利用机器学习预测全氟和多氟烷基物质在植物中的生物富集因子与浓度

《Environmental Science & Technology》：Predicting Bioconcentration Factors and Concentrations of Per- and Polyfluoroalkyl Substances in Plants with Machine Learning

　　

研究人员利用新近汇编的数据集（涵盖11种作物、11个植物组织区室、21种全氟和多氟烷基物质(per- and polyfluoroalkyl substances, PFAS)，以及多样的土壤性质与栽培条件），采用四种机器学习模型预测作物中PFAS的生物富集因子(bioconcentration factors, BCF)与浓度。其中XGBoost（eXtreme Gradient Boosting）模型表现最优，Log BCF的判定系数(R2)达0.951，Log C的R2达0.943。特征重要性分析表明，土壤pH与PFAS碳链长度为BCF的关键预测因子；土壤PFAS浓度为植物体内PFAS浓度的主要输入特征，且短生长周期植物积累较高PFAS浓度。根与叶组织被识别为PFAS积累的主要区室，表现出最高BCF与浓度水平。有趣的是，尽管植物中PFAS积累总体与碳链长度呈负相关，根积累对短链与长链PFAS高水平积累的关联均相对较弱；相比之下，地上组织（尤其叶片）优先积累短链PFAS。这些发现可为制定管理与减缓策略以提供有价值见解，从而最小化粮食作物中PFAS积累及随后经食物链引发的人体暴露。

研究背景方面，全氟和多氟烷基物质(PFAS)因独特界面活性与化学稳定性广泛用于工业与消费品，具持久性、生物累积性与毒性，PFOA（全氟辛酸）与PFOS（全氟辛烷磺酸）分别被IARC列为1类与2B类致癌物，膳食摄入已成为人体暴露主要途径之一，EFSA（欧洲食品安全局）设定了PFOA、PFNA、PFHxS与PFOS总和的可耐受周摄入量(TWI)为4.4 ng/kg体重/周。传统盆栽与田间实验资源密集、耗时，覆盖PFAS与植物种类有限，既往机器学习模型多仅预测BCF或BAF（生物累积因子），且未提供组织特异性浓度估计，BCF随土壤PFAS水平变化趋势存在冲突报道。为此，研究人员在《Environmental Science & Technology》发表该研究，系统编译13篇同行评议文献共2001个数据点，覆盖11种作物、11个组织区室、21种PFAS及土壤性质、栽培条件、PFAS结构特征，应用Random Forest(RF)、XGBoost、Multilayer Perceptron(MLP)、Support Vector Regression(SVR)四种监督回归模型，同时预测Log BCF与植物组织内绝对Log C，以揭示驱动因子并支撑膳食风险评估。

关键技术方法上，研究人员从13项已发表研究提取2001个数据点，仅纳入成熟植株样本以保证生长阶段一致；输入特征分四类共19个变量：植物（种、组织、类别、生长时间、凯氏带有无）、土壤（pH、SOM（土壤有机质）、CEC（阳离子交换量）、砂含量、初始PFAS浓度）、PFAS（化合物、ECFP（扩展连接指纹）1024位半径6、官能团、碳链长）、栽培条件（模式、额外PFAS投入）；类别变量经one-hot编码，缺失值用IterativeImputer多重插补，Spearman相关系数>0.8时剔除与目标相关性较低者；数据按72%训练、18%验证、10%测试划分，10折交叉验证网格搜索调参，Z-score标准化；解释性分析采用Permutation Feature Importance(PFI)与SHAP（Shapley Additive exPlanations），辅以PDP（偏依赖图）与ICE（个体条件期望）曲线。

研究结果部分，3.1模型性能中，XGBoost对Log BCF(R²=0.951, MAE=0.239, RMSE=0.383)与Log C(R²=0.943, MAE=0.253, RMSE=0.386)均最优，RF次之，MLP与SVR较差(R²<0.84)；分层测试集显示跨5个数量级土壤浓度区间均表现稳健。3.2关键特征识别中，PFI与SHAP一致显示Log BCF前两位驱动为土壤pH（PFI≈1.63, SHAP贡献≈31%）与PFAS碳链长（PFI≈1.00, SHAP≈13%），其次为根组织、红菊苣、CEC；Log C主导特征为土壤初始PFAS浓度（PFI=1.80, SHAP≈23%）、植物生长时间（PFI=0.60）、碳链长与根组织。3.3特征影响分析中，3.3.1 Log BCF方面，pH在5.5–6间SHAP由负转正确认近中性(pH≈6)积累峰值，源于PFAS阴离子化与土壤表面负电排斥降低吸附、提高孔隙水生物有效性，低pH下根系H⁺-ATPase上调但根际酸化抵消内部转运增益；碳链长SHAP单调下降，根组织链长选择性最弱，地上部（叶、茎、豌豆）链长选择性强，短链因低Log K_OW易质外体/共质体转运至木质部；组织层级上根与叶平均绝对SHAP最高(0.39、0.34)，果、谷、豌豆为负向；物种层面 lettuce、radish、pea、wheat、maize根BCF随链长呈U形（极短C≤4与长链C≥9双峰）；CEC与Log BCF总体负相关，高CEC（黏粒+SOM高）增强吸附；pH×CEC交互显示低pH高CEC（如Histosols）预测积累风险最高，高pH低CEC（Calcaric Arenosols）最低；红菊苣高重要性暗示其或为PFAS超积累种。3.3.2 Log C方面，土壤初始PFAS浓度ICE/PDP呈先陡升后平台，符合载体介导转运位点饱和机制；生长时间越长积累越高，短周期植物浓度更高；根与叶仍为核心库。

讨论与结论翻译部分，研究人员指出，XGBoost与RF较既往模型R²更高、RMSE更低，得益于数据集扩大2.5–7倍(n=2001)、严格质控与生长阶段统一。土壤pH与碳链长是BCF核心预测因子，土壤PFAS浓度是绝对浓度核心输入，根叶为主要积累区室且根对长短链均具一定容纳性、地上部偏好短链，该组织特异性差异对完善植物吸收机制认知、膳食暴露评估及减缓策略具关键意义。研究直接输出可食部位绝对浓度，弥补了仅预测BCF/BAF无法支撑真实土壤浓度下暴露量化的缺口，为降低农作物PFAS负荷与保护公众健康提供了模型工具与机理洞察。