。
α-HBCD、β-HBCD和γ-HBCD在室内灰尘和食物中的浓度是根据在中国北京测量的数据得出的（J. Wang等人，2018年；Wang等人，2019年），并假设它们遵循正态分布，平均值、标准差和范围详细信息见表S16–S18。北京大气中α-HBCD、β-HBCD和γ-HBCD的平均浓度分别为130 pg/m3、73 pg/m3和410 pg/m3（Hu等人，2011年）。使用北京人群的HBCD口服暴露分布和吸入暴露值，运行PBTK模型至少64天直到达到稳态，然后进行蒙特卡洛模拟以生成模拟血液HBCD质量的概率密度函数。从这个函数中得到了100个样本作为模拟值。北京人群血清中HBCD浓度的平均值、标准差和范围由Shi等人（2013b）提供。这个浓度转换为血液中的HBCD质量，并假设其遵循正态分布。
然后使用标准化均方根误差（NRMSE）来量化观测值和模拟值之间的差异。此外，还计算了模拟值落在观测值两倍和三倍范围内的比例，以评估血液中HBCD质量在观测数据和模拟数据之间的一致性（Zhang等人，2024年）。

2.2.3. 敏感性分析
为了评估各种参数对关键药代动力学指标的影响，进行了局部敏感性分析。在人类多途径HBCD PBTK模型中，每个参数系统地改变了±2%，而所有其他参数保持在其基线值。随后计算了肝脏、血液、脂肪、粪便和尿液的Mmax、Mfinal和曲线下面积（AUC）。此外，确定了每个参数的SI，以量化其对药代动力学特征的影响。

2.3. 毒性参数收集和外推
全面回顾了由欧洲食品安全局（EFSA）（关于食物链污染物的CONTAM小组等，2021年）、美国环境保护署（USEPA，2020年）和国家研究委员会（NRC）（关于阻燃化学品的小组，2000年）发布的关于HBCD风险评估的报告中的国际权威毒理学数据库，特别关注与HBCD已知毒性机制相关的影响以及来自重复小鼠口服摄入实验的数据。选择了USEPA报告中数据质量为“高”或“中”的PODs（PDDs），以确定小鼠口服暴露的相关毒理学参数（USEPA，2020年）。
外推毒理学参数的初始步骤是根据HBCD异构体的比例分配口服摄入的毒理学参数（特别是PDDs）。这些毒理学参数被输入到小鼠口服摄入PBTK模型中，该模型生成了血液中α-HBCD、β-HBCD和γ-HBCD的模拟质量，然后考虑到小鼠的血液体积（0.00098 L），将其转换为浓度。为了将这些小鼠体内暴露浓度外推为等效的人类体内暴露浓度，应用了2.5的毒动力学（TD）不确定性因子。该因子来源于国际化学品安全计划（IPCS）的指南（2010年），该指南建议将默认的种间不确定性因子10分为毒代动力学（TK）和毒动力学（TD）两部分。PBTK模型用于考虑TK差异，因此保留了TD组分（默认值2.5）以解决种间毒动力学反应的差异（国际化学品安全计划，2010年）。
这一默认因子也被联合国粮食及农业组织（FAO）用于霉菌毒素风险评估（联合国粮食及农业组织，2022年）。然后将人类血液中HBCD的模拟浓度转换为质量，考虑到人类血液体积为5.53 L。采用相同的方法，将小鼠脂肪中的HBCD浓度转换为人类体内暴露浓度，从而得到血液和脂肪中的HBCD的BE值。
随后使用人类多途径HBCD PBTK模型来外推人类体内暴露限值RfD和RfC。挑战在于如何将内部负荷分配给口腔和吸入途径。我们使用了一种基于内部暴露贡献率的方法：PBTK模型根据实际口服摄入率和当前空气中的HBCD浓度计算了特定途径对内部负荷的贡献率。然后利用两个暴露途径之间的贡献率比例来分配内部暴露限值，并在多途径暴露的联合情景下通过反向计算最终得到HBCD的RfD和RfC。

2.4. 软件、算法和模型代码
PBTK模型使用Python版本3.10.13开发，常微分方程（ODEs）系统由LSODA求解器求解。本研究在Python中实现了PSO算法，以校准小鼠口服摄入的PBTK模型参数（De Oca等人，2009年）。对于人类多途径HBCD PBTK模型，采用蒙特卡洛技术进行验证，并应用数值优化方法进行剂量反计算。核心算法功能基于SciPy库中的root_scalar函数。

3. 结果和讨论
3.1. 小鼠口服摄入PBTK模型的模拟、校准和敏感性分析
3.1.1. 模型校准和验证
通过PSO算法优化PBTK模型参数，以最小化Szabo等人（2011年）、Szabo等人（2010年）和Sanders等人（2013年）的研究中暴露于3 mg/kg α-HBCD、β-HBCD或γ-HBCD的小鼠的血液浓度百分比模型预测值与观测值之间的差异，模拟持续时间为14天，以与校准数据集的观察期一致。校准后的生物化学参数和物理化学参数的具体值及其含义见表S1。
在将校准后的参数值输入模型后，生成了显示口服给予3 mg/kg α-HBCD、β-HBCD和γ-HBCD的小鼠肝脏、血液、脂肪组织和尿液 compartments中质量百分比分布的时间依赖性模拟曲线。然后将这些曲线与实验数据进行比较，如图3所示。
下载：下载高分辨率图片（444KB）
下载：下载全尺寸图片
图3. 在口服给予3 mg/kg后，小鼠口服摄入PBTK模型中α-HBCD（A, B）、β-HBCD（C, D）和γ-HBCD（E, F）在肝脏、血液、脂肪组织、粪便和尿液 compartments中的模拟质量百分比时间曲线，并与文献中的实验数据进行了比较（Sanders等人，2013年；Szabo等人，2011年；Szabo等人，2010年）。
使用另一组实验数据（Sanders等人，2013年；Szabo等人，2011年；Szabo等人，2010年）在14天的模拟期间系统验证了小鼠口服摄入模型的稳定性，这与验证数据集的观察持续时间相对应。如图S5–7所示，模型成功模拟了小鼠中HBCD浓度的时间轮廓。此外，模型的模拟数据在文献规定的两倍实验值范围内，符合WHO发布的PBTK模型指南中规定的可靠性验证标准（Buist，2010年）。这些验证结果共同证明了模型在暴露评估方面的可靠性。
3.1.2. 敏感性分析
α-HBCD、β-HBCD和γ-HBCD的小鼠口服摄入PBTK模型的SI值显示在图4中，详细的SI值见表S19–27。诸如Pliv（肝脏的分配系数）、Vmax（最大反应速率）和Km（Michaelis常数）等参数在所有模型中表现出相当的敏感性。这一发现表明了肝脏代谢的重要性，这与其他研究一致（Cantón等人，2008年；Wang等人，2021年）。
下载：下载高分辨率图片（383KB）
下载：下载全尺寸图片
图4. α-HBCD、β-HBCD和γ-HBCD的小鼠口服摄入PBTK模型的SI值。垂直轴表示脂肪、肝脏和血液组织的AUC、Mfinal和Mmax的SI值。水平轴列出了接受敏感性分析的参数。颜色渐变表示SI值的范围，区分了正敏感性（用暖色调表示）和负敏感性（用冷色调表示）。颜色的深浅与SI的绝对值成正比，颜色越深表示绝对值越高。某些参数表现出异构体特异性影响：对模型的比较评估显示α-HBCD和γ-HBCD的参数敏感性相似。然而，β-HBCD模型的参数敏感性有所增加，尤其是在各种组织的最终质量方面，表明参数对β-HBCD组织质量动态有显著影响。此外，某些参数表现出组织特异性影响：脂肪组织主要受Pliv、Pdif（脂肪的分配系数）以及转移系数KFD1（从脂蛋白到脂肪）和KFD2（从脂肪到深层脂肪）的影响，这表明HBCD的分布主要受脂质溶解度的影响，与其他研究结果一致（Marvin等人，2011年）。肝脏组织主要受Vliv（肝脏体积）、Pdliv（深层脂肪的分配系数）以及转移系数KLI1（从肝脏到深层脂肪）和KLI2（从深层脂肪到肝脏）的影响。

3.2 人类多途径HBCD PBTK模型的模拟、校准和敏感性分析
3.2.1 模型验证
人类多途径HBCD PBTK模型通过2013年采集的食物、2014年采集的灰尘以及2009年末采集的空气中的HBCD浓度数据（Hu等人，2011年；J. Wang等人，2018年；Wang等人，2019年）和中国北京普通人群的血清HBCD浓度数据（Shi等人，2013b年）进行了验证。这些数据是我们能从同一地点获得的最新测量结果。该模型预测的血液中HBCD质量的平均值±标准差为47.856±24.286 ng，分布范围为3.650–105.152 ng。观测到的血清中HBCD的平均质量为1.77 ng/g lw，标准差为2.03 ng/g lw，检测限（LOD）范围为-7.22 ng/g lw。在该模型中，假设人体重量为70 kg，人体血液体积占体重的7.9%，血清占血液总量的大约55%（Brown等人，1997年）。在非空腹条件下，人体血清中的脂质含量约为0.71%（Phillips等人，1989年）。因此，观测到的血液中HBCD的平均质量为38.223 ng，标准差为43.837 ng，检测限范围为-155.913 ng。使用采样方法将模拟值与观测值进行比较。观测值的随机种子设置为30，而人类多途径PBTK模型中α-HBCD、β-HBCD和γ-HBCD的模拟值的随机种子分别设置为30、31和32。人类多途径HBCD PBTK模型的验证结果如图5所示。观测值与模拟值之间的NRMSE为69.0%。此外，落在观测值2倍和3倍误差范围内的模拟值比例分别为59.0%和77.0%，表明模型的准确性很高。因此，该模型适用于模拟多途径环境暴露和内部剂量反向计算。

下载：下载高分辨率图像（139KB）
下载：下载全尺寸图像
图5. 人类多途径HBCD PBTK模型的验证结果。虚线表示模拟值在误差范围两倍以内的百分比，而虚线表示在误差范围三倍以内的百分比。（A）对中国北京人群中血液中HBCD质量的观测值（x轴）与模拟值（y轴）的整体拟合度评估。（B）中国北京人群中HBCD质量的模拟值与观测值比率图。
上述发现证明了所提出模型结构的可靠性。在此基础上，我们进一步分析了建模方法中的不确定性及其相应的缓解策略。主要不确定性来源包括：（1）由于缺乏有关HBCD异构体之间体内相互作用的数据（Heeb等人，2008年；Koch等人，2015年；B. Li等人，2016年；Okonski等人，2018年），该模型采用了剂量加性假设，这与现有的HBCD PBTK建模研究一致（Emond等人，2025年）。未来的研究应通过体外和体内实验调查异构体之间的协同或拮抗效应，以获得准确的异构体转化数据，从而为异构体特异性动力学建模奠定基础；（2）吸入模块采用了ICRP推荐的默认颗粒大小1 μm AMAD，而实际颗粒大小分布可能会有所不同。ICRP（Valantin，2002年）提供了在不同呼吸道区域中，吸入颗粒AMAD为1 μm或5 μm的参考受试者的沉积分数（表S3）。吸入颗粒AMAD为5 μm的工作者在7小时轻度运动+1小时重度运动条件下的各种呼吸道区域沉积效率有所不同，但最多仅是吸入颗粒AMAD为1 μm的>18岁男性普通人在8小时轻度运动条件下的沉积效率的两倍。未来的工作应通过实地监测获取真实环境中HBCD的特定位置颗粒大小分布数据，以支持多尺寸沉积模拟。（3）该模型使用北京的数据进行了验证，其适用性依赖于假设全球暴露水平相似（Deng等人，2024年；Fromme等人，2016年；Goscinny等人，2011年）。未来的研究应结合多区域队列数据进行交叉验证。

3.2.2 敏感性分析
人类多途径PBTK模型中α-HBCD、β-HBCD和γ-HBCD的SI结果如图6所示，详细的SI值见表S28–36。人类模型的整体敏感性低于小鼠模型。这可以归因于人体较大的组织体积，稀释了参数扰动的影响（Brown等人，1997年），从而降低了敏感性。新添加的HRT模型的所有参数都表现出较低的敏感性，除了AET2（后鼻道、咽部、圆周和口腔沉积比率）。这可能是因为呼吸暴露在总摄入量中所占比例较小（de Wit等人，2012年；Song等人，2016年）。

下载：下载高分辨率图像（310KB）
下载：下载全尺寸图像
图6. 人类多途径PBTK模型中α-HBCD、β-HBCD和γ-HBCD的SI值。垂直轴表示脂肪、肝脏和血液组织的AUC、Mfinal和Mmax的SI值。水平轴列出了接受敏感性分析的参数。颜色渐变表示SI值的范围，区分了正敏感性（用暖色调表示）和负敏感性（用冷色调表示）。颜色的深浅与SI的绝对值成正比，颜色越深表示绝对值越高。某些参数表现出异构体特异性影响：α-HBCD和β-HBCD的模型参数表现出比γ-HBCD更高的整体敏感性。包括转移系数KVU（从肾脏到肾小管）、KVU2（从肾小管到静脉血液）和KVU3（从肾小管到尿液）在内的参数对α-HBCD和β-HBCD的所有组织都表现出高敏感性，而对γ-HBCD的影响相对较小。这些发现强调了泌尿代谢途径在α-HBCD和β-HBCD代谢中的关键作用，这与其他研究结果一致（Hakk，2016年）。此外，某些参数表现出组织特异性影响：转移系数如KBD1（从静脉血液到脂蛋白）和KBD2（从脂蛋白到静脉血液）在脂肪和肝脏组织中表现出较高的敏感性。同样，包括KLD1（从肝脏到脂蛋白）、KLD2（从脂蛋白到肝脏）、KLI1（从肝脏到深层脂肪）和KLI2（从深层脂肪到肝脏）在内的转移系数在肝脏中表现出较高的敏感性。与脂蛋白转移系数相关的参数在肝脏和脂肪组织中的高敏感性表明脂蛋白在人类模型中HBCD分布中起着重要作用。

3.3 毒性参数的外推
3.3.1 通过PBTK模型得出的毒性参数
从USEPA的报告中收集了七组毒性参数（PODs），涵盖了HBCD的主要毒性效应，详见表2。在小鼠的内分泌系统中，观察到甲状腺滤泡和胶质细胞的比率增加（EPA，2020年；Maranghi等人，2013年）。在生殖系统中，小鼠的睾酮水平升高，睾酮/雌激素比率也升高（EPA，2020年；Maranghi等人，2013年）。小鼠的肝脏功能受到影响，甘油三酯、AST（天冬氨酸转氨酶）和ALT（丙氨酸转氨酶）水平升高，同时脂质微泡积聚，组织学检查也显示了这一现象，血清甘油三酯水平下降（Bernhard等人，2016年；EPA，2020年）。小鼠还经历了总体体重增加和相对肝脏重量增加，而脾脏、胸腺和脂肪垫的相对重量下降（Bernhard等人，2016年；EPA，2020年）。对HBCD的神经毒性评估发现纹状体多巴胺转运蛋白和囊泡单胺转运蛋白2的表达减少（EPA，2020年；Genskow等人，2015年）。有关毒性效应的更多信息见表S37。

表2. POD值、小鼠和人体的相应内部暴露质量值以及从人体内部暴露质量得出的∑HBCD的RfD（mg/kg-day）和RfC（mg/m3）的总结。
实验/器官/系统
POD（mg/kg-day）
小鼠血液中的浓度（ng/L）
小鼠脂肪中的浓度（ng/g lipid）
人体血液中的浓度（BEblood）（ng/L）
人体脂肪中的浓度（BEfat）（mg/kg lipid）
基于内部暴露贡献率的方法
RfD（mg/kg-day）
RfC（mg/m3）
①（EPA，2020年；Maranghi等人，2013年）内分泌系统
NOAEL = LOAEL/10 = 19.96.3036e+06
2.4838e+04
2.5214e+06
9.9352e+00
8.2067e+00
1.5486e-01
②（EPA，2020年；Maranghi等人，2013年）生殖系统
NOAEL = LOAEL/10 = 19.96.3036e+06
2.4838e+04
2.5214e+06
9.9352e+00
8.2067e+00
1.5486e-01
③（Bernhard等人，2016年；EPA，2020年）肝脏
NOAEL = 0.1072.4790e+05
1.0163e+03
9.9161e+04
4.0651e-01
2.8675e-02
4.7538e-04
④（Bernhard等人，2016年；EPA，2020年）体重
NOAEL = 0.1072.4790e+05
1.0163e+03
9.9161e+04
4.0651e-01
2.8675e-02
4.7538e-04
⑤（EPA，2020年；Genskow等人，2015年）神经系统
NOAEL = 257.9457e+06
3.1835e+04
3.1783e+06
1.2734e+01
1.3252e+00
3.7128e-02
a 实验①–④中的HBCD喂食期为28天，而实验⑤为30天。
b 在实验③和④中使用了α-HBCD，而其他实验使用了商业HBCD混合物（包含12% α-HBCD、6% β-HBCD和82% γ-HBCD）。
表2和表S38–S39展示了根据小鼠口服摄入PBTK模型计算的小鼠内部暴露质量值。应用了10倍的不确定性因子将最低观察到的不良效应水平（LOAEL）转换为无观察到的不良效应水平（NOAEL）（US EPA，2000年）。此外，使用2.5的不确定性因子（IPCS，2010年），将小鼠血液和脂肪中的HBCD浓度转换为人体内部暴露浓度，从而得出HBCD的BE值。随后使用基于内部暴露贡献率的方法，将人体血液中的浓度BE值反向计算为口服RfD和吸入RfC阈值，直到达到稳态。在此方法的背景下，基线大气环境浓度值被设定为北京大气中α-HBCD、β-HBCD和γ-HBCD的平均浓度，分别为0.13 ng/m3、0.073 ng/m3和0.41 ng/m3（Hu等人，2011年）；基线口服摄入率被设定为北京普通人群的平均摄入率，分别为α-HBCD、β-HBCD和γ-HBCD的6.93 ng/h、1.29 ng/h和4.65 ng/h（J. Wang等人，2018年；Wang等人，2019年）。我们的模型计算的α-HBCD、β-HBCD和γ-HBCD在实际环境水平下的口服摄入内部暴露质量分别为45.3385 ng、0.2179 ng和0.3480 ng。对于实际环境水平下的吸入，我们的模型计算的内部暴露质量分别为0.2577 ng、3.9546E-03 ng和2.0895E-03 ng。因此，α-HBCD、β-HBCD和γ-HBCD这两种暴露途径的贡献率分别为175.9352、55.1和166.547。通过应用这些贡献率从模拟的人体血液中HBCD质量反向计算出异构体特定的RfD和RfC阈值。这些值显示在表S40–S41中。通过使用人类多途径HBCD PBTK模型进行反向计算过程确定的∑HBCD的RfD和RfC值详见表2.3.3.2。与相关机构得出的毒性参数的比较

Aylward和Hays（2011年）根据欧盟和加拿大卫生部的数据，分别推导出HBCD的BE值为20 mg/kg脂质和10 mg/kg脂质，其基于的POD值分别为大鼠肝毒性的22.9 mg/kg天和大鼠生育和发育影响的10 mg/kg天。他们在推导过程中考虑了种间毒代动力学的不确定性因子100.5和种内毒代动力学的不确定性因子100.5。我们在表2中详细列出了基于PBTK模型得出的BE值，这些值与这些估算值存在差异。这种差异源于我们选择的不同POD值，以及我们采用了更加基于生理学原理且准确的建模框架，而不是依赖经验性的不确定性因子。

美国国家研究委员会（NRC）根据大鼠肝毒性的POD值（Zeller和Kirsch，1970年）得出了HBCD的RfD为0.2 mg/kg天，并由此推算出RfC为0.7 mg/m3（美国国家研究委员会阻燃化学品小组委员会，2000年）。在我们的研究中，阈值是通过使用人类多途径HBCD PBTK模型进行逆向计算得出的，RfD（0.028675 mg/kg天）和RfC（0.00047538 mg/m3）的值是根据最低的肝毒性POD值0.107 mg/kg天计算得出的。

我们研究中的RfD和RfC值低于NRC的估算值。这种差异可以归因于以下原因：
- 第一个原因是POD选择的不同。NRC选择的POD值高于我们选择的POD值。NRC使用的是大鼠的毒性数据（Zeller和Kirsch，1970年），而我们选择的POD数据来源于小鼠的毒性研究，据美国环保署（USEPA）（Bernhard等人，2016年；EPA，2020年）报告，这些数据的质量较高。我们选择的POD对应的毒性效应是HBCD对脂肪酸代谢酶功能的影响；而NRC选择的POD对应的毒性效应是HBCD对肝脏绝对重量的影响。我们选择的POD的文献来源（发表于2016年）比NRC引用的文献（1970年发布）更新。
- 第二个原因是从POD值外推到RfD值的过程不同。NRC采用了不确定性系数。我们通过使用开发的基于人体的多途径PBTK模型并优化内部暴露剂量的分配，提高了毒性参数外推的精度。
- 第三个原因是RtR外推方法的不同。NRC采用了经验性的RtR外推方法，该方法基于成人体重（假设为70公斤）和标称的成人呼吸速率（假设为20 m3/天）来推算RfD至RfC（Zeller和Kirsch，1970年）。然而，当同时存在吸入和口服暴露时，这种经验性方法存在一个关键限制：无论是吸入暴露还是口服暴露，其暴露水平都会导致总内部暴露剂量超过基于单一POD得出的目标部位剂量当量。这种增加的内部暴露在最大情况下会使健康风险翻倍，而传统方法在推算RfD和RfC时可能低估了这一风险。

为了解决这一限制并推导出针对联合暴露的RfD和RfC保护值，我们使用了PBTK模型。该模型首先将POD值转换为其对应的内部目标暴露剂量，然后根据预期比例将这个安全的总内部剂量分配给吸入和口服途径。最后，对每个途径的分配剂量进行逆向计算，以得出考虑了同时暴露风险的特定途径RfD和RfC值。此外，PBTK模型还包含了HBCD的ADME过程，从而考虑了其口服暴露后的毒代动力学和吸入暴露后的生理机制（如呼吸道沉积和呼出）（Valantin，2002年）。这提高了对HBCD的口服和吸入暴露的生物学相关量化（Schneckener等人，2020年）。因此，建议使用PBTK模型来确定更精确的HBCD的BE值、RfD和RfC值（IPCS，2010年）。

目前，该模型与使用成年男性数据进行的计算相一致（美国国家研究委员会阻燃化学品小组委员会，2000年）。未来，可以调整模型参数以适应敏感人群，例如老年人或儿童（Breen等人，2022年；Ring等人，2017年）。对于当前关于敏感群体的风险管理，建议根据我们建议的HBGVs进一步使用安全系数。此外，我们正在中国进行实地调查，以收集最新的口服和呼吸道摄入参数，旨在当前HBCD污染水平下推导出HBGVs。

4. 结论

本研究通过加入首过效应和一些代谢过程，改进了现有的HBCD小鼠PBTK模型，并通过整合HRT模型开发了首个针对人类的多途径PBTK模型。这些模型经过全面的模型验证和敏感性分析，证实了它们的实用性和可靠性。通过这些模型，进一步从小鼠POD值进行种间外推和RtR外推，得出了HBVs（包括BEs、RfDs和RfCs）。在内分泌毒性、生殖毒性、肝毒性和体重不良影响中，肝毒性是HBCD暴露最敏感的指标。我们的PBTK模型通过机制模拟明确考虑了毒代动力学差异，从而减少了外推的不确定性。当然，必须强调的是，这些建议的HBGVs的准确性需要通过更多的动物研究或未来的人类流行病学调查来进一步验证。我们的工作可以视为对现有方法的补充。

本研究中的多暴露途径PBTK建模框架及其推导出的HBGVs具有广泛的应用价值：
- 该模型作为一个基础工具，可以与最新的监测数据结合使用，用于评估像HBCD这样的持久性污染物的历史暴露和长期体内负荷衰减趋势；
- 该模型的结构和方法可以为其他结构相似或当前使用的替代溴化阻燃剂（例如十溴二苯乙烯、四溴双酚A衍生物）推导HBGVs提供模板；
- 它们可以支持正在进行的修复工作和已知污染热点的生物监测。

### 贡献声明

- 张瑞迪：研究、数据整理、概念构建
- 刘彤：研究、数据整理
- 孙月：研究、数据整理
- 曹弘斌：撰写 - 审稿与编辑、监督
- 郭天庆：撰写 - 初稿、方法论、研究、正式分析、概念构建
- 刘思琪：研究、数据整理
- 唐怡琳：方法论、研究、数据整理