一种集成数据库的化学信息学框架,用于阐明挥发性有机化合物形成二次有机气溶胶的机制

《Environmental Pollution》:A database-integrated cheminformatics framework for mechanistic elucidation of secondary organic aerosol formation from VOCs

【字体: 大 中 小 】 时间:2026年07月30日 来源:Environmental Pollution 7.2

编辑推荐:

  摘要 二次有机气溶胶(SOA)由挥发性有机化合物(VOC)前体形成,其形成机制通常需借助传统框架如主化学机制(MCM)进行人工解读,这一过程耗时且受限于庞大的化学空间以及复杂的大气反应网络。本文提出一种基于数据库的化学信息学框架,可自动且高效地模拟人为源和生物源VOC生成SO

  摘要
二次有机气溶胶(SOA)由挥发性有机化合物(VOC)前体形成,其形成机制通常需借助传统框架如主化学机制(MCM)进行人工解读,这一过程耗时且受限于庞大的化学空间以及复杂的大气反应网络。本文提出一种基于数据库的化学信息学框架,可自动且高效地模拟人为源和生物源VOC生成SOA的过程。该框架系统地将MCM及文献中的完整反应网络整合为每种前体的初始化学空间与反应历史,再通过一系列概括性反应规则扩展这些内容,以反映关键的大气过程。通过结合精心整理的反应网络、扩展后的规则集以及优化的模拟流程,该框架旨在:(1)提高与高分辨率质谱数据的预测一致性;(2)无需像MCM那样手动逐一分析复杂反应网络,即可实现自动化探索;(3)为SOA产物生成在化学上合理且机制明确的形成路径。该方法能够将实验观测到的分子式与对应的分子结构相匹配,同时保留多步氧化序列,降低对模拟深度的依赖,从而高效重建具有化学意义的反应路径。通过将不同类型的反应知识整合到统一且可扩展的模拟平台中,这项工作为SOA形成的机制解析提供了强大的计算工具,并展现出在复杂大气化学系统预测建模方面的巨大潜力。

引言
二次有机气溶胶是大气中细颗粒物的重要组成部分,对空气质量、人类健康及气候进程起着关键作用(Hallquist等人,2009;Kroll和Seinfeld,2008;Palm等人,2017)。这类颗粒物是在挥发性有机化合物在大气中发生氧化过程中产生的,其主要驱动因素为羟基自由基(OH)、臭氧(O3)和硝酸根自由基(NO3)等活性物种(Li等人,2022;Shen等人,2021)。经过多步氧化后,VOC会形成挥发性更低的产物,这些产物可进入颗粒相,进而形成化学成分复杂的气溶胶混合物(Shrivastava等人,2017;Srivastava等人,2022)。尽管已有大量研究致力于了解SOA的形成机制,但VOC光氧化背后的详细化学路径仍不明确(Baltaretu等人,2009;Birdsall等人,2010)。环境箱实验常被用于填补这些知识空白,并为大气化学机制的发展提供支持(Carter和Heo,2013)。目前有一些广泛应用的框架,如碳键机制(Gery等人,1989;Whitten等人,2010)、SAPRC(Carter,2007;Carter,2010)以及主化学机制(MCM)(Bloss等人,2005;Saunders等人,2003),它们以不同的详细程度和计算复杂度试图描述这些过程。然而,在我们最近进行的箱实验中,研究了在高氧化条件(O2、NOx、SO2)下氨(NH3)对各种VOC前体——包括芳香族化合物(甲苯、间二甲苯、乙苯)和生物源化合物(α-蒎烯、异戊二烯)——生成含氮SOA的影响(Park等人,2025),发现高分辨率质谱所确定的分子式与MCM等传统机制中所描述的分子式存在较大差异(Kien等人,2026)。因此,新检测到的化合物的形成路径不得不依靠人工来推测(Lee等人,2025;Park等人,2025)。

近年来,人工智能、化学信息学和计算化学领域的进展为探索化学反应空间提供了新的方法,包括基于规则的反应系统以及机器学习方法(Chen和Baldi,2009;Djoumbou-Feunang等人,2019;Luong和Singh,2024;Meng等人,2017;Meuwly,2021;Ridder和Wagener,2008;Rudik等人,2017;?ícho等人,2019;Wetzel等人,2007;Yousofshahi等人,2015)。Djoumbou-Feunang等人开发了Biotransformer,这是一个综合性的计算平台,它结合机器学习和基于规则的方法,用于预测小分子在人体组织、肠道以及土壤和水生微生物群中的代谢过程(Djoumbou-Feunang等人,2019)。该平台使用了约800条经过整理的生物转化规则,这些规则采用SMARTS和SMIRKS格式编码,可用于模拟五种主要的代谢过程,包括酶促杂化代谢(基于EC分类的代谢)、I相氧化、II相结合反应、人体肠道微生物代谢以及环境微生物降解。基准测试表明,Biotransformer在从质谱数据中识别代谢物方面优于现有的代谢物预测工具。虽然基于规则的化学转化概念与大气化学建模所需的概念类似,但Biotransformer中所使用的反应规则、生物系统及转化机制都是专门为生物代谢设计的。

在大气化学领域,GECKO-A生成器是构建明确的气相氧化机制并研究SOA形成的最全面工具之一(Afreh等人,2021)。GECKO-A通过迭代应用基于实验数据、结构-活性关系以及现有动力学数据而预先定义的反应方案,自动生成氧化机制。随后,这些生成的机制会与气-粒分配理论相结合,用以预测SOA的质量分布和化学组成。不过,目前的GECKO-A版本仍存在一些局限性。虽然它能全面描述由OH、O3和NO3自由基引发的气相氧化过程,但却未明确考虑凝聚相反应或导致高度氧化分子形成的自氧化路径。此外,模型验证主要依赖于SOA的生成量、时间变化趋势以及主要氧化产物,而利用高分辨率质谱数据进行分子层面的系统性验证则鲜有报道。

另一个具有代表性的大气建模框架是用于考虑粘度效应的SOA模拟的核壳盒模型——CSVA,该模型能够模拟气相化学、成核过程、气-粒质量传递以及颗粒相反应之间的动态相互作用,同时还会充分考虑颗粒粘度的影响(Jia和Xu,2021)。在该框架中,来自MCM的反应(例如甲苯的氧化反应)会被转化为一组耦合的常微分方程,以便进行数值模拟。SOA单体则是通过将实验观测到的离子的精确质量与MCM模拟得到的产物的精确质量进行比对(误差在2×10-3以内)来识别的。一旦确定,这些化合物在气相和颗粒相之间的分配就被视为一个可逆的一级反应过程。与Biotransformer和GECKO-A不同,后者能够自动生成其化学反应网络,而CSVA模型则是主要依靠经过实验验证的MCM机制来构建其化学空间。因此,该模型所能预测的SOA产物种类本质上较为有限,而且也无法明确重建从前体VOC到相应SOA产物的多步反应路径。

相比之下,我们之前的研究表明,基于代表关键大气转化过程的SMARTS反应规则的模拟框架,能够系统地生成大量在化学上合理的氧化产物(Kien等人,2026)。该框架可通过预定义的反应规则,同时捕捉包括高度氧化分子形成在内的气相转化过程以及凝聚相反应,从而生成多种类型的化合物(CHO、CHOS、CHON和CHONS)。此外,从VOC前体到这些产物的多步反应路径也能自动生成,这使得该框架成为结合高分辨率质谱数据解读SOA形成的有力工具。不过,当时生成的路径缺乏明确的表示形式,且预测性能也较为有限,尤其是对于生物源VOC(α-蒎烯和异戊二烯)。因此,本研究是对我们之前框架的方法改进。

MCM提供了一个涵盖气相大气化学的全面数据库,其中包含许多VOC前体的详细降解路径。然而,其庞大的反应网络难以手动浏览,尤其是对于非专业人士而言,即便对于专家来说,要找到相关路径并理解复杂的反应级联过程也往往需要耗费大量时间。此外,使用此类框架推断实验观测到的产物对应的SOA形成路径,也需要深厚的领域专业知识。值得注意的是,我们之前模拟框架中生成的反应网络遵循与传统机制相同的原理,即前一步骤的产物会成为后续步骤的反应物。这一特点使得可以通过记录的反应历史,自动列举从初始前体到对应化合物的反应路径(Kien等人,2026),从而证明其与现有框架的兼容性。另外,与传统机制不同,基于规则的系统能够定义不受预定义反应物-产物对限制的通用转化模式,这有助于扩展化学空间,并生成意想不到的中间体和产物。因此,有必要开发一种新的模拟框架,将经过整理的机制知识与基于规则的方法相结合,从而在减少对人工解读和专家知识依赖的同时,高效地探索反应路径。

在本研究中,我们提出了一种模拟策略,它将来自MCM的反应网络、基于文献的转化过程以及SMARTS通用反应规则整合到一个统一的化学信息学平台中。与之前的框架相比,这种改进后的方法通过保留从MCM和文献资料中筛选出的各个单独反应步骤,明确地保留了多步转化过程。通过为每种研究的VOC前体整合完整的反应网络,再加上扩展后的规则集和优化的模拟流程,该框架旨在:(1)提高与实验高分辨率质谱数据的预测一致性;(2)无需像处理MCM那样手动逐一分析复杂反应网络,即可实现自动化探索;(3)为由VOC前体生成的SOA产物生成在化学上合理且机制明确的形成路径。

片段摘录
初始反应数据库
初始反应数据库主要是基于主化学机制3.3.1版本(MCMv3.3.1;https://mcm.york.ac.uk/MCM)编制的,该版本描述了选定VOC前体(苯、甲苯、间二甲苯、乙苯、α-蒎烯和异戊二烯)的大气氧化路径。我们手动提取了从每种初始VOC开始的完整反应序列,逐步追踪所有已报道的中间体,直至得到稳定的最终有机产物。对于每一……

新框架的预测性能
由于当前框架整合了多个包含已知大气物种的数据库,因此在模拟前后分别评估了每个数据库对预测性能的独立贡献。模拟在四种配置下进行:(1)不整合任何数据库(仅使用通用反应规则);(2)整合MCM数据库;(3)整合文献数据库;(4)同时整合MCM和文献数据库。预测性能是通过……来评估的。

结论
本研究提出了一种基于数据库整合的模拟框架,可用于系统地探究五种VOC前体(甲苯、间二甲苯、乙苯、α-蒎烯和异戊二烯)的SOA形成机制。该框架通过将MCM及文献中的完整反应网络整合为每种前体的初始化学空间与反应历史,再结合通用反应规则,实现了对模拟空间的高效且可扩展的拓展。

补充信息
所研究的VOC对应的MCM和文献数据库;带有实验测定分子式及其对应模型预测分子式的质荷比值;文献中报道的化合物的匹配结构列表。

CRediT作者贡献说明
Sunghwan Kim:撰写——审稿与编辑,监督,项目管理。
Kien Nguyen Van:撰写——初稿,方法学,研究,正式分析,数据整理,概念构建。
Geondo Park:研究,正式分析。
Seong Weon Lee:研究,正式分析。
Ho-Jin Lim:撰写——审稿与编辑。
Chan-Sik Cho:撰写——审稿与编辑。

利益冲突声明
作者声明不存在任何可能影响本文研究结果的已知财务利益或个人关系。

利益冲突声明
? 作者声明不存在任何可能影响本文研究结果的已知财务利益或个人关系。

致谢
本研究得到了韩国国家研究基金会(NRF)资助的FRIEND项目(东亚考虑国家差异的细颗粒物研究计划)的支持,该项目由韩国科学和信息通信技术部拨款(NRF-2020M3G1A1114560),同时还获得了韩国政府科技信息通信部资助的韩国国家研究基金会项目(NRF-2022R1A2B5B02001374)以及RS-2023-00207831号项目支持。

Nguyen Van Kien | Geondo Park | Seong Weon Lee | Chan Sik Cho | Ho-Jin Lim | Sunghwan Kim
大邱41566,韩国,质谱学融合研究所
相关新闻
生物通微信公众号
微信
新浪微博

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