ES&T | 机制支持的机器学习揭示 PM₂.₅ 转录组扰动的关键毒性组分

PM2.5作为复杂环境混合物，其健康危害不仅取决于质量浓度，更与化学组成和生物反应活性密切相关。本研究建立了机制支持的组分-通路归因框架，整合非靶向化学分析、转录组测序、随机森林-SHAP归因和毒理基因组数据库，旨在识别驱动PM2.5转录组扰动的关键毒性组分。研究采集香港城市路边和海岸带PM2.5样品，发现城市PM2.5单位质量毒性更高，主要诱导氧化应激、外源物代谢增强和细胞周期抑制；海岸带PM2.5则更突出诱导干扰素介导免疫响应和细胞凋亡信号。从5033个化学实体中识别出444个具有机制支持的候选通路驱动组分，且少于5%的组分可解释约95%的累计模型贡献。关键毒性组分包括塑化剂、燃烧产物及铜等，关联不同毒性通路。研究结论表明，PM2.5健康风险评估应关注少数高贡献毒性组分及其作用通路，为机制导向的风险评估和基于生物效应的来源解析提供了新方法框架。