随着工业化进程的不断加速,环境中的新兴污染物层出不穷,其风险防范工作已日益得到广泛关注。全氟化合物(perfluorinated compounds, PFCs)是化合物分子中与碳原子连接的氢原子全部被氟原子所取代的一类典型新兴持久性有机污染物[1]。PFCs因具有疏水疏油、表面活性等特性,被普遍应用于化工及日常消费品的生产中[2-3]。PFCs的生产使用及其前驱物质的转化,使其遍及各类水体[4]、空气[5]和土壤[6]等环境介质。PFCs稳定性强,可通过环境介质进入生物体内并富集,达到一定阈值时将会产生相应的毒效应,损害生物体神经[7]、生殖[8]和肝脏[9]系统等,严重危害人体健康。

生物富集因子(bioconcentration factor, BCF)是描述化合物在生物体内富集作用大小的重要参数。现今,PFCs及其衍生物层出不穷,但有关PFCs的生物富集性研究却极为有限。究其原因,主要受以下2个方面的制约:(1) BCF主要通过实验测定,但测定成本高、过程复杂、耗时长、可操作性低,且在时间上具有滞后性;(2) BCF的测定涉及动物试验,测定过程中的生态伦理问题不容忽视。及时、全面地完善和补充PFCs的生物富集效应理论对科学建立PFCs环境标准,准确评估PFCs的环境生态风险具有重要意义。

定量结构-活性关系(quantitative structure-activity relationship, QSAR)模型作为一种发展迅速、应用范围较广的理论预测工具,将化合物的分子结构与其性质之间建立函数关系,从而实现对化合物性质的有效预测[10]。利用QSAR模型可快速、准确地预测多种有机污染物的生物活性,例如芳香族化合物对厌氧菌群的毒性预测[11],含氧多环芳烃对斑马鱼胚胎的毒性预测等[12]。目前,关于PFCs生物富集性的预测模型还鲜有报道。

因此,鉴于实验研究的局限性及对PFCs生物富集效应理论研究的迫切需求,本研究在遵循国际经济合作与发展组织(Organization for Economic Cooperation and Development, OECD)提出的QSAR模型构建准则[13]的基础上建立PFCs在鱼类肝脏中生物富集的QSAR模型,并对该模型进行了全面验证与评估,以实现对鱼类肝脏中PFCs的log BCF的合理预测,为评估PFCs进入生物体内可能产生的损害奠定理论基础。同时,通过对QSAR模型的解释,为从分子角度阐述影响PFCs生物富集的主要因素提供了见解,对理解PFCs在生态系统中的迁移转化途径及规律具有一定的参考意义。

1 材料与方法(Materials and methods)

1.1 数据集的收集与处理

从PFCs对白鲢、罗非鱼和乌鳢肝脏的生物富集作用研究文献中收集了log BCF值[14-15],包括11种全氟烷基羧酸(perfluorinated carboxylic acids, PFCAs)、5种全氟烷基磺酸(perfluoroalkyl sulfonic acids, PFSAs)和1种全氟烷基磺酰胺(perfluoroalkane sulfonamides, FOSAs),涵盖了日常生活和工业领域中常见的PFCs。其中,针对白鲢的PFCs生物富集性研究以武汉汤逊湖为取样地[14],而对罗非鱼和乌鳢开展的相关实验以珠江三角洲为研究区域[15]。二者的实验方法相似,且均对不同鱼类的生活水体及其肝脏的PFCs浓度进行了测定。具体实验方法为:地表水样经滤膜过滤、固相萃取后进行PFCs本底浓度的测定;鱼体肝脏经研磨、冷冻和液液萃取后,测定其PFCs浓度。经预处理后,水体及鱼类肝脏中PFCs浓度的测定均采用高效液相色谱-串联质谱法,进而计算鱼体肝脏的log BCF值。

鱼类肝脏中PFCs的生物富集性与其生活水体中化合物的本底浓度有关[15]。经比较发现,当地表水中PFCs浓度相近时,罗非鱼和乌鳢肝脏对PFCs的富集差异不大,而PFCs更易在白鲢肝脏中形成富集,例如两地水体中全氟癸酸(perfluorodecanoic acid, PFDA)的环境浓度接近,但白鲢肝脏的log BCF值更大。

因建模数据来源于不同实验条件和实验环境,为减少分析的不确定性,按以下规则对原始数据进行处理:对所收集的同一PFCs的多个log BCF实验值,先剔除明显偏离整体数据样本的离群值,使得实验数据的变异系数≤15%,再取其平均值建立QSAR模型。原始数据经处理后,同一PFCs的log BCF实验值的变异系数均<15%,以其平均值为建模数据具有足够的稳健性,可支持QSAR分析[16-17]。17种PFCs的log BCF数值范围为1.82～5.29,跨度范围为3.47,平均值(mean)为3.51,所对应的标准偏差(standard deviation, SD)为1.10。所有数据均落在(mean-3SD, mean+3SD)区间范围内,满足建模的数据要求[18]。使用Excel软件随机选择数据集中80%的数据为训练集(14种PFCs),以建立QSAR模型;其余20%的数据为验证集(3种PFCs),用于对QSAR模型进行外部验证。

1.2 分子描述符的计算与筛选

量子化学描述符所代表的物理化学意义明确,有利于解释化合物对生物作用的反应机理。本研究运用Gaussian 09软件在B3LYP/6-31G*基组水平下优化PFCs的分子结构,以获得能量最低的PFCs稳定分子构型。采用Multiwfn程序[19]对优化后的PFCs分子结构进行计算,得到32个量子化学描述符,包括但不限于以下描述符:(1)与分子结构特征相关的描述符,如分子量、分子体积和分子表面积等;(2)与分子静电势相关的描述符,如分子静电势正值区域的平均值、分子表面静电势的平均偏差等;(3)与分子极性相关的描述符,如偶极矩、分子极性指数等。

为简化QSAR模型的构建过程,对所有描述符进行相关性分析,对相关系数0.95以上的描述符,只保留一个与log BCF之间相关系数较高的分子描述符。经筛选后,保留16个PFCs的分子描述符进入QSAR模型构建环节。PFCs的16个分子描述符的具体信息如表1所示。

1.3 QSAR模型的建立与验证

基于SPSS 26软件,以经筛选后所保留的16个分子描述符为自变量,log BCF为因变量进行逐步线性回归,得到包含不同个数分子描述符的QSAR模型。从模型的拟合优度、稳健性和预测能力3个方面考量模型性能,经比较分析后,确定本研究所建立的最终模型。

采用决定系数(R2)对QSAR模型的拟合优度进行评估;以内部验证指标评估QSAR模型的稳健性;利用验证集对QSAR模型进行外部验证,以外部验证指标和评估QSAR模型的预测能力;对由QSAR模型所得的预测值进行残差分析,评估模型是否存在系统误差;由QSAR模型中所含分子描述符的显著性指标(P)和方差膨胀系数(VIF),判断各分子描述符是否具有显著性,以及描述符之间是否存在多重共线性。和参照文献资料中的通用方法进行计算[21],其余统计参数由SPSS 26软件计算而得。

1.4 QSAR模型的应用域分析

以Williams图[22]表征QSAR模型的应用域,评估其适用范围,判断建模样本中是否存在异常值。Williams图由标准化残差(δ)与杠杆值(h)组成,当δ的绝对值>3时,表明该样本的预测值为异常值;当h超过警告杠杆值(h*)时,表明该样本的结构与训练集中样本的结构有较大差异[22]。δ与h采用文献资料中通用方法进行计算[23]。

2 结果(Results)

2.1 QSAR模型的建立与验证

经逐步线性回归后得到了包含不同个数分子描述符的QSAR模型,如式(1)～(2)所示,其统计参数如表2所示。分子描述符包括分子体积(V)与分子表面电位的最小值(Vs,min)。

log BCF = 0.001641V+0.007

(1)

log BCF = 0.001577V-14.55Vs,min-14.90

(2)

由表2可知,2个QSAR模型均具备显著性。对比两模型的训练集统计参数,模型(2)的拟合优度与稳健性较好,优于模型(1);测试集范畴内,模型(1)的外部预测能力更佳。

两模型的建立均符合样本数/变量数≥5的建模经验规则[24]。由表2可知,两模型的和根据模型应用的评估标准[21],表明两模型均具备良好的拟合优度、稳健性和预测能力,符合QSAR模型构建准则的要求。两模型的即两模型均不存在过度拟合现象[25]。在QSAR模型构建过程中,应考虑尽可能多的分子描述符,以提高其拟合优度与稳健性[26]。同时,当测试集中的样本数据相对较少,分析的不确定性将会有所提高[24]。另一方面,相比于单因子模型,双因子模型的解释能力更强。具有相同官能团的同系PFCs,随着碳链长度(CF2)的增加,其分子体积随之增加,log BCF值呈递增趋势。例如,全氟壬酸(perfluorononanoic acid, PFNA)与PFDA的分子表面电位的最小值相近,但因PFDA的分子体积较大,其log BCF也更大。非同系PFCs不仅存在碳链长度(CF2)的差异,其末端所带官能团也不同。通过对PFDA和全氟辛基磺酰胺(perfluorooctane sulfonamide, PFOSA)进行比较分析发现,PFOSA的分子体积小于PFDA,但其log BCF却更大,多因PFOSA的分子表面电位的最小值更小所致。双因子模型在对非同系PFCs的生物富集性作出定性机理解释的同时,还具有一定的定量分析意义。基于上述原因,本研究选择模型(2)为最终QSAR模型。

表3中给出了使用QSAR模型预测PFCs的log BCF值的具体结果。log BCF预测值与实验值之间的相关性如图1所示,所有数据点均分布在45°线附近,模型对PFCs的log BCF值预测精度较高。log BCF的残差分布如图2所示,所有残差均随机分布在基线两侧,无明显的规律性,模型不存在系统误差。

表4列出了QSAR模型中所含分子描述符的P值和VIF值。当分子描述符的VIF值均<10时,表明分子描述符间不存在多重共线性[27]。由表4可知,QSAR模型中各分子描述符均为关键描述符且彼此之间不存在多重共线性。

2.2 QSAR模型的应用域分析

通过Williams图划定本文所建QSAR模型的适用范围,如图3所示(图中杠杆值h<0.64与标准残差的绝对值|δ|<3的界定范围内)。测试集与验证集中所有数据样本均在δ与h的界定范围内,表明该QSAR模型具有较强的预测能力及泛化能力。

2.3 log BCF的影响因素分析

由QSAR模型可知,PFCs的log BCF与其V和Vs,min有关,且与V呈正相关,与Vs,min呈负相关。经计算,QSAR模型中V与Vs,min的标准化回归系数[28]分别为0.885、-0.237,表明PFCs的V是影响其log BCF大小的主要因素。

V反映分子的大小,较大分子尺寸的PFCs具有更强的疏水性[29],而疏水相互作用可驱动吸附质与吸附剂间的吸附[30]。PFCs的V越大,其分子尺寸越大,疏水性也越强,更易吸附在鱼类的肝脏细胞上,从而表现出的生物富集性也就越大。

Vs,min反映分子接受质子形成氢键的能力(即氢键碱度)[31],氢键碱度较高的分子更倾向于与水形成氢键[32]。PFCs的Vs,min越大,其氢键碱度越高,更易与水发生相互作用形成氢键,从而表现出的生物富集性也就越小。

3 讨论(Discussion)

本文基于17种PFCs的分子结构特性,建立鱼类肝脏中PFCs的log BCF的QSAR预测模型,与现有相关模型相比,本模型具有可靠性强、应用域广和作用机理清晰的特点。Liu等[33]以半最大效应浓度(log EC50)为单分子描述符建立了PFCs在青口贻贝中的生物富集性的QSAR模型(R2=0.999)。该模型具有高R2,但其建模数据集所含PFCs的数量较少(仅包含4种PFCs),模型的建模过程未完全遵循QSAR模型构建的五项准则[13],缺乏对QSAR模型外部预测能力的验证及对应用域的定义;此外,以log EC50为分子描述符建立QSAR模型,并非纯粹的“结构-性质”关系,该描述符多由实验测定,其实验结果受多因素影响,数据的准确性和可靠性受限,模型不确定性较高。本文建立的QSAR模型所采用的数据量有所增加,数据集的覆盖面有所加大;描述符由理论计算获得,数据稳定,可靠性佳,建模过程完全基于QSAR模型构建的准则框架[13],模型适用性较好;且经全面验证表明,本模型具备良好的拟合优度、稳健性和预测能力。Bhhatarai和Gramatica[34]分析了PFCs在虹鳟鱼体内的log BCF值随PFCs碳链长度的增加而增加,PFCs的疏水性越强越容易在鱼体组织中富集。这与本研究模型筛选出的表征疏水性的V值与PFCs在鱼类肝脏中生物富集性呈正相关的结果一致。本模型研究表明,除与疏水性相关的PFCs的分子体积外,与化合物氢键碱度相关的分子表面电位的最小值对PFCs的生物富集性也具有影响作用;对于非同系PFCs,模型可从定性与定量分析的角度予以阐释,丰富了PFCs生物富集效应研究理论。

综上所述,在适用范围内,本文所建的QSAR模型可预测目前大多数PFCs的log BCF值,从生物富集性角度,为PFCs的生态风险评估提供数据支持。

基于本文的研究结果,未来可侧重于以下几个方向开展研究。

(1)结合多种机器学习方法,对PFCs的分子结构与log BCF之间进行线性与非线性拟合尝试,进一步提升QSAR模型的拟合优度、稳健性与预测能力。虽然大多数非线性模型属于“黑箱”模型,不利于作用机理的解释,但PFCs在生物体内的生物富集行为是一复杂过程,极有可能涉及非线性关系,因此,开展非线性模型的研究有利于完善PFCs的生物富集性理论体系。

(2)通过对QSAR模型的机理解释,发现PFCs的分子体积和分子表面电位的最小值是影响其在鱼类肝脏中富集的重要因子,且分子体积起主导作用。PFCs的生物富集效应受多种作用机制共同影响,如疏水作用、氢键等。在化工生产中,可根据影响PFCs生物富集性的结构因素,合成对生态风险影响较小的新型PFCs。

(3)现研究大多采用美国环境保护局推荐的非致癌物质健康风险模型[35]对PFCs进行风险评估,该方法主要以PFCs在环境中的质量浓度和人体摄入量为基础进行分析,其评估结果具有滞后性。在今后的研究中可尝试建立包含多环境生态风险因子的综合指标体系(如生物富集因子、生物毒性和化合物降解难易程度指标等),从PFCs固有的分子结构特性出发,探索评估PFCs健康风险的新理论与新方法,对现有或新兴PFCs可能产生的生态安全威胁进行客观及时预警。

参考文献(References)：

[1] 李春梅, 岳宁, 周杰, 等. 基于超高效液相色谱-四极杆/静电场轨道阱高分辨质谱技术研究全氟化合物质谱裂解规律[J]. 食品安全质量检测学报, 2020, 11(22): 8380-8386

Li C M, Yue N, Zhou J, et al. Study on the mass spectrometry fragmentation of perfluorinated compounds based on ultra performance liquid chromatography-quadrupole/electrostatic field orbitrap high resolution mass spectrometry [J]. Journal of Food Safety &Quality, 2020, 11(22): 8380-8386 (in Chinese)

[2] 顾春节, 钟哲辉, 徐晨烨, 等. 印染末端废水中全氟化合物的污染特征、影响因素及风险评价[J]. 环境科学学报, 2021, 41(5): 1920-1929

Gu C J, Zhong Z H, Xu C Y, et al. Occurrence, influencing factors, and risks assessment of perfluorinated compounds (PFCs) in wastewater from textile and dyeing industry [J]. Acta Scientiae Circumstantiae, 2021, 41(5): 1920-1929 (in Chinese)

[3] Ahrens L, Bundschuh M. Fate and effects of poly- and perfluoroalkyl substances in the aquatic environment: A review [J]. Environmental Toxicology and Chemistry, 2014, 33(9): 1921-1929

[4] Liu Y, Li X, Wang X, et al. Contamination profiles of perfluoroalkyl substances (PFAS) in groundwater in the alluvial-pluvial plain of Hutuo River, China [J]. Water, 2019, 11(11): 1-2316

[5] 李梦丹. 上海市大气中全氟化合物迁移和转化的数值模拟研究[D]. 上海: 上海交通大学, 2016: 13-14

Li M D. Numerical simulation of perfluorinated compounds migration and transformation in Shanghai’s atmosphere [D]. Shanghai: Shanghai Jiao Tong University, 2016: 13-14 (in Chinese)

[6] Xiao F, Simcik M F, Halbach T R, et al. Perfluorooctane sulfonate (PFOS) and perfluorooctanoate (PFOA) in soils and groundwater of a U.S. metropolitan area: Migration and implications for human exposure [J]. Water Research, 2015, 72: 64-74

[7] Mariussen E. Neurotoxic effects of perfluoroalkylated compounds: Mechanisms of action and environmental relevance [J]. Archives of Toxicology, 2012, 86(9): 1349-1367

[8] 张小梅, 宋锦兰, 金一和, 等. 全氟辛烷磺酸对雄性鹌鹑生殖毒性影响[J]. 生态毒理学报, 2011, 6(2): 143-148

Zhang X M, Song J L, Jin Y H, et al. Study on reproductive toxicity of perfluorooctane sulfonate (PFOS) in male quail [J]. Asian Journal of Ecotoxicology, 2011, 6(2): 143-148 (in Chinese)

[9] 谢蕾, 章涛, 孙红文. 全氟烷基化合物在人体肝脏中的富集特征及其与肝损伤的关系[J]. 环境化学, 2020, 39(6): 1479-1487

Xie L, Zhang T, Sun H W. Enrichment characteristics of perfluoroalkyl substances (PFASs) in human liver and its association with hepatocyte apoptosis [J]. Environmental Chemistry, 2020, 39(6): 1479-1487 (in Chinese)

[10] Schultz T W, Cronin M T D, Walker J D, et al. Quantitative structure-activity relationships (QSARs) in toxicology: A historical perspective [J]. Journal of Molecular Structure: THEOCHEM, 2003, 622(1-2): 1-22

[11] 吴少奇, 王黎, 夏正海, 等. QSAR模型预测石化废水中芳香族物质对厌氧菌群的综合毒性[J]. 生态毒理学报, 2020, 15(6): 167-174

Wu S Q, Wang L, Xia Z H, et al. QSAR modelling for predicting comprehensive toxicity of aromatic substances to anaerobic microflora in petrochemical wastewater [J]. Asian Journal of Ecotoxicology, 2020, 15(6): 167-174 (in Chinese)

[12] 金玲敏, 徐童, 乔显亮. OPAHs对斑马鱼胚胎的急性毒性预测[J]. 生态毒理学报, 2021, 16(6): 53-59

Jin L M, Xu T, Qiao X L. Prediction of acute toxicity by OPAHs to zebrafish embryos [J]. Asian Journal of Ecotoxicology, 2021, 16(6): 53-59 (in Chinese)

[13] Organization for Economic Co-operation and Development (OECD). Guidance Document on the Validation of (Quantitative) Structure-Activity Relationship [(Q) SAR] Models [M]// Environment Health and Safety Publications Series on Testing and Assessment. Paris: OECD, 2007, 2: 1-154

[14] 胡哲. 不同生物介质中全氟化合物的分布特征及富集规律研究[D]. 武汉: 华中农业大学, 2016: 57

Hu Z. Study on the distribution characteristics and enrichment laws of perfluorinated compounds in different biological media [D]. Wuhan: Huazhong Agricultural University, 2016: 57 (in Chinese)

[15] Pan C G, Zhao J L, Liu Y S, et al. Bioaccumulation and risk assessment of per- and polyfluoroalkyl substances in wild freshwater fish from rivers in the Pearl River Delta region, South China [J]. Ecotoxicology and Environmental Safety, 2014, 107: 192-199

[16] 百度百科. 变异系数[EB/OL]. (2021-12-31) [2022-07-18]. http://baike.baidu.com/item/变异系数/6463621?fr=aladdin

[17] Brusseau M L. Estimating the relative magnitudes of adsorption to solid-water and air/oil-water interfaces for per- and poly-fluoroalkyl substances [J]. Environmental Pollution, 2019, 254(Pt B): 113102

[18] Zhang L. Theory, Methodology, Tools and Applications for Modeling and Simulation of Complex Systems [M]. Singapore: Springer, 2016: 497-503

[19] Lu T, Chen F W. Multiwfn: A multifunctional wavefunction analyzer [J]. Journal of Computational Chemistry, 2012, 33(5): 580-592

[20] Lu T, Chen Q X. Van der Waals potential: An important complement to molecular electrostatic potential in studying intermolecular interactions [J]. Journal of Molecular Modeling, 2020, 26(11): 315

[21] Kunal R, Supratik K, Rudra N D. A Primer on QSAR/QSPR Modeling [M]. Berlin: Springer, 2015: 48-52

[22] Zhu T Y, Wu J, He C D, et al. Development and evaluation of MTLSER and QSAR models for predicting polyethylene-water partition coefficients [J]. Journal of Environmental Management, 2018, 223: 600-606

[23] 何培, 潘勇, 蒋军成, 等. 芳香族硝基化合物爆速的定量构效关系预测[J]. 中国安全科学学报, 2018, 28(7): 32-37

He P, Pan Y, Jiang J C, et al. Prediction of detonation velocity of nitro aromatic compounds based on quantitative structure-property relationship [J]. China Safety Science Journal, 2018, 28(7): 32-37 (in Chinese)

[24] 李建凤, 廖立敏. 不饱和烃类化合物溶解度(-lg Sw)的QSPR研究[J]. 湖南师范大学自然科学学报, 2020, 43(1): 68-74

Li J F, Liao L M. QSPR study on solubility (-lg Sw) of unsaturated hydrocarbons [J]. Journal of Natural Science of Hunan Normal University, 2020, 43(1): 68-74 (in Chinese)

[25] Kiralj R, Ferreira M M. Basic validation procedures for regression models in QSAR and QSPR studies: Theory and application [J]. Journal of the Brazilian Chemical Society, 2009, 20: 770-787

[26] Li Y, Yu X Y, Chen X, et al. Underlying mechanisms for the impacts of molecular structures and water chemistry on the enrichment of poly/perfluoroalkyl substances in aqueous aerosol [J]. Science of the Total Environment, 2022, 803: 150003

[27] 吕利平, 李兵, 何树华, 等. 基于定量-构效关系预测含低碳酯二元共沸物的共沸温度[J]. 化学工程, 2019, 47(11): 44-49

Lyu L P, Li B, He S H, et al. Predicting the azeotropic temperature of binary azeotropes containing low carbon esters based on the quantitative structure-property relation theory [J]. Chemical Engineering (China), 2019, 47(11): 44-49 (in Chinese)

[28] 刘莹, 于影, 石宝友, 等. 供水管网铁释放的影响因素相对重要性分析[J]. 环境科学, 2017, 38(12): 5090-5096

Liu Y, Yu Y, Shi B Y, et al. Relative importance of factors influencing iron release in drinking water distribution systems [J]. Environmental Science, 2017, 38(12): 5090-5096 (in Chinese)

[29] Rayne S, Forest K, Friesen K J. Estimated bioconcentration factors (BCFs) for the C4 through C8 perfluorinated alkylsulfonic acid (PFSA) and alkylcarboxylic acid (PFCA) congeners [J]. Journal of Environmental Science and Health, Part A, 2009, 44(6): 598-604

[30] Apul O G, Wang Q L, Shao T, et al. Predictive model development for adsorption of aromatic contaminants by multi-walled carbon nanotubes [J]. Environmental Science &Technology, 2013, 47(5): 2295-2303

[31] Pedretti A, Villa L, Vistoli G. VEGA: A versatile program to convert, handle and visualize molecular structure on Windows-based PCs [J]. Journal of Molecular Graphics and Modelling, 2002, 21(1): 47-49

[32] Apul O, Perreault F, Ersan G, et al. Linear solvation energy relationship development for adsorption of synthetic organic compounds by carbon nanomaterials: An overview of the last decade [J]. Environmental Science: Water Research &Technology, 2020, 6(11): 2949-2957

[33] Liu C H, Chang V W C, Gin K Y H. Oxidative toxicity of perfluorinated chemicals in green mussel and bioaccumulation factor dependent quantitative structure-activity relationship [J]. Environmental Toxicology and Chemistry, 2014, 33(10): 2323-2332

[34] Bhhatarai B, Gramatica P. Prediction of aqueous solubility, vapor pressure and critical micelle concentration for aquatic partitioning of perfluorinated chemicals [J]. Environmental Science &Technology, 2011, 45(19): 8120-8128

[35] US Environmental Protection Agency. Guidelines for exposure assessment [R]. Washington DC: US Environmental Protection Agency, 1992

Prediction of Bioconcentration Factor and Analysis of Influencing Factors of Perfluorinated Compounds in Fish Liver

Jiang Lan1, Xu Yue1,*, Zhang Xiaoyu2,#, Xu Bingfeng1, Xu Ximeng1, Ma Yixing3

1. Faculty of Civil Engineering and Mechanics, Kunming University of Science and Technology, Kunming 650500, China 2. Yunnan Research Academy of Eco-environmental Sciences, Kunming 650034, China 3. Faculty of Environmental Science and Engineering, Kunming University of Science and Technology, Kunming 650500, China

Abstract：As an emerging organic pollutant, perfluorinated compounds (PFCs) are considered to be a potential threat to the ecological environment due to their persistent, bioaccumulative, and toxic properties. Based on the previously reported experimental log bioconcentration factor (BCF) data, the multiple linear stepwise regression method was introduced to establish a quantitative structure-activity relationship (QSAR) model to predict the BCF of PFCs on fish liver and its impact mechanism, avoiding the limitations of experimental determination of PFCs bioaccumulation. Subsequently, the proposed model was validated and evaluated, and the identified impact mechanism was explained. The coefficient of determination (R2=0.902), internal validation metric demonstrated the good performance of the proposed model in terms of goodness of fit, robustness and prediction accuracy. Moreover, the Williams graph confirmed the strong generalization ability of the proposed model. Furthermore, molecular volume (V) and the minimum value of molecular surface potential (Vs, min) were identified as the key influencing factors affecting the enrichment of PFCs in fish liver, and the former played a dominant role. The bioaccumulation effect of PFCs was found to be the result of the interaction and co-influence of hydrophobic and hydrogen bonds.

Keywords：PFCs; fish liver; bioconcentration factor; QSAR

收稿日期：2022-06-16

录用日期：2022-08-24

文章编号：1673-5897(2023)2-249-10

中图分类号：X171.5

文献标识码：A

基金项目：国家自然科学基金面上项目(42177464)

第一作者：蒋岚(1994—),女,硕士研究生,研究方向为水处理理论与技术,E-mail: 514551718@qq.com

*通信作者(Corresponding author), E-mail: xvyue1029@hotmail.com

#共同通信作者(Co-corresponding author), E-mail: 32754543@qq.com

DOI： 10.7524/AJE.1673-5897.20220616001

蒋岚, 徐悦, 张晓宇, 等. 全氟化合物在鱼类肝脏中的生物富集因子预测与影响因素分析[J]. 生态毒理学报,2023, 18(2): 249-258

Jiang L, Xu Y, Zhang X Y, et al. Prediction of bioconcentration factor and analysis of influencing factors of perfluorinated compounds in fish liver [J]. Asian Journal of Ecotoxicology, 2023, 18(2): 249-258 (in Chinese)

Received 16 June 2022

accepted 24 August 2022

通信作者简介：

徐悦(1982—),女,博士,讲师,主要研究方向为水处理理论与技术。

共同通信作者简介：张晓宇(1982—),男,博士,高级工程师,主要研究方向为生态毒理学。