综述：面向纳米材料及纳米赋能产品下一代风险评估的新方法学

《Nano Convergence》：New approach methodologies for next-generation risk assessment of nanomaterials and nano-enabled products

　　

新策略方法学(NAMs)正日益被推广用于无动物纳米安全性评估，但其监管应用仍受限于碎片化的监管标准与纳米材料特有的测试复杂性。本综述系统分析了先进细胞生物学、纳米技术与信息技术融合重塑安全性评价的发展趋势，重点关注全球框架下的监管转化。研究人员首先总结了支撑性技术体系，涵盖先进体外与原代培养系统、类器官、微生理系统(MPS)、高维单细胞多组学、无标记高光谱成像、自动机器学习(AutoML)、生成式人工智能、生理药代动力学(PBK)建模及体外-体内外推(IVIVE)。随后解析了全球监管格局，重点阐述经济合作与发展组织(OECD)协调工作、数据互认体系，以及欧洲、非洲、美洲与亚太区域的区域性进展。核心研究指出，纳米材料NAMs的监管接受不仅需要生物相关性、可重复性及用途场景(Context of Use)定义，还依赖稳健的物理化学表征、暴露控制、剂量测定与数据互操作性。研究人员进一步讨论了制药、化妆品、农用化学品、抗菌剂及环境保护领域的产业实施案例，以此衡量监管就绪度与可扩展性。最后，本文展望了智能NAMs、数字孪生与安全可持续设计(Safe and Sustainable by Design, SSbD)框架的未来发展方向。通过整合技术、监管与实施视角，本综述明确了实现纳米技术领域协调化、机制驱动、人源或靶物种相关下一代风险评估(NGRA)的实施路径。

1 引言

传统毒理学安全性评估范式近一个世纪以来严重依赖脊椎动物实验，当前正经历由科学必要性、伦理关切与经济压力共同驱动的深刻转型。历史评估模式通过观察动物的顶端终点（如体重减轻、器官病理或死亡）预测人类风险，但此类模型的种属特异性生物学差异导致其预测效度备受质疑，不仅造成临床试验高失败率，也难以识别关键的人特异性不良效应。此外，传统动物实验缺乏系统的可复现性验证，近期研究揭示了该领域存在显著的不确定性。为应对上述局限，新策略方法学(NAMs)已成为“21世纪毒理学”的核心支柱。这一转型深受Russell与Burch提出的3R原则（替代、减少、优化）启发，NAMs的发展始终与生成机制性知识、提升可重复性以及弥补传统动物模型缺陷的努力紧密相关。尽管NAMs的应用日益广泛，监管机构、资助机构与科学界对其定义尚未统一。欧洲化学品管理局(ECHA)、欧洲食品安全局(EFSA)、美国环境保护署(EPA)、美国食品药品监督管理局(FDA)及美国国立卫生研究院(NIH)等机构的界定各有侧重，部分强调非动物方法，部分聚焦新型监管决策策略，另一些则更广泛地指向人源或靶物种相关技术。这些技术涵盖体外与原代培养系统、化学分析法、组学技术、计算机模拟模型、生理药代动力学(PBK)建模及体外-体内外推(IVIVE)。集成测试与评估策略(IATA)与不良结局通路(AOP)框架在本综述中被视作整合NAM证据的组织架构，而非独立的NAMs。与传统描述性、回顾性毒理学不同，NAMs强调对人源生物学扰动的机制理解与定量剂量-反应关系估算。OECD的AOP框架通过围绕生物学意义事件组织检测输出，将分子起始事件(MIEs)与可测量的关键事件(KEs)及不良结局(AOs)相关联，有力支撑了NAMs的整合应用。Tox21与ToxCast计划是这一转型的典型代表，而OECD测试指南、IATA与Defined Approaches则推动了监管层面的采纳。当前政策动力持续增强：欧盟2010/63/EU指令立法落实3R原则，欧委会已制定动物实验逐步淘汰路线图，英国发布了替代方法的国家战略，北美与亚洲也在推进类似倡议。因此，NAMs已从辅助工具转变为下一代风险评估(NGRA)的核心组成部分。这种监管动力与平行的技术变革相辅相成。早期NAMs依赖简化的二维(2D)单层培养，生理相关性有限。近期进展源于纳米技术、先进细胞生物学与信息技术的三方融合。细胞生物学进展催生了三维(3D)培养、类器官与微生理系统(MPS)，包括器官芯片模型，能更精准地复现组织结构与动态暴露条件。纳米生物技术通过调控细胞外基质特性、暴露条件并改善高级体外平台的微观结构控制，进一步优化了这些微环境。信息技术则构成了第三极：人工智能(AI)与机器学习(ML)从高维数据集中提取规律，支持定量构效关系(QSAR)与纳米定量构效关系(nano-QSAR)建模，并与PBK建模及AOP框架结合，将体外生物活性转化为机制可解释的、适用于NGRA的输出结果。本综述对纳米技术背景下的NAMs进行了跨学科综合分析，重点聚焦其技术基础、监管转化与产业实施。研究未简单罗列所有NAMs或局限于纳米毒理学，而是关注用于评估纳米材料及纳米技术产品的策略，以及增强高级测试平台的纳米技术工具，将纳米技术、高级体外系统与AI的融合视为下一代预测性安全性评估的关键驱动力。综述深入探讨了支撑这些策略的技术支柱——2D/3D系统、类器官、MPS——以及纳米生物技术如何提升结构保真度、剂量测定与实时监测能力。同时梳理了从经典ML与nano-QSAR到AutoML与大语言模型(LLM)辅助数据提取的计算模拟演进。监管部分涵盖了OECD、欧洲、美洲及亚太地区的全球协调与区域差异，特别关注阻碍学术创新向产业应用转化的标准化缺失、实验室间可重复性不足与数据质量参差等“死亡谷”壁垒。最后，综述将NAMs置于安全可持续设计(SSbD)与数字化转型的宏观范式下，阐述了整合MPS、AI驱动分析与数字孪生理念将如何重塑未来十年的安全性评估。通过桥接技术创新与监管及产业现实，本综述旨在为加速采用人源相关、机制明确且用途场景驱动的安全性评估框架提供战略视角。

2 纳米技术中NAMs的技术支柱：高级生物平台、新型分析技术与计算模拟建模

从传统毒理学向预测性、人源及靶物种相关安全性评估的转型，高度依赖三大融合技术支柱：高级生物测试系统、新型分析技术与计算建模。对于纳米技术而言，这一转型尤为关键，因为纳米材料的危害受其颗粒特性、表面化学性质、团聚、溶解、蛋白冠形成、沉降及递送剂量的显著影响。因此，针对纳米材料的NAMs必须将生物相关模型与稳健的物理化学表征、暴露控制及定量数据解读相结合。

2.1 体外NAMs

体外NAMs提供了受控的实验系统，用于在确定的暴露条件下研究纳米材料-细胞及纳米材料-组织的相互作用。其主要优势在于能够分离特定生物学过程、量化剂量-反应关系，并产生可用于危害识别、分组、交叉参照及NGRA的机制数据。然而，单一体外模型无法涵盖纳米材料行为的全部相关方面，模型选择必须依据监管或科学的用途场景、相关暴露途径、生物学问题及所需的复杂度水平。对于纳米材料，体外数据的解读需特别关注剂量测定。名义浓度常无法反映实际细胞剂量，因为纳米材料可能发生团聚、沉降、与蛋白质结合、与培养基相互作用或干扰检测读数。因此，纳米毒理学中的体外NAMs理想情况下应将生物学终点与投加剂量、递送剂量、颗粒转化及潜在检测干扰的表征相结合。图2展示了本部分讨论的体外NAM平台发展路线图，呈现了纳米技术赋能的平台增强、沿生理相关性与预测力递增的模型谱系，以及这些平台旨在评估的纳米材料-细胞和组织相互作用。

2.1.1 2D、屏障与3D球体体外模型

2D细胞系统是应用最广泛的体外NAM平台，因其简便、经济、可重复且与自动化高通量工作流程兼容。其在纳米毒理学中常用于比较不同物理化学性质（尺寸、表面电荷、涂层、形状、结晶度、溶解行为及化学成分）的材料，典型终点包括细胞活力、膜损伤、氧化应激、炎性介质释放、遗传毒性、线粒体功能障碍及细胞摄取。2D系统在生态毒理学中也具价值，鱼类细胞系等环境相关物种模型有助于减少脊椎动物测试依赖，例如RTgill-W1鱼类细胞系检测法已被采纳为OECD测试指南249用于急性鱼类毒性评估。然而，2D培养缺乏组织架构、细胞外基质(ECM)、生理梯度及顶-基侧极性，可能导致与复杂组织模型中观察到的生物学响应存在差异。在纳米材料研究中，颗粒沉降、团聚、溶解及名义剂量与实际递送剂量的差异进一步增加了结果解读难度。插入式培养系统通过多孔渗透膜实现细胞培养，允许顶-基侧区室化、屏障形成及不同区室的独立取样，是研究肺、皮肤、肠道、血脑屏障(BBB)及胎盘等生物屏障的重要过渡平台。气-液界面(ALI)模型对吸入毒理学尤为重要，可实现气溶胶或颗粒直接向顶面沉积，比浸没式暴露更具生理相关性，前提是需明确沉积效率、递送剂量、气溶胶性质及颗粒转化。3D球体与工程基质系统（如水凝胶或微凝胶）通过引入多细胞组织、细胞间通讯、ECM相互作用及氧/营养梯度，进一步提升了生物学相关性，细胞行为更接近原生组织。这些特征使球体与基质系统不仅适用于研究纳米颗粒穿透、滞留及空间异质性响应，也支持在标准化多细胞环境中评估机制与功能性毒性。利用人诱导多能干细胞(hiPSCs)生成3D球体可应用严格的质量控制体系与基因组工程细胞系，显著提升可重复性与生物学覆盖度。研究表明，纳米颗粒在肿瘤球体中的穿透深度依赖于尺寸、基质密度及细胞堆积方式，较小颗粒可能扩散至球体深层，而较大或强相互作用颗粒常滞留于外周。纳米工程基质与纳米结构支架可通过调节刚度、孔隙率、粘弹性、配体呈递及纳米形貌进一步优化微环境控制。在此背景下，纳米材料兼具双重角色：既可作为改善模型结构的工程工具，也是需要安全性评估的待测物。主要挑战在于平衡提升的生物学相关性与可重复性、可扩展性和标准化需求。表1对比了2D、插入式及3D模型在纳米毒理学中的主要应用与局限。总体而言，2D、插入式及3D球体系统为纳米毒理学提供了互补的复杂度层级，在保持筛选通量的同时产生机制性毒理学信息。简易2D模型在规模化筛选与机制比较中仍具价值，插入式与ALI模型提升了生物屏障暴露的相关性，多细胞球体与工程3D基质增加了组织样结构与空间梯度，同时保持与标准化筛选流程的兼容性。然而，复杂度的提升必须匹配标准化、暴露表征与质量控制的改进，以确保监管与产业的可用性。

2.1.2 类器官与原代模型

类器官较传统2D或球体系统提供了更高层级的生物学复杂度。类器官源自干细胞、祖细胞或肿瘤细胞的自组织3D结构，可重现关键器官架构、细胞异质性与组织特异性功能，在研究器官特异性毒性、慢性响应、代谢依赖性效应、组织重塑及发育毒性方面极具潜力。这些特征使类器官测试系统在既定NAM工作流程中成为跨多靶器官纳米材料危害表征的有力工具。综述一致强调了其在纳米毒理学中的优势，同时也指出物质转运、穿透、蛋白冠形成及细胞类型特异性响应可能与简易体外模型存在显著差异。2D单层培养虽适用于初筛与机制比较，但无法完全捕捉影响纳米颗粒穿透、局部滞留及空间异质性响应的扩散屏障、ECM组织、多细胞架构及细胞类型易感性。静态2D暴露易导致团聚或沉降，使名义投加浓度偏离实际递送的细胞剂量。类器官架构的意义超越生物学复杂度本身，其为评估纳米材料转运、局部滞留及生物学响应提供了组织样环境。因此，类器官能够通过捕捉组织环境依赖性变化（包括相关的蛋白冠演化与颗粒转化）桥接材料表征与生物学响应，并可结合递送剂量与下游生物学响应进行解读。不同类器官系统为器官特异性纳米安全性评估提供了互补机会：肝脏类器官支持代谢相关毒性评估，肺类器官可模拟吸入材料的纤维化与重塑响应，脑类器官有助于识别神经发育效应。然而，类器官通常缺乏成熟的血管化、免疫组分、机械信号及完善的屏障功能。新兴的类组装体(assembloid)策略通过组合不同类器官或类器官与特化细胞类型，进一步拓展了测试系统的能力，有望用于研究肿瘤-基质相互作用、神经免疫或神经血管串扰及屏障-组织通讯，尽管其在纳米材料安全性评估中的应用尚处起步阶段。原代模型如精密切割组织切片、胎盘外植体与组织活检保留了原生组织架构、ECM及驻留细胞群，适用于在原生生物学背景下研究组织水平炎症、纤维化、介质释放及纳米颗粒穿透。其主要局限包括组织来源受限、供体差异、培养窗口期短、制备相关损伤风险及暴露条件可能无法完全复现生理暴露途径。表2总结了类器官与原代模型的关键特征。

2.1.3 器官芯片与微生理系统(MPS)

基于类器官与原代模型，MPS（含器官芯片平台）将生物模型与微流控技术、受控灌注及动态暴露条件相整合。相较于静态培养，这些系统可复现流体流动、剪切应力、氧和营养梯度、机械刺激及组织-组织界面等关键生理特征。对于纳米材料测试，MPS中的流体控制有助于解决纳米毒理学中的核心不确定性——名义剂量与递送剂量的不匹配。静态暴露下，颗粒可能以材料和培养基依赖的方式发生团聚、沉降或沉积于细胞表面，难以反映生理暴露。通过控制流速、停留时间、转运动力学及剪切应力，灌流式MPS可改善递送剂量的解读，并支持颗粒转运、摄取、屏障转位及动态组织响应的评估。目前已开发出针对肝、肾、肺、脑、胎盘、肠道等组织的单器官芯片。屏障芯片模型对纳米毒理学尤为重要，因其允许顶、基侧区室独立灌注，便于研究气-血屏障、肠屏障、血脑屏障及胎盘等界面的转位。多器官系统则通过连接不同器官模块，进一步研究代谢依赖性毒性、继发性介质效应及下游器官响应。尽管潜力巨大，MPS平台仍面临重要实施挑战，包括器件材料吸附（尤其是聚二甲基硅氧烷PDMS）、通量有限、平台间变异、器官区室缩放、共用培养基兼容性及标准化操作流程的需求。针对纳米材料研究，还需考虑颗粒在管路、膜或芯片材料内的吸附或沉积，并需验证流动条件下的颗粒回收率、分散稳定性及暴露谱。对于监管应用，其价值取决于明确定义的用途场景、技术资质、可重复性以及与定量模型的整合。表3总结了与纳米毒理学相关的主要MPS格式。

2.2 NAMs的新型分析技术

先进分析技术对NAMs的实施至关重要，其可产生高维、空间分辨及表型信息丰富的数据集，揭示细胞异质性、时间动态、组织架构及纳米材料-生物学相互作用。在纳米材料应用中，这些平台还需捕获颗粒状态、定位及暴露依赖性转化，并将读板干扰纳入考量，而非仅视为次要实验伪影。本部分讨论互补的分析平台，包括单细胞和空间组学、高通量与高内涵表型成像，以及无标记颗粒检测与定位技术。这些技术共同将纳米材料特异性实验读数与机制解读相连接，支撑AOP导向的数据驱动风险评估与监管决策。

2.2.1 单细胞分辨率的多组学分型平台

对于纳米材料，高分辨率分型至关重要，因为生物响应可能因细胞类型、组织区域及局部暴露微环境的差异（源于颗粒摄取、胞内定位、团聚状态、表面转化及蛋白冠形成的不同）而产生异质性。群体平均读数可能掩盖稀有响应亚群、细胞类型易感性或在机制性危害评估中相关的空间限制性扰动。即使在相同名义暴露条件下，单个细胞的纳米材料关联及下游响应也可能存在差异，使得单细胞分析对于解读异质性纳米材料效应不可或缺。单细胞分子分型技术，包括单细胞RNA测序(scRNA-seq)与质谱流式(CyTOF)，能够识别纳米材料暴露后的稀有亚群、过渡细胞状态及分歧响应轨迹。在类器官与MPS等复杂3D模型中，scRNA-seq可区分细胞谱系，识别敏感或耐药亚群，并绘制可能被群体水平测量掩盖的过渡表型。近期纳米材料相关的scRNA-seq研究进一步支持了该观点，通过解析细胞类型特异性的转录响应，包括损伤与炎症相关特征，而这些特征在批量分析中常被掩盖。CyTOF利用金属标记抗体与时间飞行质谱，可同时定量超过40种细胞参数或蛋白标志物，实现高维蛋白质组学分型，尤其适用于无机纳米材料研究。由于避免了荧光法的光学干扰与淬灭，CyTOF可将信号通路激活（如磷酸化蛋白级联）与细胞类型特异性的纳米颗粒(NP)关联或摄取相关联。对于含金属或金属标记的纳米材料，CyTOF及相关单细胞元素分析方法可在同一细胞中关联颗粒关联与表型、炎症、信号传导及细胞死亡标志物。多项研究共同表明，银纳米颗粒暴露于人免疫细胞揭示了亚群依赖的颗粒关联与应激响应；金纳米颗粒研究则显示蛋白冠形成可改变细胞关联与摄取途径。scRNA-seq与CyTOF共同提供了纳米材料诱导异质细胞群扰动的转录与蛋白层面互补视图。空间分辨技术进一步扩展了这些方法，通过保留分子与细胞响应在组织样NAM平台内的位置背景。空间转录组学、空间蛋白质组学、多重免疫荧光及成像质谱可将纳米材料诱导的扰动定位于特定组织区域、细胞类型或微环境生态位，这对存在暴露梯度和颗粒定位效应的类器官、MPS及屏障模型尤为关键。通过整合单细胞、空间及表型数据流，NAM工作流程可支撑分子起始事件(MIEs)、关键事件(KEs)与不良结局(AOs)的关联，为计算模型与数字孪生提供数据集，并推动AOP锚定的预测毒理学发展。对于监管应用，这些方法需要明确定义的用途场景、标准化的样本制备与标志物组合、统一的数据处理流程、透明的质量控制指标，以及与KEs或AOP假设具有生物学可解释性的关联。

2.2.2 高通量与高内涵分型平台

为解决早期MPS设计通量低的问题，近期进展聚焦于可同时培养数百个类器官的自动化平台。微流控大规模集成(mLSI)芯片与微柱阵列等技术实现了标准化3D类器官或微组织的并行生成与培养，降低了批次间变异，并支撑高通量、高内涵筛选应用。此类平台可通过规模化、多参数的纳米材料毒性筛选，促进NAMs的产业实施。具体实现包括高通量柱上类器官(High-TOP)系统及基于U型柱条带的384孔板平台，利用自动化点样或阵列化柱结构生成标准化3D模型，用于高通量图像表型分析。这些高通量平台的真正潜力在于与先进光学成像技术的整合，后者能以最小扰动或非侵入方式捕获功能动态。互补模态如高内涵荧光成像、共聚焦显微镜、光片显微镜、拉曼成像、光学相干断层扫描及多重活细胞成像，可提供形态、活力、组织架构、屏障完整性及应激响应表型信息。例如，高速数字全息显微镜可监测水生生物测试中的实时相位动态与心率变化，包括大型溞(Daphnia magna)心脏毒性评估。其他团队也开发了针对大型溞心脏读数的自动化方法，涵盖基于ImageJ的高速摄像定量、基于U-Net/Mask R-CNN卷积网络的分割技术及基于DeepLabCut的无标记追踪技术，并已应用于农药与化学物心脏毒性评估。这类成像模态对纳米材料毒性评估尤为宝贵，因其可提供可扩展的功能与表型读数而不扰动生物系统。在生态毒理学的延伸应用中，高速光学成像结合傅里叶频域分析已实现种群水平的大型溞心脏动态监测，通量可达每小时150个体，推动毒理学范式从传统的均值分析转向统计稳健的概率分布分析。大型溞心率作为亚致死终点已在不同纳米材料类别（富勒烯、TiO₂、Ag等金属及金属氧化物纳米颗粒、氧化石墨烯及聚合物纳米塑料）中得到广泛验证，强化了心脏读数在亚致死纳米毒性评估中的普适性。在纳米毒理学背景下，这种高通量光学方法对于捕捉纳米材料-生物学相互作用的随机性至关重要。通过分析心率变异性等参数在大量种群中的分布，研究人员可识别常被小规模研究掩盖的细微毒理学特征。这种从点估计向分布分析的转变为纳米材料评估提供了重要依据，因为纳米材料的生物学效应高度依赖于尺寸、表面化学、表面电荷、团聚状态及递送剂量等理化性质。除大型溞模型外，在毒理学与药理学领域，群体平均终点因掩盖异质性响应者与敏感亚群而受到广泛批评。基于遗传多样性人细胞群的种群规模体外筛选已被专门用于量化个体间毒动学变异，并识别点估计可能遗漏的高敏感亚群。因此，种群分辨的心脏读数契合了NGRA中表征易感亚群的整体监管趋势。此外，高通量光学数据集可为预测毒理学模型提供多参数成像特征，但其早期毒性检测与纳米材料危害谱分类的效用取决于足够大的、源于种群的训练数据集与外部验证。最终，自动化培养平台与高分辨率高速光学分析的整合将提升纳米材料安全性评估的通量、可重复性与可靠性。

2.2.3 无标记暗场高光谱成像平台

前述荧光与组学平台虽提供了前所未有的分子分辨率，但均依赖标记、固定或光学报告基因，这可能扰动纳米材料的理化性质。这对无机纳米材料尤为突出，其常缺乏固有荧光，且表面化学、蛋白冠及团聚状态易受荧光共轭影响。此外，传统活力检测（如XTT、MTT、LDH及ATP法）易受纳米材料光吸收、光散射、催化活性或试剂吸附的干扰，导致假阳性或假阴性细胞毒性读数。无标记增强暗场成像(EDF)通过检测纳米材料固有的光散射信号而非外加报告基团，解决了这些局限。斜射照明下，仅收集样品散射的光，对于等离子体纳米材料，局域表面等离子体共振(LSPR)可放大散射，实现低至约10 nm的单颗粒检测。当EDF与高光谱成像耦合时，形成的增强暗场高光谱成像(EDF-HSI)平台可为每个像素提供完整的可见-近红外散射光谱，通过光谱角度映射或光谱特征拟合，原位区分纳米材料身份、尺寸分布、团聚状态及冠诱导的光谱位移。该技术无需染色、非破坏性，兼容活细胞、组织切片及3D培养系统。多项研究验证了EDF-HSI在NAM工作流程中的价值：研究者利用该技术确认了柠檬酸稳定金纳米颗粒在三种细胞系中的摄取，同时规避了金纳米颗粒对XTT和ATP法活力检测的干扰，实现了摄取与毒性的解耦。另有研究解析了银纳米颗粒散射光谱的冠依赖性位移，并将其与巨噬细胞摄取改变相关联，展示了HSI捕获纳米材料生物特性变化的能力，这是荧光方法难以实现的。EDF-HSI实现的这种无标记摄取-毒性解耦已在多种细胞类型和颗粒化学体系中得到独立复证，包括植物根系中金纳米颗粒摄取与定位的交叉验证、活体人细胞中纳米塑料积累的可视化定量，以及A549细胞中碳量子点的核穿透追踪。研究还将该方法拓展至非等离子体纳米材料，半定量绘制了原生动物对TiO₂、CuO及量子点的摄取，与生态NAMs相关。另有研究应用EDF追踪吸入的多壁碳纳米管(MWCNTs)、CeO₂及柴油尾气颗粒在肺组织切片中的分布，为吸入危害评估提供了体内-体外关联证据。除颗粒定位外，结合等离子体纳米探针的EDF-HSI也已用于定量单细胞分子图谱，并被拓展至病毒纳米颗粒等非等离子体生物纳米结构，凸显了其广泛的适用性。近期研究采用反射暗场显微镜结合时间序列与Z轴堆栈采集，追踪了活体小鼠肝脏类器官中金纳米颗粒的内化，发现传统类器官培养的ECM穹顶可能物理限制纳米颗粒接触，而新型的高通量兼容漂浮类器官平台可解决此偏差。现存挑战包括弱散射聚合物纳米材料的光谱特异性有限、与内源性散射体（囊泡、脂滴）的区分困难，以及支持监管接受所需的参考物质与分析流程标准化。与透射电镜和拉曼光谱的相关联实施，结合计量学驱动的标准化，正逐步解决这些局限，巩固EDF-HSI作为高级NAM平台中互补的纳米材料特异性读数的地位。

2.3 计算模拟NAMs

随着高通量筛选(HTS)与高内涵成像产生海量多维毒理学数据，计算模拟方法在解读危害信号与纳米材料测试优先级排序中的作用日益凸显。计算模拟纳米毒理学已从基于描述符的QSAR模型拓展至AI驱动平台，后者整合理化描述符与生物学数据以预测毒性相关结局。与此同时，PBK模型等机制建模方法提供了关联外部暴露、内部剂量与毒动学行为至风险评估的补充框架。因此，本部分将计算模拟NAMs视为包含数据驱动预测、动力学生物转化与机制通路整合的三层框架。表4概述了纳米毒理学相关的代表性计算模拟NAM平台及其典型格式、关键输出、优势与局限。

2.3.1 数据驱动方法

在该框架下，数据驱动方法通过识别理化与生物学数据集中的预测关系，在纳米安全评价中发挥核心作用。这些方法涵盖基于描述符的纳米定量构效关系(nano-QSAR)与定量纳米结构-活性关系(QNAR)模型、机器学习(ML)、生成式AI及自动化文献挖掘流程，并得到标准化纳米信息学与监管对验证和可解释性期望的支持。在描述符方法端，经典QSAR原理向纳米材料的适配催生了nano-QSAR与QNAR建模，代表了重要的概念与技术演进。不同于可用分子图或SMILES字符串编码的传统小分子，纳米材料需要纳米特异性描述符来捕捉粒径、表面积、表面电荷、形状、结晶度、团聚状态及表面化学等颗粒水平属性。nano-QSAR模型已针对金属氧化物纳米材料的细胞毒性、遗传毒性及炎症潜能等终点开发，其中带隙能、阳离子电荷及比表面积成为跨模型家族反复出现的预测描述符。eNanoMapper等开放获取的本体驱动基础设施支持纳米材料理化与毒理学数据的存储、共享与计算建模，并已与自动化ML工作流程整合用于纳米安全评价。NanoDatabank、在线化学建模环境(OCHEM)及纳米颗粒信息库进一步丰富了纳米信息学生态系统。基于这些标准化的描述符空间，随机森林与支持向量机等ML算法因可解释性及处理结构化描述符-终点数据集的能力，在当前预测毒理学市场占据主导。近期，生成式AI与深度学习架构兴起。生成对抗网络(GANs)等生成式AI能够主动设计具有预设安全特性的新型材料或化合物，推动毒理学从反应性筛选科学向主动性设计科学转变。这些高级模型可分析复杂的多维数据并支持跨多个相关终点的预测，但近期比较研究表明，多任务模型性能在算法与数据集间存在显著差异，凸显了系统基准测试与适目的模型选择的重要性。纳米安全预测建模面临纳米材料数据集极端异质性、数据稀疏性及高维度的严峻挑战，单一纳米形式的细微变异即可导致截然不同的毒理学结局。为普及AI在纳米安全中的应用，自动化机器学习(AutoML)平台应运而生，可自动化模型开发流程，涵盖数据预处理、算法选择与超参数调优。比较研究显示，AutoML生成的模型在纳米毒性预测中常优于传统人工调优的ML模型，提供更高的准确率、精密度与召回率。在纳米技术领域，AutoML的价值在于支持跨高维异质描述符空间的系统模型比较，这些描述符关联材料属性、暴露条件与生物学终点，尤其适用于纳米形式。AutoML降低了模型开发与危害优先级排序的技术门槛，但不能替代专家数据管理、描述符协调、终点一致性、适用性域评估与外部验证。这种平衡对于开发可及、科学透明且预测可靠的工具有着重要意义。鉴于纳米安全数据分散于异构且常非结构化的文献源中，大语言模型(LLMs)与自然语言处理(NLP)框架（如LangChain）正被用于从非结构化文献中提取纳米毒性数据并快速构建高质量数据集，显著加速了训练集开发。然而，对于监管应用，数据驱动模型仍需描述符协调、数据质量保障、适用性域定义、外部验证、不确定性表征、透明文档记录以及尽可能可解释的输出。

2.3.2 PBK模型在纳米材料中的应用

数据驱动模型主要推断描述符-终点关系，而PBK模型则提供了关联外部暴露与内部剂量所需的动力学生物转化层，这对监管毒理学至关重要。PBK模型最初为药物应用开发，后拓展至化学物风险评估（主要针对小分子），相关方法也探索用于大分子。然而，将PBK模型拓展至纳米材料面临独特且复杂的挑战，因为纳米材料涵盖可溶性/可降解形式至难溶/持久性固体颗粒的广谱范围。纳米材料的生物行为受表面涂层、初级粒径、化学成分及团聚动力学等因素影响，进而影响蛋白冠形成、生物利用度及生物分布。因此，纳米材料体内处置建模需要超越经典PBK框架的特殊适配。PBK建模应纳入的关键纳米材料特异性过程包括吞噬摄取（显著影响肺、脾、肝的生物分布）及缓慢非线性清除动力学（可导致长期组织滞留）。此外，动态团聚可改变颗粒尺寸、表面积、形态及有效密度，且这种改变具有器官特异性（如受pH影响）。这些建模挑战因毒动学研究的基础局限而加剧。据报道，血浆毒动学常仅在少数时间点测量，阻碍了最大血浆浓度的稳健估算。体外系统显示的投加剂量与递送细胞剂量间可相差达六个数量级，这源于纳米材料团聚、沉降与扩散。若未妥善处理，这种差异可能直接传递至模型预测并损害IVIVE的可靠性。综合来看，这些因素使得PBK建模在监管NAM工作流程中尤为重要，其为体外生物活性、递送剂量与人相关暴露指标之间提供了定量的桥梁。

2.3.3 从毒理基因组学到AOPs：整合多组学以实现机制性危害解读

传统毒理学评估是化学中心的，主要将不良效应与化学结构、性质及剂量相关联，常忽视暴露发生的生物系统背景。这一观点正逐渐被另一种视角补充，后者强调暴露结局亦受生物系统分子状态（表现为特定稳态阶段的表达基因与表观遗传修饰）塑造。在此背景下，毒理基因组学(TGx)已成为利用组学数据表征化学物与材料效应的成熟框架。TGx的最新进展表明，毒性可源于化学物或材料与暴露生物系统间的多尺度相互作用。这些相互作用可被组织为结构化、因果性的多尺度过程，用以描述化合物的作用机制(MOA)。在不良结局通路(AOP)框架内，MOA被表征为连接分子起始事件(MIEs)至不良结局(AOs)的因果链。这一范式推动TGx超越了基因列表解读，使其能够将分子扰动与更高层级的生物学终点对齐。此时，暴露系统的分子状态（包括基因表达、调控背景及表观遗传特征）决定了化学或纳米材料诱导的扰动如何在生物尺度间传播。该概念有助于解释不同系统间化学响应的变异性，并凸显选择合适体外模型表征危害的重要性。值得注意的是，研究发现纳米材料颗粒诱导的分子响应在物种间具有保守性，表明进化保守机制与系统特异性变异共存，这支持将TGx应用于One Health框架，实现人、动物与环境证据的整合。虽然利用体外NAMs进行的TGx实验为化学物与材料MOA提供了宝贵见解，但单一模型仅能捕捉整体机制中的情境依赖性片段。不同体外系统可能激活同一MOA的不同部分，意味着每个模型仅反映完整机制景观的子集。因此，需要基于AOP框架与网络信息模型的整合方法来重构这些局部视图，并将其与PBK模型或QSAR等计算模拟方法相结合。这凸显了界定测试系统适用性域(AD)