基于物理信息的神经常微分方程用于环境健康风险评估中基于PBPK的内剂量预测

《Ecotoxicology and Environmental Safety》:Physics-informed neural ordinary differential equations for PBPK-based internal dose prediction in environmental health risk assessment

【字体: 大 中 小 】 时间:2026年07月27日 来源:Ecotoxicology and Environmental Safety 6.6

编辑推荐:

  可靠的内剂量预测,尤其是全身血液浓度,对于暴露科学和环境健康风险评估至关重要。尽管传统的基于生理的药代动力学(PBPK)模型提供了机制性见解,但其固定参数通常无法捕捉高浓度下出现的非线性动力学,例如在急性污染场景中。本研究引入了一种混合PBPK约束神经ODE(

  
可靠的内剂量预测,尤其是全身血液浓度,对于暴露科学和环境健康风险评估至关重要。尽管传统的基于生理的药代动力学(PBPK)模型提供了机制性见解,但其固定参数通常无法捕捉高浓度下出现的非线性动力学,例如在急性污染场景中。本研究引入了一种混合PBPK约束神经ODE(Neural ODE)框架,该框架将神经常微分方程与PBPK建模相结合。通过在肝脏区室集成一个最小二神经元网络校正,该方法在保持机制可解释性的同时,利用人工智能学习残余非线性。该方法的评估使用了两种与环境与职业健康相关的挥发性有机化合物。二溴甲烷(DBM)的皮肤吸收通过一个包含通过谱配置法求解的角质层扩散的11室PBPK模型进行模拟。甲基氯仿(MCF)的吸入暴露通过一个4室PBPK模型进行建模。在10,000 ppm的外推剂量下,混合模型对DBM达到R2 = 0.760,对MCF达到R2 = 0.813,优于纯神经ODEs(R2分别为0.421和-0.399)以及重校准的传统PBPK(R2分别为0.190和0.504)。该框架在控制性环境暴露研究典型的数据有限条件下显著改善了外推能力。所得模型对DBM仅需9–10个自由参数,对MCF仅需4–5个,使其高度可重复且定义明确。该技术为毒代动力学数据仅限于每个剂量少量观测值时的急性高剂量外推提供了一个透明的计算概念验证。
**论文解读:基于物理信息的神经常微分方程在PBPK内剂量预测中的应用**

**研究背景与问题**

环境健康风险评估中,内剂量(尤其是血液浓度)的可靠预测是暴露科学的核心目标。传统基于生理的药代动力学(PBPK)模型通过解剖和生理相关区室的常微分方程描述污染物吸收、分布、代谢和排泄,具有机制透明、可外推等优势,在监管风险评估和人类生物监测中广泛使用。然而,PBPK模型的固定参数通常在低至中等暴露水平下校准,无法捕捉高剂量下由代谢饱和等过程引入的非线性动力学。例如,二氯乙酸在约20 mg/kg以上时动力学即偏离线性,而急性污染场景(如工业事故、环境泄漏)中暴露浓度可达10,000 ppm,固定参数模型在此类极端条件下预测误差显著增大。此外,纯粹数据驱动的神经ODE(Neural ODE)虽能学习复杂系统行为,但在伦理、后勤和安全限制导致的数据稀缺条件下,对训练范围外的泛化能力较差。因此,研究人员提出了一种混合PBPK约束神经ODE框架,旨在结合PBPK的机制性结构与神经ODE的灵活性,提高高剂量外推的准确性,同时保持模型透明性和简约性。该研究发表于《Ecotoxicology and Environmental Safety》。

**主要技术方法**

研究人员采用以下关键技术方法:1) 构建两种化合物的PBPK模型:二溴甲烷(DBM)基于Fischer-344大鼠的11室皮肤吸收模型(含角质层Fick扩散,由谱配置法求解),甲基氯仿(MCF)基于B6C3F1小鼠的4室吸入模型;2) 设计选择性神经增强策略:仅在肝脏区室引入一个双神经元单隐层网络,修正Michaelis-Menten代谢饱和项,其他区室保持纯物理机制;3) 引入路由特定标量校正:DBM的pSkin修正角质层表面浓度,MCF的pVent修正肺泡通气量;4) 参数估计:通过最小化剂量归一化残差平方和进行优化,DBM使用Mathematica的FindMinimum(InteriorPoint法),MCF使用GlobalSearch多起点全局优化;5) 验证:采用留一法交叉验证(LOOCV)评估所有训练剂量,并外推至10,000 ppm未见过剂量,性能指标包括平均绝对百分比误差(MAPE)和R2统计量。

**研究结果**

**3.1. DBM皮肤吸收**
3.1.1. 模型性能与外推:在训练剂量(500、1000、5000 ppm)下,混合模型和纯神经ODE均达到接近完美拟合(R2约0.956–0.981),传统PBPK误差显著(MAPE 30.9–49.4%)。在未见过10,000 ppm外推测试中,混合模型R2=0.760,优于纯神经ODE(0.421)和传统PBPK(-0.602)。3.1.2. 留一法交叉验证:混合模型平均MAPE=31.4%、R2=0.808,优于纯神经ODE(60.8%、0.004)和传统PBPK(45.7%、-0.190),且在所有留出剂量下均保持正R2,表明稳健泛化能力。

**3.2. MCF吸入暴露**
3.2.1. 模型性能与外推:在未见过10,000 ppm测试中,混合模型MAPE=13.8%、R2=0.813,纯神经ODE和传统PBPK的R2分别为-0.399和-0.523。在训练剂量下,混合模型在1000 ppm最优(R2=0.739)。3.2.2. 留一法交叉验证:混合模型在四个留出剂量中的三个保持正R2,平均R2=0.169,优于传统PBPK(0.079)和纯神经ODE(-0.518)。

**3.3. 公平比较(DBM)**
对传统PBPK在相同训练数据上进行重校准(优化Vmax、KM、kf和αDsc),在10,000 ppm外推中R2=0.190,仍远低于混合模型(0.760),证实混合模型优势非仅来自额外参数。

**3.4. 公平比较(MCF)**
重校准传统PBPK在无约束下得到非物理解(KM达5.5×105 mg/L),约束后R2=0.504,而混合模型为0.813,且无需非物理参数膨胀。

**3.5. 替代机制模型**
测试了双饱和路径和Hill系数扩展,DBM中双路径模型坍缩为单路径,Hill模型外推R2=0.214;MCF中Hill模型外推R2=0.758,略低于混合模型(0.813),且AIC/BIC在训练数据上偏好Hill模型,但混合模型在高剂量外推上仍具优势。

**讨论与结论**

讨论部分指出,混合框架的核心结果是将机制PBPK结构嵌入神经ODE框架显著改善了未见过高剂量外推性能,尤其对于MCF吸入(R2=0.813 vs 纯NN的-0.399)。这一优势源于PBPK主干提供了正确的功能形式(如Fick定律和肺泡通气混合),而路由特定标量(pSkin、pVent)和肝脏神经校正处理极端剂量下的非线性。模型仅需5–10个自由参数,在高数据稀缺条件下保持可识别性。pSkin和pVent具有物理可解释性,分别对应角质层脂质域重组和肺泡通气效率下降的可测试假设。研究还指出,该框架的神经校正应被视为经验性的,需要独立生化验证。局限性包括:数据集总数少于30个观测值,限制了统计置信度;未建模双向皮肤传输;未进行群体水平不确定性量化。未来方向包括多途径共享代谢参数的统一模型、扩展到反应性化学剂以及对人类数据进行验证。

研究结论:结果证实,对机制PBPK模型进行神经增强可提高卤代挥发性有机化合物在极端暴露浓度下的预测准确性,同时保持模型参数的物理可解释性。该方法通过最小神经校正针对肝脏清除非线性,而路由特定标量参数校正主要边界条件,纯物理机制控制其余区室。混合模型在未见过10,000 ppm外推剂量下对DBM和MCF分别达到R2 0.760和0.813,传统PBPK和纯神经ODE均无法匹敌。对于两个结构不同的暴露系统,结果的一致性强化了PBPK约束神经ODE框架作为毒代动力学建模中广泛适用方法的论据。DBM仅需9–10个自由参数,MCF仅需4–5个,且所有参数明确定义,路由标量具有物理可解释性,肝脏神经校正为透明经验校正,该混合框架提供了与最终监管使用相关的透明度,有待上述更广泛的验证。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号