持久性有机污染物（Persistent Organic Pollutants, POPs）具有环境持久性强、生物半衰期长以及易在人群体内蓄积等特点，即使经过长期监管控制，仍可在人群中持续检出。目前，POPs相关研究主要关注人群暴露水平变化及毒理学信息进行评估，但暴露水平变化并不能完全反映污染物潜在健康影响。尤其在人群长期低剂量、多污染物共同暴露背景下，不同化学物可能通过影响共同的生物过程和分子通路参与疾病发生发展，因此，如何结合暴露变化与生物学机制识别关键风险污染物，仍是环境健康风险评估中的重要问题。对此，研究团队开展了一项针对持久性有机污染物混合暴露风险排序的研究。研究以美国国家健康与营养调查（NHANES）1999-2018年人群血液/血清监测数据为基础，整合二噁英类（DIOXINs）、有机氯农药（OCPs）、全氟和多氟烷基物质（PFASs）、多溴联苯醚（PBDEs）以及多氯联苯（PCBs）五类共91种POPs，通过数据驱动建模方法整合长期暴露数据，利用低秩矩阵补全恢复缺失信息，并结合多任务预测模型评估未来POPs暴露变化趋势。研究进一步结合神经发育障碍（Neurodevelopmental Disorders, NDDs）这一敏感健康终点，构建“暴露-生物通路-疾病”网络，从分子机制层面对污染物健康风险进行重新排序，从而突破传统仅依据暴露浓度进行风险判断的局限。

图 1. 图文摘要

论文类型：长篇
第一完成单位：浙江工业大学
第一作者：陈源琛
通讯作者：王斌（北京大学）
期刊：Environmental Science & Technology
论文信息：

Chen Y, Liu G, Yang S, Wang B*. Control Priorities for Persistent Organic Pollutant Mixture Based on Neurodevelopmental Disorders. Environmental Science & Technology. 2026; https://doi.org/10.1021/acs.est.6c00498

全文链接：https://doi.org/10.1021/acs.est.6c00498

图1. 图文摘要

长期以来，持久性有机污染物（Persistent Organic Pollutants, POPs）的环境健康风险评价主要关注污染物暴露水平及其变化趋势。然而，在实际人群暴露过程中，多种POPs通常以混合形式共同存在，不同污染物具有不同的环境持久性、人体暴露趋势以及潜在生物学效应。因此，仅依据污染物暴露水平变化确定控制优先级，可能难以全面识别具有长期健康影响的关键污染物。针对这一问题，研究提出了一套融合长期暴露轨迹重建、未来暴露趋势预测以及生物机制网络分析的综合风险评价框架（图1）。研究首先利用美国国家健康与营养调查（NHANES）长期人群生物监测数据，针对不同调查周期中POPs检测缺失问题，采用低秩矩阵补全方法恢复历史暴露信息，并结合污染物之间的时间变化规律和分子结构特征，提高缺失数据重建的准确性。随后，研究利用多任务时间预测模型进一步模拟未来污染物暴露趋势，实现对POPs长期暴露趋势的动态预测。在获得连续暴露水平后，研究进一步将污染物暴露信息与神经发育障碍（Neurodevelopmental Disorders, NDDs）相关生物学机制相结合，通过构建“Exposure-Biological Pathway-Disease”关联网络，从机制层面评估不同污染物的健康风险贡献。该研究框架突破了传统方法仅关注污染物浓度变化的限制，实现了从“暴露水平评价”向“暴露-机制-疾病综合风险评价”的转变。

图1｜持久性有机污染物混合暴露控制优先级研究框架。框架从三个方面展开：首先，研究整合NHANES中多类POPs长期人群监测数据，利用低秩矩阵补全方法解决不同年份污染物检测缺失问题，重建连续暴露轨迹；其次，基于重建后的暴露数据，采用多任务时间预测模型模拟未来POPs暴露变化趋势；最后，结合暴露-生物通路-疾病关联网络，将污染物暴露信息与神经发育障碍相关生物学机制相联系，从机制层面对不同污染物疾病相关风险贡献进行系统排序。

为了验证该框架对复杂POPs混合暴露特征的解析能力，研究首先分析了不同类别污染物在人群中的长期暴露变化趋势以及相互之间的关联模式。图2展示了1999-2016年不同类别持久性有机污染物在人群中的长期暴露变化趋势，以及不同污染物之间的相关结构特征。研究纳入了五类主要POPs，通过标准化浓度比较不同污染物类别在人群中的暴露变化规律。结果显示，过去二十年间，各类POPs在人群中的暴露水平整体呈下降趋势，但不同污染物类别下降速度存在明显差异。其中，PCBs和OCPs在研究初期具有较高暴露水平，并随着全球限制使用和淘汰措施实施快速下降；PFASs和PBDEs虽然同样呈现下降趋势，但下降速度相对缓慢，表现出更强的环境持久性和人体残留特征。图2(b-f)进一步分析了不同污染物类别内部的相关结构。研究发现，多数同类别污染物之间存在明显正相关关系，PFASs、OCPs和DIOXINs内部均表现出较强的相关性，提示这些污染物可能具有共同来源、相似环境迁移过程或相近人体代谢路径。与此同时，PBDEs则表现出与溴化程度相关的聚类特征，不同同系物之间存在一定差异。这些结果表明，人群暴露并非来源于单一污染物，而是长期受到多种化学物共同作用。因此，在进行未来污染控制和健康风险评估时，需要从混合暴露角度综合考虑不同污染物之间的相互关系。

图2｜不同类别持久性有机污染物长期暴露趋势及混合暴露特征分析。研究分析了1999-2016年不同类别POPs在人群中的长期暴露变化趋势及其相关结构特征。结果显示，多类POPs在人群中的暴露水平整体呈下降趋势，但不同污染物类别的变化幅度存在差异。此外，不同类别POPs之间存在一定相关性，反映了人群暴露过程中多种污染物共同存在的混合暴露特征。

然而，由于NHANES不同调查周期中检测项目存在变化，部分POPs在特定年份缺少监测数据，直接利用原始监测结果可能导致长期暴露趋势判断偏差。为解决这一问题，研究利用数据重建和预测模型恢复长期暴露水平，并评估未来污染物暴露变化趋势（图3）。首先，研究利用不同污染物之间共享的时间变化模式和类别相关结构，对缺失暴露信息进行重建。结果显示，经过模型补全后，不同污染物类别的暴露数据完整性明显提高，同时保留了原始监测数据中的时间变化规律以及污染物之间的相对关系。模型验证结果表明，重建后的暴露轨迹与实际观测数据具有较好一致性，说明该方法能够有效恢复长期POPs暴露变化模式。在此基础上，研究进一步利用多任务时间预测模型模拟未来暴露趋势。结果显示，该模型能够较好捕获不同类别POPs持续下降的变化规律，在对数尺度下预测值与观测值保持较高一致性，预测模型R²达到0.93。未来趋势预测显示，到2030-2040年，多数POPs在人群中的暴露水平预计下降80%-95%以上，并逐渐趋于较低水平。

图3｜长期POPs暴露轨迹重建及未来趋势预测。数据重建过程通过整合不同污染物间的时间变化特征，提高长期暴露轨迹完整性；预测模型用于模拟未来POPs暴露变化，并通过实际观测数据验证预测可靠性；最终实现对2000-2050年不同类别POPs暴露趋势的动态评估。

尽管未来POPs总体暴露水平持续下降，但不同污染物的疾病相关风险贡献并未同步降低。研究构建EGoD（Exposure-Gene Ontology-Disease）网络，通过整合污染物暴露信息、GO（Gene Ontology）功能注释以及神经发育障碍相关疾病信息，从基因功能通路层面对不同POPs的疾病关联特征进行评估（图4）。结果显示，在监管初期（2004-2009年），PFAS由于较高的人群暴露水平以及较强的疾病相关功能通路关联，占据主要风险贡献。随着PFAS暴露水平逐渐下降，其相对贡献不断降低，而PBDEs和PCBs的相对贡献占比逐渐增加。进一步分析发现，风险贡献并非均匀分布于所有污染物，而是逐渐集中于少数具有较强功能通路关联性的关键化合物。其中，PFAS类别中传统长链化合物PFOS和PFOA的暴露贡献持续下降，而部分替代物及前体物的疾病相关贡献比例逐渐升高；PCBs和PBDEs中部分高关联同系物逐渐成为神经发育障碍风险贡献的重要来源。该结果表明，不同污染物的疾病相关风险贡献与其暴露水平并不完全一致，部分污染物即使暴露水平较低，仍可能由于其参与调控关键生物过程而表现出较高的疾病关联性。

图4｜基于EGoD网络的神经发育障碍风险贡献解析。EGoD网络整合污染物暴露信息、GO（Gene Ontology）功能注释以及神经发育障碍相关疾病信息，构建Exposure-Gene Ontology-Disease关联体系。通过分析污染物与疾病相关功能通路之间的网络关联，评估不同POPs潜在的功能通路影响及疾病相关风险，揭示污染物暴露与疾病发生发展之间的潜在生物学联系。

为进一步解析污染物影响疾病发生发展的分子机制，研究构建了EPPD（Exposure-Protein-Protein Interaction-Disease）网络，该网络整合污染物暴露信息、相关蛋白信息以及蛋白质相互作用网络，从蛋白调控层面对不同POPs的疾病相关风险贡献进行分析（图5）。结果显示，EPPD网络进一步增强了风险集中化特征。随着整体暴露水平降低，神经发育障碍相关风险逐渐集中于少数具有高蛋白网络连接性的关键化学物。早期阶段，PFAS仍是主要风险贡献来源，但随着时间推移，其贡献逐渐下降，而PBDEs和PCBs的风险贡献占比持续增加。到2030年，少数高风险PBDE同系物和PCB同系物将贡献主要疾病相关风险，其中排名靠前的PCB同系物可贡献约45%-55%的风险，而少数PBDE同系物可贡献约70%-80%的风险。二噁英类污染物的风险贡献则长期集中于少数高毒性同系物，少数化合物贡献了大部分疾病相关性。该结果提示，在低暴露阶段，未来污染物管控重点应从关注总体暴露水平转向识别具有高持久性、高分子网络连接性和高疾病贡献的关键化学物。

图5｜基于EPPD网络的神经发育障碍风险贡献解析。EPPD网络整合污染物暴露信息、相关蛋白信息以及蛋白互作网络信息，构建Exposure-Protein-Protein Interaction-Disease关联体系。通过分析污染物相关蛋白与疾病相关蛋白之间的网络关联，评估不同POPs潜在的分子作用机制及疾病相关风险，解析污染物影响疾病过程的潜在分子调控路径。

总结与展望：

面对复杂污染物混合暴露持续存在以及传统风险评价难以全面反映污染物长期健康影响的现状，未来环境健康风险评估需要从单一暴露水平分析逐步转向融合暴露趋势、生物学机制和疾病关联的综合评价模式。本研究提供了一种新的风险识别思路，提示污染物健康风险不仅取决于当前暴露水平，还与其长期暴露轨迹及潜在作用机制密切相关。未来，随着环境监测数据不断积累以及多维生物信息资源的发展，结合长期暴露预测、系统生物学分析和多源数据整合的方法，有望进一步提升复杂环境暴露风险识别能力，为污染物精准管理和健康保护提供更加科学的依据。

致谢：

感谢中国队列共享平台环境暴露与人群健康工作组、国家卫生健康委员会生育健康重点实验室、北京大学重大疾病流行病学教育部重点实验室和教育部骨、浙江工业大学能源与碳中和科教融合学院团队协助。感谢感谢国家自然科学基金委员会、北京市生态环境局和国家科技部重点研发项目支持。

作者简介

第一作者：

陈源琛，浙江工业大学能源与碳中和科教融合学院副教授，博士生导师

主要研究方向为气候变化、污染物区域环境过程与风险。主持国家自然科学基金、浙江省自然科学基金等9项课题，并参与中国工程院战略咨询和第二次青藏高原科考等重大科研任务。发表SCI论文100余篇（H指数=51，他引7000余次），其中以第一或通讯作者在ES&T、Water Research等期刊发表论文30余篇。担任金砖国家科技创新专题工作组中方联络人、中国环境与发展国际合作委员会“绿色转型重大科技创新”专题政策研究项目中方协调员、G20研究与创新中方咨询专家，以及EEH、EBP等期刊青年编委。

通讯作者：

王斌，北京大学生育健康研究所，长聘副教授/研究员，北京大学城市与环境学院兼职教授

主要研究方向为环境健康，暴露组学大数据与人工智能。主导构建暴露组学平台 ExposomeX（www.exposomex.cn），促进“暴露-生物学-疾病”关联的因果推断研究。迄今主持国家自然科学青年和面上基金4项，骨干参与国家重点研发项目3项。以第一或通讯作者在Environ Health Persp、Environ Sci Tech、The Lancet Reg Health West Pac, The Innovation等国际权威期刊发表论文共70余篇（H指数=54，他引6500余次）。担任Environ Sci Tech期刊副主编（AI、大数据、环境健康领域）。开设本科生、研究生北大教改课程“暴露组学”，获得“北京大学十佳本科生优秀教学案例”。担任中国队列共享平台“环境与人群健康”组长，环境诱变剂学会环境与生育健康专委会副秘书长。获得北京预防医学会科技二等奖和“全国科技系统抗击新冠疫情优秀个人”称号。