新兴污染物在沉积物-水分配中遵循类别特异性机制模式

《Environmental Science and Ecotechnology》：Emerging contaminants follow class-specific mechanistic regimes in sediment–water partitioning

　　

理解新兴污染物（ECs）的沉积物-水分配对于评估其在河流系统中的迁移性、持久性和生态风险至关重要。然而，在流域尺度上，导致不同污染物类别之间分配行为巨大差异的机制仍不明确。研究人员发现，主要新兴污染物类别在沉积物-水分配中遵循不同的机制模式。对中国主要河流流域包含5085对沉积物-水记录的全国性数据集的分析表明，抗生素（ABs）主要受分子描述符控制，全氟和多氟烷基物质（PFASs）受离子介导的界面过程强调节，而内分泌干扰物（EDCs）则表现出分子、地球化学和流域尺度因素的协同调控。与分子动力学（MD）模拟的结合在分子界面证实了这些类别特异性机制，同时多分支多头注意力（MB-MHA）框架实现了准确预测（R² = 0.76–0.92）和高累积区与高迁移区的空间显式映射。通过识别类别特异性机制模式，本研究为新兴污染物的流域尺度风险评估提供了改进的预测能力和更清晰的机制基础。

**论文解读：新兴污染物在沉积物-水分配中的类别特异性机制模式**

**研究背景与问题**

新兴污染物（ECs）包括全氟和多氟烷基物质（PFASs）、抗生素（ABs）和内分泌干扰物（EDCs）等，因其在环境中的持久性和在痕量浓度下的生物效应而日益受到关注。河流作为污染物的重要受纳体，其水相和沉积物相均含有ECs，其中沉积物既是长期汇也是潜在源。沉积物-水分配系数（logK_d）是评估ECs迁移性、持久性和生态风险的关键参数，常用于归宿-迁移模型和风险评估。然而，在自然系统中，ECs很少达到热力学平衡，实测K_d值常反映位点特异性伪分配系数，受局部环境条件控制。由于超痕量浓度、传感技术有限和检测成本高昂，直接原位监测K_d仍具挑战。现有数据多依赖劳动密集型采样和实验室分析，时空覆盖有限。因此，需要从可获取的描述符中可靠预测K_d，尤其是在大尺度或数据稀缺区域。

先前研究已识别出K_d与污染物分子描述符（如辛醇-水分配系数logK_ow）、位点特异性环境条件（如沉积物总有机碳、水盐度和pH）以及流域尺度因素（如距城市区域距离）之间的相关性，但这些关系在不同EC类别间是否可转移尚不清楚。越来越多的证据表明，不同污染物可能因其分子结构与环境背景而表现出根本不同的分配行为。目前缺乏一个系统性框架来理解多驱动因素如何共同调控沉积物-水分配，以及不同污染物类别是否遵循不同的机制模式。控制实验室实验虽有信息量，但常无法捕捉自然水系统固有的异质性和动态相互作用。

**研究内容与意义**

本研究构建了一个跨尺度预测与解释框架，整合了全国范围内包含5085对沉积物-水记录的数据集、多分支多头注意力（MB-MHA）机器学习架构和分子动力学（MD）模拟，系统性地揭示了PFASs、ABs和EDCs三大类ECs在沉积物-水分配中的类别特异性机制模式。研究结果表明，ABs主要受分子描述符控制，PFASs受离子介导的界面过程强烈调节，而EDCs则受分子、地球化学和流域尺度因素的协同调控。该框架不仅实现了高精度预测（R² = 0.76–0.92），还通过空间显式制图识别了高累积区与高迁移区，为流域尺度ECs风险评估提供了机制基础和预测工具。该论文发表在《Environmental Science and Ecotechnology》。

**主要关键技术方法**

研究人员建立了多源数据库，包括来自中国七大流域1093个采样点的5085对沉积物-水浓度记录（数据来源：同行评议文献和国家监测网络）。采用MB-MHA框架，该框架将微观分子描述符（如分子量、logK_ow、最大投影直径D_max）、中观水体和沉积物性质（如温度、pH、溶解氧、化学需氧量、沉积物总有机碳及黏土/粉砂/砂比例）以及宏观流域特征（如径流、降水、城市废水排放、土地利用）分别输入独立分支，并通过多头注意力机制集成。此外，对代表性化合物（如PFOA、PFBA、TC、OFX、BPA、4-NP）进行MD模拟，验证界面相互作用机制。预测未来时空分布时，使用长短期记忆（LSTM）网络预测水质量参数，线性回归预测流域变量。

**研究结果**

**3.1 时空变异性和化合物特异性分配**
通过对5085对记录的分析，发现PFASs和EDCs的流域间变异（方差分别为0.28和0.22）显著高于ABs（0.12），表明前两者分配行为对流域尺度环境异质性更敏感。ABs分配相对均匀，符合其受内在分子相互作用主导的机制。季节上，所有类别的湿季logK_d均低于干季，ABs季节变化最小（约6%），PFASs和EDCs分别约13%和27%，说明分配机制在不同类别间存在差异，需要类别特异性预测框架。

**3.2 跨尺度MB-MHA框架增强K_d预测**
通过设计MB-MHA框架，将微观、中观和宏观特征分别输入独立分支并集成注意力机制，与常规人工神经网络（ANN）相比，MB-MHA对PFASs、ABs和EDCs的R²分别从0.71提升至0.76、从0.83提升至0.92、从0.81提升至0.89。t-分布随机邻域嵌入（t-SNE）可视化显示，注意力机制增强了特征嵌入的结构化聚类，表明该框架能更好地捕捉跨尺度关系。

**3.3 模型可解释性和MD验证**
注意力权重矩阵显示，ABs的微观分支权重高度极化（如0.52），宏观分支被抑制（如0.11）；PFASs的权重分布因注意力头而异，宏观分支可起调节作用；EDCs的权重分配较均匀（微观0.28–0.38，中观0.27–0.34，宏观0.31–0.37）。消融实验定量确认：ABs预测高度依赖微观描述符（贡献约72.1%），PFASs中度依赖中观性质（约34.5%），EDCs分布最均衡（微观45.4%，中观26.1%，宏观28.5%）。置换特征重要性（PFI）和部分依赖图（PDP）进一步显示：ABs中D_max和分子量存在阈值效应；PFASs中logK_ow和温度、pH共同作用；EDCs中可旋转键数、水中化学需氧量和不透水面积等关键。MD模拟证实：PFOA和PFBA通过Na⁺桥接形成内球络合物，并伴随疏水作用；TC和OFX在蒙脱石层间形成自由聚集体，与腐殖质有强亲和力；BPA和4-NP在有机相存在下促进聚集和界面结合。

**3.4 未来预测与风险图谱（粤港澳大湾区）**
将MB-MHA模型与LSTM预测的水质参数及回归预测的流域变量结合，生成了2026年1月、4月、7月和10月大湾区代表性ECs的logK_d空间分布图。预测显示：PFASs和EDCs的季节波动较大，ABs变化较小（TC约0.1，OFX约0.4）。空间上，PFASs在河口和沿海区域logK_d较高，而EDCs在河口区域较低，反映了疏水分配与稀释/有机质变化的机制差异。高logK_d区（如珠江三角洲中部）指示沉积累积风险，低logK_d区指示水相迁移风险。

**结论总结与讨论**

本研究通过整合全国5085对沉积物-水记录，开发了MB-MHA框架预测ECs在自然河流系统中的沉积物-水分配（K_d）。该模型提高了预测精度，并阐明了微观分子属性、中观沉积物-水特征和宏观流域环境如何共同影响分配行为。与分子动力学模拟的结合进一步揭示了主导控制因素的类别依赖性差异：ABs主要受分子描述符驱动，PFASs依赖于离子和结构相关的相互作用，EDCs则受多因素耦合影响。这些差异与流域尺度上不同EC类别观察到的空间异质性一致。通过将分子级解释与流域尺度预测制图相结合，该框架识别了具有沉积累积潜力（高K_d）和增强水相迁移性（低K_d）的热点区域，为ECs监测和管理提供了风险相关见解。该框架将分子级机制与流域尺度预测制图联系起来，识别了沉积累积潜力和水相迁移性增强的区域，为ECs监测和管理提供了风险相关依据。未来工作应纳入混合物效应和动态污染物转化过程，以将该框架扩展到复杂水生系统。