基于机器学习的淡水污染物保护阈值推导：一种综合化学与生态框架

《Environmental Pollution》：An integrated chemical and ecological framework for deriving freshwater contaminant protection thresholds using machine learning

　　

• •
  化学描述符和生态特征支持了物种敏感性预测。
• •
  水溶性、体型大小、log Kow和摄食组是主要的预测因子。
• •
  跨化学物质和跨物种外推扩展了毒性覆盖范围。
• •
  群落特异性的HC₅值反映了本地群落组成。
• •
  跨区域验证支持了该框架在水生群落间的可迁移性。

引言

环境质量标准（EQS）和水质量标准（WQC）为保护淡水生物多样性提供了监管依据。然而在实践中，这些阈值通常基于少量代理物种得出，因此可能无法代表不同区域自然群落中化学物质敏感性的全部范围（Sinclair等，2024）。这种有限的代表性可能导致过度保护，即通过过于严格的监管措施带来不必要的社会经济成本，或导致保护不足，使敏感的本土地种面临风险（Cheng等，2025）。尽管主要的监管框架和近期研究日益倡导采用更具生态现实性的WQC推导方法（美国环保署，2018；生态环境部，2022；Jin等，2024），但区域生态风险评估的进展仍受到本土地种毒性数据大量缺失的制约（Topping等，2020）。

物种敏感性分布（SSD）被广泛用于支持EQS和WQC的推导与改进。通过拟合统计分布来表征毒性数据，SSD刻画了种间化学物质敏感性的差异。对5%物种具有危险性的浓度（HC₅），对应于SSD的第5百分位数，通常被解释为预期保护约95%物种的浓度，因此用于指导这些监管阈值。可靠的HC₅估算需要能够充分代表群落分类组成的毒性数据，因为分类覆盖的偏差可能扭曲SSD（Dhond和Barron，2022；Lambert等，2022a）。中国、美国、欧洲和拉丁美洲的本土地种毒性数据存在大量缺口（Li等，2021；Jupke等，2024；Rodríguez-Bola?a等，2024；Jarvis等，2025；Zhang等，2025）。鉴于传统毒性测试无法涵盖大量的化学物质-物种组合，需要预测方法来扩展分类覆盖范围并支持区域生态风险评估。

毒性预测模型越来越多地被用于跨化学物质和跨物种外推毒性响应（Van den Berg等，2021）。传统方法包括用于跨化学物质预测的定量构效关系（QSAR）和用于跨物种预测的种间相关性估计（ICE）模型（Feng等，2013；Polishchuk，2017）。然而，许多QSAR和ICE模型依赖于相对简单、通常是线性的关系，可能无法捕捉复杂的非线性毒性模式（Raimondo和Barron，2020）。更近期的机器学习方法将理化性质与更广泛的生物预测因子相结合，如动态能量预算参数和基因组数据（Liang等，2025b；Yang等，2026）。然而，由于大多数本地产种缺乏所需的生物输入数据，这些方法在推导区域特异性阈值方面的实用性往往受到限制。因此，用于推导区域保护阈值的预测因子必须广泛可获得、可跨类群迁移且具有机制解释性。

生态特征日益被视为跨物种敏感性的有用预测因子，因为它们反映了种间在暴露、吸收潜力和生理能力方面的差异（Van den Berg等，2019）。然而，纳入生态特征比仅基于 readily available 的化学和生物数据进行建模要求更高，因为它需要专业生态学知识，并在数据收集、协调和标准化方面存在巨大挑战（Rubach等，2012；Zubrod等，2024）。尽管存在这些挑战，具有生物可解释性的预测因子对于区域评估尤为重要，因为在区域评估中，超越经过充分测试的代理物种进行外推往往是不可避免的。目前仍缺乏一个连贯的框架，将化学描述符和生态特征与预测的物种敏感性联系起来，并在毒性数据稀缺的条件下将这些预测与区域群落组成相结合以推导群落特异性的保护阈值。

在本研究中，我们开发了一个具有机制解释性的机器学习框架，用于在严重缺乏毒性数据的条件下为本地淡水群落推导区域特异性保护阈值。我们假设广泛可获得的化学描述符和生态特征能够预测麻醉类化学物质的种间敏感性差异，同时保留机制解释性。选择多环芳烃（PAHs）和淡水大型无脊椎动物作为代表性案例研究，因为麻醉作用是水生污染物中常见的毒性作用机制（Kienzler等，2019），而大型无脊椎动物包含许多敏感的淡水类群（Hou等，2025）。据此，我们提出了三个具体目标：（1）开发一个使用化学描述符和生态特征进行跨化学物质和跨物种毒性预测的机器学习模型；（2）为中国江苏本地淡水大型无脊椎动物推导群落特异性的急性和慢性保护阈值，其中不确定性通过毒性预测和阈值推导进行传播，并使用英格兰的RIVPACS参考群落评估该框架的跨区域可迁移性；以及（3）将该框架应用于区域生态风险评估，通过明确考虑区域群落的敏感性来增强生态相关性。

章节摘要

框架概述

我们开发了一个分步框架，用于在毒性数据稀缺的条件下为本地淡水群落中的PAHs推导区域特异性保护阈值（图1）。我们首先汇编毒性记录、化学描述符和生态特征，并使用它们训练能够跨化学物质和跨物种预测毒性的模型。我们比较了四种机器学习算法，选择了表现最佳的模型，并使用最具影响力的预测因子对其进行简化。我们

毒性预测模型性能评估

四种贝叶斯优化模型的性能如图3所示，对应的超参数列于表S5。XGBoost获得了最高的交叉验证R²（0.700），RMSE为0.718，nRMSE为13.6%。RF表现相近（R² = 0.686），但误差值略高（RMSE = 0.731，nRMSE = 13.9%）。SVM和Elastic net的交叉验证R²值分别为0.560和0.528。XGBoost和RF的观测值与预测值之间的一致性更紧密

关键模型预测因子的机制解释

简化后的模型保留了关键的化学描述符和生态特征，使得能够对大型无脊椎动物间PAHs敏感性的变异进行生物学上合理的解释。水溶性影响PAHs在水体中溶解相的可利用性，从而影响水相暴露程度（Zubrod等，2023）。摄食组反映了生物体与水和水悬浮物的相互作用方式，因此影响其接触污染物的途径。例如，

结论

在本研究中，我们开发了一个可迁移且具有解释性的机器学习框架，用于在严重缺乏毒性数据的条件下为本地淡水群落推导区域特异性保护阈值。通过整合化学描述符与生态特征，该框架支持了跨化学物质和跨物种的毒性外推、区域特异性HC₅的推导以及明确的不确定性量化，同时保留了机制解释性。将其应用于16个美国

CRediT作者贡献声明

Amy Ockenden： 撰写 – 审阅与编辑、方法论、调查、数据整理。Wei Zhong： 撰写 – 审阅与编辑、资源、方法论、调查。Andrew P. Beckerman： 撰写 – 审阅与编辑、方法论、调查、概念构思。Yajuan Shi： 撰写 – 审阅与编辑、资源、方法论、调查、数据整理。Xiaoxiao Li： 撰写 – 审阅与编辑、方法论、调查。Xuan Zhou： 撰写 – 审阅与编辑、调查、数据整理。Shiqi

未引用参考文献

中华人民共和国生态环境部，2002年；中华人民共和国生态环境部，2022年；美国环境保护署，2026年；美国环境保护署，2018年。

写作过程中生成式AI和AI辅助技术的声明

在本工作准备过程中，作者使用了ChatGPT（https://chatgpt.com/）以提高稿件的可读性和语言质量。使用此工具后，作者根据需要审阅和编辑了内容，并对已发表文章的内容承担全部责任。

利益冲突声明

? 作者声明他们没有已知的竞争性经济利益或个人关系可能影响本文所报告的工作。

致谢

作者感谢中国国家重点研发计划（编号：2022YFC3202402）、中央高校基本科研业务费（编号：B240201073）、国家自然科学基金（编号：42407504、51421006和42107420）、国家自然科学基金联合基金重点支持区域创新发展项目（编号：U25A20807）、中国博士后科学基金（编号：2025M772668）、江苏

梁若禹|王培芳|Lorraine Maltby|Andrew P. Beckerman|史亚娟|Amy Ockenden|钟伟|梁石琦|李小晓|周璇|苏超|钱丽