第一作者：杨欣 硕士研究生（南京大学）
通讯作者：崔昕毅 教授（南京大学）
论文DOI: 10.1021/acs.est.6c01678
近日，南京大学崔昕毅教授课题组在Environmental Science & Technology上发表了题为“Development of Bioaccessibility-Based Soil Environmental Criteria for PFAS through Establishment of In Vitro Methods and Machine Learning Model”的研究论文(DOI: 10.1021/acs.est.6c01678)。基于不同链长PFAS在土壤-生物系统中的富集规律，研究人员开发了水提取和C18膜提取结合的体外方法测定土壤中PFAS的生物可及性。在此基础上，构建了PFAS生物可及性的机器学习预测模型，最终推导出基于生物可及性的土壤环境基准。这项工作为土壤PFAS污染的快速筛查和环境基准推导提供了新方法框架。本研究针对青菜和蚯蚓开展体内暴露实验，发现植物根部PFAS的logBAF值随碳链长度增加呈U型变化，地上部的logBAF值随碳链长度增加而降低；而蚯蚓体内PFAS的logBAF值随碳链长度增加而升高。在此基础上，建立了测定不同土壤生物和不同链长PFAS生物可及性的体外方法：水提取法适用于预测植物地上部15种PFAS及植物根部短链PFAS（C ≤ 7）的富集，C18膜提取法适用于预测植物根部长链PFAS（C > 7）及蚯蚓体内15种PFAS的富集。基于中国18个省份44份土壤的3474个实测数据点，构建了PFAS生物可及性预测的机器学习模型，并推导出基于生物可及性的基准值（PFOA: 0.229 mg/kg; PFHxS: 0.330 mg/kg; PFOS: 0.313 mg/kg）。本研究建立了一套新的PFAS环境基准推导框架，有助于从基于总浓度向基于生物可及性的生态风险评估范式转变。现有土壤环境基准多基于PFAS总浓度制定，而PFAS的实际生物效应主要由其生物有效态浓度决定，基于总浓度的基准难以真实反映其生态风险。此外，目前评估土壤中PFAS生物可及性的方法多采用单一提取方式，难以充分表征不同PFAS及土壤-生物系统间的复杂性。为此，本研究以青菜和蚯蚓为受试生物，开发了适用于不同土壤生物和PFAS链长的体外方法，结合机器学习构建了生物可及性预测模型，推导出基于生物可及性的土壤环境基准。土壤中PFAS对植物和蚯蚓的生物有效性
Fig. 1. Variation in logBAF of PFAS in (a) plant roots, (b) plant shoots, and (c) earthworms with PFAS carbon chain length, and Spearman correlation between logBAF in (d) plant roots, and (e) earthworms and soil properties. Asterisks denote significant correlations (*p< 0.05, **p < 0.01).
植物根部PFAS的logBAF值随碳链长度增加呈U型变化，植物地上部的logBAF值随碳链长度增加而降低；而蚯蚓体内PFAS的logBAF值随碳链长度增加而升高。上述结果表明，PFAS的生物富集呈现生物特异性趋势，凸显了建立物种特异性的体外方法的必要性。测定PFAS生物可及性的体外方法
Fig. 2.Correlation between logBAF of PFAS in plant shoots and bioaccessibility (%) determined by different extraction methods: (a) MeOH, (b) MilliQ water, (c) 0.01 M CaCl₂, and (d) 0.05 mM oxalic acid. Correlation between logBAF of short-chain PFAS (C ≤ 7) in plant roots and bioaccessibility (%) determined by different soil extraction methods: (e) MeOH, (f) MilliQ water, (g) 0.01 M CaCl₂, and (h) 0.05 mM oxalic acid.
针对植物地上部15种PFAS及根部短链PFAS（C ≤ 7）随链长增加富集降低的趋势，比较了水、甲醇、草酸和CaCl2溶液四种提取方法。水、草酸和CaCl2溶液提取法测得的生物可及性与植物地上部logBAF呈显著正相关（r = 0.774–0.840, p < 0.001），且相关性优于甲醇提取法。对于植物根部短链PFAS，水提取和CaCl2溶液提取呈现显著正相关（p < 0.05）。综合考虑操作简便性和环境友好性，水提取法被确定最优方法。
Fig. 3.(a) Correlation between logBAF of long-chain PFAS (C > 7) in plant roots and bioaccessibility (%) measured by C18 extraction. (b) Correlation between logBAF of 15 PFAS in earthworms and bioaccessibility (%) measured by C18 extraction.
针对植物根部长链PFAS（C > 7）及蚯蚓体内15种PFAS随碳链增加富集升高的趋势，本研究开发了C18膜提取法。该方法对PFAS的吸附百分比与logBAF值呈显著正相关（p< 0.01），建议与水提取法联合使用，以实现对不同PFAS及土壤生物生物可及性的全面评估。预测土壤中PFAS生物可及性的机器学习模型
Fig. 4.Data distribution of the training and test sets for optimal machine learning models predicting PFAS bioaccessible concentration (C) in (a) plant shoots, (c) plant roots, and (e) earthworms, feature importance analysis (%) for (b) plant shoots, (d) plant roots, and (f) earthworms.基于中国18个省份44份土壤样品，通过水提取和C18膜提取获得3474个PFAS生物可及性数据点，构建机器学习预测模型。模型性能表明，植物地上部和根部的最优模型为Extra Trees（R2分别为0.978和0.963），土壤动物的最优模型为XGBoost（R2= 0.905）。SHAP分析显示，PFAS总浓度和表征碳链结构的ECFP特征是影响生物可及性的最关键因素，而土壤性质的影响相对较小。基于生物可及性的土壤环境基准推导
Fig. 5. Total concentration-based and bioaccessibility-based SSD curves for (a) PFOA, (b) PFHxS, and (c) PFOS. Comparison of total concentration-based HC5 values for (d) PFOA and (e) PFOS with total concentration-based soil environmental criteria values from USEPA Regional Screening Levels (RSL), Australia Ecological Screening Levels (ESL) and Canada Federal Environment Quality Guidelines (FEQG).本研究构建了基于总浓度和基于生物可及性的SSD曲线。基于生物可及性识别的最敏感物种与基于总浓度存在差异，反映不同土壤生物暴露途径差异的影响。基于生物可及性的HC5值（PFOA: 0.229 mg/kg; PFHxS: 0.330 mg/kg; PFOS: 0.313 mg/kg）均低于基于总浓度的HC5值，其中PFOA生态风险最高。与不同地区现有基准相比，本研究构建的基于生物可及性的土壤环境基准能有效降低土壤性质异质性带来的不确定性。这项工作通过整合土壤性质，构建了一个将土壤中PFAS总浓度转化为生物有效态浓度的预测模型框架，为将生物可及性纳入生态风险评估提供了新思路。针对不同土壤生物和PFAS类型，研究开发了水提取和C18膜提取相结合的体外方法，并基于中国18个省份44份土壤的实验数据集，构建了PFAS生物可及性的机器学习预测模型，有效避免了文献数据异质性及土壤性质信息不全等问题。在此基础上，基于生物可及性的物种敏感度分布模型降低了土壤差异带来的不确定性，更准确地反映了PFAS对土壤生态系统的实际风险。崔昕毅南京大学环境学院教授、博士生导师，国家优秀青年科学基金获得者。研究方向为环境风险评估、环境材料与污染修复。主持国家自然科学基金青年基金（B类），国家科技重大专项、国家重点研发计划课题，国家自然科学基金面上项目及江苏省自然科学基金等项目。在Nat. Commun.，Environ. Sci. Technol.等期刊发表论文90余篇。现任Sci. Total. Environ.编委、Carbon Res.、Biochar青年编委等。受邀编写《环境化学前沿》《环境化学》等专著。现任中国环境科学学会新污染物治理专业委员会常务委员，中国土壤学会青年工作委员会委员等。2023年获Environmental Science & Technology期刊“杰出审稿人奖”。杨欣南京大学环境学院2023级硕士研究生，研究方向为土壤中PFAS的污染特征与环境基准。硕士期间以第一作者发表Environ. Sci. Technol.、Environ. Res.期刊论文2篇，参与发表SCI论文多篇。Xin Yang, Mingxue Ren, Albert Juhasz, Yi Kong, Pengfei Zhou, Chenzhuo Song, Xinyi Cui*, Development of Bioaccessibility-Based Soil Environmental Criteria for PFAS through the Establishment of In Vitro Methods and Machine Learning Models, Environmental Science & Technology, 2026, DOI: 10.1021/acs.est.6c01678https://pubs.acs.org/doi/10.1021/acs.est.6c01678
10个月宝宝每天需要喝多少奶粉？
