PFAS啮齿动物口服毒性的物种特异性q-RASAR模型：可解释预测和大规模数据缺口填补

《Journal of Hazardous Materials Advances》：Species-Specific q-RASAR Models for PFAS Rodent Oral Toxicity: Interpretable Prediction and Large-Scale Data-Gap Filling

　　

全氟和多氟烷基物质（PFAS）包含数千种持久性化学物质，其哺乳动物口服毒性数据仍然稀少，限制了风险评估和优先排序。研究人员采用最佳子集选择（BSS）识别基线定量构效关系（QSAR）模型的最优描述符集；随后整合基于读出的相似性和误差描述符，构建具有改进预测能力的定量读出-构效关系（q-RASAR）模型。实验LD₅₀值（mg/kg）被标准化并转换为pLD₅₀（mmol/kg）以统一终点，随后进行1D/2D描述符生成（PaDEL）和遗传算法驱动的特征选择。对于大鼠，最终q-RASAR模型结合了三个结构描述符和一个相似性一致性度量，实现了良好的拟合优度和预测能力（R²=0.92；Q²_LOO=0.90；Q²_F1=0.90）。对于小鼠，最终q-RASAR模型依赖于四个核相似性描述符，具有相当的预测性能（R²=0.93；Q²_LOO=0.90；Q²_F1=0.89）。应用域评估和Y随机化确认了模型稳健性和非随机相关性。机制上，大鼠模型表明，芳香胺片段和氢键相互作用能力，连同相似性一致性，是毒性增加的关键驱动因素，而质量分布自相关描述符贡献了互补的结构变异。小鼠模型中，毒性主要受化学邻域行为控制，与活性类似物的相似性提高预测毒性，而与无活性类似物的相似性则降低毒性。表现最佳的q-RASAR模型被应用于来自NORMAN SusDat数据库的2500多种PFAS，以支持监管式筛选和分类。外部预测表明，毒性较高的候选物富集于功能化或含杂原子的PFAS以及某些长链/活化衍生物中，而毒性较低的候选物则以简单的脂肪族氟化醚/酯及相关全氟烷基结构为主。

**论文解读：基于物种特异性q-RASAR模型的PFAS啮齿动物口服毒性可解释预测与大规模数据缺口填补**

**研究背景、问题与目的**
全氟和多氟烷基物质（PFAS）是一类广泛用于消费品和工业产品的合成化学品，因其极端的持久性、迁移性和生物累积潜力而被视为“永久化学品”。美国疾病控制与预防中心（CDC）的人体生物监测显示，超过97%的美国人血清中可检测到PFAS；环境工作组（EWG）估计，美国有超过2亿人的饮用水受PFAS污染。尽管已识别出超过5000种PFAS，但仅有少数化合物拥有哺乳动物口服毒性数据，且传统体内实验成本高昂、耗时长，无法对数千种PFAS逐一评估。这一数据缺口严重制约了风险评估和监管优先排序。计算毒理学方法，特别是定量构效关系（QSAR）和定量读出-构效关系（q-RASAR）模型，结合现代机器学习技术，能够实现高通量筛选、危害表征和监管评估优先化。然而，现有研究多针对有限化合物，且模型可解释性不足。为此，研究人员开展了本研究，旨在针对大鼠和小鼠分别构建可解释的、物种特异性的q-RASAR模型，以预测PFAS急性口服毒性，并应用于大规模外部数据集以填补数据缺口。该论文发表在《Journal of Hazardous Materials Advances》。

**主要关键技术方法**
研究人员首先从Bhhatarai和Gramatica（2011）文献中收集了大鼠（50种）和小鼠（58种）PFAS急性口服LD₅₀数据，将其转换为pLD₅₀（mmol/kg）以标准化终点。使用PaDEL软件计算1D/2D分子描述符（共1455个），排除3D描述符以确保重现性。数据集按70:30随机分为训练集和测试集。采用遗传算法（GA）进行特征选择，保留低方差和高相关变量后的描述符池（大鼠46个，小鼠50个）。利用最佳子集选择（BSS）结合多元线性回归（MLR）构建基线QSAR模型。随后，使用RASAR-Desc-Calc工具生成基于欧几里得（Euc）、高斯核（GK）和拉普拉斯核（LK）的相似性及误差描述符（如SD Activity、SD Similarity、CVact、MaxNeg、gm等），并整合结构描述符构建q-RASAR模型。最终模型通过BSS-MLR方法确定，并采用蒙特卡洛交叉验证（MCCV，500次重复）评估稳定性。模型应用于NORMAN SusDat数据库中的2522种PFAS，使用杠杆值（h*）评估应用域。

**研究结果**
**3.1 QSAR模型质量**
研究人员首先开发了基于BSS-MLR的QSAR模型。大鼠QSAR模型性能优异：R²=0.89，Q²_LOO=0.86，外部验证Q²_F1=0.89，表明良好的拟合与预测能力。模型包含四个描述符：MATS3M（负贡献）、nBondsD（正贡献）、nHBint3（正贡献）、nHaaNH（正贡献）。小鼠QSAR模型性能中等：R²=0.76，Q²_LOO=0.68，外部验证Q²_F1=0.64，显示预测可靠性较低。

**3.2 q-RASAR模型质量**
通过整合读出相似性描述符，q-RASAR模型显著提升了预测性能。大鼠q-RASAR模型包含三个结构描述符（MATS3M、nHBint3、nHaaNH）和一个相似性一致性描述符gm(Euc)[BRC]，R²=0.92，Q²_LOO=0.90，Q²_F1=0.90。MCCV验证显示平均R²_test=0.852±0.123，证明模型稳定。小鼠q-RASAR模型完全基于四个核相似性描述符（SDActivity(LK)、CVact(LK)、SDSimilarity(LK)、MaxNeg(LK)），R²=0.93，Q²_LOO=0.90，Q²_F1=0.89。Y随机化验证确认模型性能非随机。

**3.3 大鼠q-RASAR模型机制解释**
通过代表性化合物分析，相似性描述符gm(Euc)[BRC]与毒性正相关（如2,4-双(三氟甲基)-6-氯苯并咪唑的gm=0.2，pLD₅₀=5.24）。nHBint3（氢键相互作用）和nHaaNH（芳香胺片段）也呈正贡献，而MATS3M（质量分布自相关）呈负贡献。机制上，芳香胺特征和氢键能力增加生物流体中的相互作用潜力，相似性一致性反映同类化学物中共享毒性行为，质量分布自相关捕捉影响渗透性的全局结构模式。

**3.4 小鼠q-RASAR模型机制解释**
小鼠模型由核相似性描述符主导。SDSimilarity(LK)和SDActivity(LK)与毒性正相关（如全氟癸酸的SDSimilarity=0.3328，pLD₅₀=3.67）；CVact(LK)和MaxNeg(LK)与毒性负相关（如苯并三氟化物的MaxNeg=1，pLD₅₀=1.17）。模型本质上为邻域驱动：与毒性类似物的邻近性提高预测毒性，与无活性类似物的邻近性则降低毒性，并内置可靠性惩罚。

**3.5 外部应用与数据缺口填补**
将大鼠和小鼠q-RASAR模型应用于NORMAN SusDat数据库中2522种PFAS（去除重叠后分别得到2479和2480种）。大鼠模型的应用域覆盖率达99.96%（2479/2480），小鼠模型仅2.22%（55/2479）在域内。大鼠预测显示，高毒性组富集含杂环和功能化PFAS（如氟化苯并咪唑类），低毒性组以简单脂肪族全氟烷基衍生物为主。小鼠预测中，高毒性组包括长链和功能化PFAS（如全氟烷基碘化物/丙烯酸酯），低毒性组与无活性邻域相似性高。跨物种比较表明，模拟驱动相似性是一致决定因素，大鼠模型因结构描述符而提供更清晰的分离。

**与先前模型的比较**
与Bhhatarai和Gramatica（2011）的基线QSAR模型相比，本研究通过整合读出信号显著提升了预测性能，且仅使用1D/2D描述符，增强了重现性。与Sarkar等人（2025）的q-RASAR模型相比，本研究采用低参数MLR方程（4项），具有更大的测试集比例（70:30）和重复重采样验证，并部署于2500+化合物的大规模筛选，优于其仅38种化合物的外部预测。大鼠模型预测性能相当（R²=0.92 vs 0.934），但更简洁；小鼠模型预测性能更优（Q²_F1=0.89 vs 0.861）。

**结论翻译**
本研究提供了两个经过验证的、物种特异性的q-RASAR模型，用于预测PFAS在大鼠和小鼠中的急性口服毒性，设计强调可解释性和监管对准的筛选，而非黑箱预测。大鼠模型整合了明确的结构驱动因子与读出一致性，表明芳香/杂原子特征和氢键能力（nHaaNH, nHBint3）以及相似性一致性（gm(Euc)[BRC]）系统性地提高预测毒性，而MATS3m贡献了与结构分散效应一致的正交变异。小鼠模型由核邻域行为主导，即与活性邻域的相似性（SDActivity(LK), SDSimilarity(LK)）提高预测毒性，而与无活性邻域的相似性（CVact(LK), MaxNeg(LK)）降低预测毒性。两个模型在保留测试集上均表现出强外部预测能力、稳定的应用域行为以及通过Y-scrambling确认的非随机性能，支持其在化学优先排序工作流中的应用。从监管角度，实际输出是一个用于数据缺口填补的排序危险信号：预测pLD₅₀较高（急性毒性更强）且可靠性可接受（在杠杆定义域内）的PFAS应优先进行确认性测试、使用其他终点细化或整合至证据权重评估中。域外预测应视为低置信度并谨慎使用。主要局限性在于训练集较小，受限于现有遗留PFAS毒性数据；扩展经整理的哺乳动物数据集并添加不确定性校准将进一步提高决策支持的可辩护性。尽管LD₅₀提供了标准化的急性毒性度量，但它反映高剂量短期致死性，无法捕捉对PFAS这类持久性化合物更具环境相关性的慢性、低剂量或亚致死效应。作为广泛顶层终点，LD₅₀缺乏机制特异性，可能低估不导致死亡但具有生物学意义的毒性。未来工作将集中于随着更多实验性PFAS LD₅₀数据的可用，使用更大、更多样化且独立整理的啮齿动物口服毒性数据集来扩展这些物种特异性q-RASAR模型，从而实现更广泛的域覆盖和更全局的外推。