一种应用于制定水质基准的毒性预测方法与流程

本发明涉及环境保护技术领域，具体讲，涉及一种应用于制定水质基准的毒性预测方法。

背景技术：

水质基准是制定水质标准的科学依据，在水环境保护方面发挥着非常重要的作用。而作为环境风险管理的重要组成部分及科学支撑，生态风险评估是当前环境管理领域中的重点和难点，帮助环境管理部门了解和预测外界生态影响因素和生态后果之间的关系，最终为风险管理提供决策支持。然而目前，我国在水质基准的研究方面相对于发达国家起步较晚，最主要的制约因素是化学品对中国本土生物的毒性数据相对匮乏，并且数据质量参差不齐。而随着现代工业的飞速发展，新合成化学品每年以数百中的数量投入市场，如若对每种化合物进行生物实验检测，势必要消耗大量的人力、物力和财力，也是中国目前经济实力难以负荷的巨额实验经费，同时也不符合oecd组织关于减少动物实验的原则。

污染物生物毒性数据的缺乏是水质基准研究中的常见问题，尤其对于一些新型污染物，毒性数据的相对缺乏更加制约了水质基准的研究进程。因此，如何在数据缺乏的情况下开展水质基准方面相关研究，是一个极具挑战的问题，此时，模型预测的方法就显得尤为重要。

种间关系预测(interspeciescorrelationestimation，ice)模型是一种基于物种之间毒性的相关关系而构建的一种预测方法，种间关系预测可以用简单低等生物毒性试验来代替高等生物毒性测试，用简单毒性测试体系代替复杂的毒性测试体系。ice模型最初是由美国环保局(usepa)开发出来的一种用已知物种的毒性数据来预测未知物种毒性的软件方法。后来，ice模型经过不断开发和升级，开始推出了一种网络在线预测平台，并且内置了水生生物和野生生物等的预测模块。随着ice模型的不断扩展，目前在线预测的操作平台(http://www.epa.gov/ceampubl/fchain/webice/)，可以预测水生生物(藻类、鱼类、无脊椎动物)和陆地野生生物(主要是鸟类、哺乳类等)生物的毒性，并且针对稀有生物和濒危物种，也有很好的预测效果。ice预测方法能够弥补由数据不足造成的物种敏感度分布(speciessensitivitydistribution，ssd)曲线拟合不准确的缺点，能够提供未知物种的预测毒性数据。ice模型是一种基于物种之间毒性的相关关系而构建的预测方法，种间关系预测可以用简单低等生物毒性实验来代替高等生物毒性测试。美国环保局(usepa)基于北美物种庞大的毒性数据库，应用ice模型建立了在线预测平台web-ice，可以预测水生生物(藻类、鱼类、无脊椎动物)和陆地野生动物(鸟类、哺乳类等)生物的毒性，并且针对稀有生物和濒危物种也有很好的预测效果。但是ice预测模型是以生物毒性数据为基础进行预测的模型。

qsar(quantitativestructureactivityrelationship，定量结构活性相关)模型作为化合物风险评价中预测生物毒性基础数据的一种经济、有效的方法，已经得到了广泛应用。但建立的每种qsar模型都是基于一种物种的毒性数据，因此只能预测某一种物种对不同化合物的毒性数据。

目前，在进行毒性预测时，通常仅采用单一的预测模型，例如专利申请201510592015.6公开了一种基于模型预测的生物毒性预测方法，具体步骤为：，其包括如下步骤：

步骤一，替代物种的选择：

针对某一种物质，收集整理该物质已有的的生物毒性数据，在所有的物种毒性数据中，选择当地代表性的物种作为替代物种，将物种对应的所有毒性数据进行处理，取几何均值，作为模型预测输入数据备用；

步骤二，用替代物种进行毒性预测，获得未知物种的毒性数据：

根据步骤一筛选出的物种，在模型里输入数据，选择预测物种，获得预测物种的毒性数据；

步骤三，预测数据的筛选。

该专利申请利用了ice模型对物种的毒性进行预测，但ice模型仅能针对生物毒性数据进行预测，生物毒性数据需要进行大量的动物实验，耗费人力和物力。

目前，鉴于此，特提出本发明。

技术实现要素：

本发明的发明目的在于提出一种应用于制定水质基准的毒性预测方法。

为了完成本发明的目的，采用的技术方案为：

本发明提出一种用于制定水质基准的毒性预测方法，至少包括以下步骤：

步骤一，建立系列ice模型，获得系列替代物种和预测物种间的相关关系模型，并筛选出1～5种典型替代物种；

步骤二，基于所述典型替代物种污染物的结构性质，建立所述典型替代物种的qsar预测模型；

步骤三，将每一种所述典型替代物种的qsar预测模型代入到所述预测物种的ice模型中，得到针对每一所述典型替代物种的、用于制定水质基准的毒性预测qsar-ice模型；

步骤四，选择预测物种相应的qsar-ice模型，输入预测污染物的结构性质参数，获得预测物种的毒性数据；所述预测物种的毒性数据用于水质基准的制定。

优选的，所述典型替代物种需要满足以下两个条件：(1)同一替代物种的污染物数据至少5个；(2)同一替代物种所建立的种间关系模型至少10个。

优选的，所述典型替代物种选自稀有鮈鲫、草鱼、泥鳅、罗非鱼、大型溞或虹鳟鱼中的至少一种。

优选的，所述ice模型如式1所示：

log10(predictedtaxatoxicity)＝a+b*log10(surrogatetaxatoxicity)(1)

其中，log10(predictedtaxatoxicity)表示预测物种的毒性；log10(surrogatetaxatoxicity)表示替代物种的毒性；a为ice模型的截距；b为ice模型的斜率。

优选的，所述qsar模型如式2所示：

log10(surrogatetoxicity)＝a0+a1f1+a2f2+…+anfn(2)

其中，log10(surrogatetoxicity)表示替代物种的毒性；a0表示qsar模型的截距；a1、a2～an为qsar模型中各结构性质参数的系数；f1、f2～fn为构建qsar模型选取的污染物的结构性质参数。

优选的，所述qsar-ice模型如式3所示：

qsar-ice:log10(predictedtoxicity)＝a+b*(a0+a1f1+a2f2+…+anfn)

＝a0+a1f1+a2f2+…+anfn(3)

其中，log10(predictedtoxicity)表示预测物种的毒性；a0为qsar-ice模型的截距；f1、f2～fn为构建qsar模型选取的污染物的结构性质参数；a1、a2～an为qsar-ice模型中各结构性质参数的系数。

本发明的技术方案至少具有以下有益的效果：

本发明通过建立qsar-ice模型，不仅可以避免耗时耗力的生物实验，并且应用一种模型同时可以在化学品和物种两个层面上扩充预测范围，可以填充更多化学品对更多物种，尤其是稀有和濒危物种毒性数据的空白，改善中国目前面临的生物数据极度短缺的情况，满足中国水质基准研究对毒性数据生物多样性的需求，加快水质基准的研究发展，并且可以为生态风险评估提供基础数据支持。

本发明的预测方法不仅可充分利用现有的中国本土生物的毒性数据，还可充分利用发达国家相对完善的毒性数据库，建立适用于中国本土生物的毒性预测模型，扩充中国本土生物毒性数据量，是解决制约中国水质基准和生态风险评估发展的主要途径。

附图说明

图1为本发明用于制定水质基准的毒性预测方法的流程图；

图2为本发明实施例基于草鱼和白鲢鱼毒性数据建立的ice模型；

图3为本发明实施例基于草鱼毒性数据建立的qsar模型；

图4为本发明实施例基于白鲢鱼实测毒性数据和预测毒性数据间的相关性模型。

本发明涉及到的一些相关名词解释：

ice：interspeciescorrelationestimation(种间关系预测模型)；

qsar：quantitativestructureactivityrelationship(定量结构活性相关模型)。

具体实施方式

下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。

本发明提出一种用于制定水质基准的毒性预测方法，其流程示意图如图1所示，至少包括以下步骤：

步骤一，建立系列ice模型，获得系列替代物种和预测物种间的相关关系模型，并筛选出1～5种典型替代物种；

ice模型如式1所示：

log10(predictedtaxatoxicity)＝a+b*log10(surrogatetaxatoxicity)(1)

其中，log10(predictedtaxatoxicity)表示预测物种的毒性；log10(surrogatetaxatoxicity)表示替代物种的毒性；经过对数变换后，替代物种和预测物种之间存在线性相关关系，a和b为拟合的线性参数，a表示ice模型的截距；表示ice模型的斜率；

典型替代物种需要满足以下两个条件：(1)同一替代物种的污染物数据至少5个；(2)同一替代物种所建立的种间关系模型至少10个。

常用的典型替代物种可选自稀有鮈鲫、草鱼、泥鳅、罗非鱼、大型溞、虹鳟鱼。

步骤二，基于典型替代物种污染物的结构性质，建立典型替代物种的qsar预测模型；

qsar模型如式2所示：

log10(surrogatetoxicity)＝a0+a1f1+a2f2+…+anfn(2)

log10(surrogatetoxicity)表示替代物种的毒性；a0表示qsar模型的截距；a1、a2～an为qsar模型中各结构性质参数的系数；f1、f2～fn为构建qsar模型选取的污染物的结构性质参数。

qsar模型是根据化合物的结构性质，通过计算其结构描述符建立毒性与结构间的相关关系。该模型可以减少动物实验，应用非生物实验数据，如理化性质参数，来预测不同结构化合物的毒性。

步骤三，将每一种典型替代物种的qsar预测模型代入到预测物种的ice模型中，得到针对每一典型替代物种的、用于制定水质基准的毒性预测qsar-ice模型；

qsar-ice:log10(predictedtoxicity)＝a+b*(a0+a1f1+a2f2+…+anfn)

＝a0+a1f1+a2f2+…+anfn(3)

log10(predictedtoxicity)表示预测物种的毒性；a0为qsar-ice模型的截距；f1、f2～fn为构建qsar模型选取的污染物的结构性质参数；a1、a2～an为qsar-ice模型中各结构性质参数的系数。

本发明通过ice模型确立了典型替代物种，并建立了典型替代物种的qsar预测模型，从而可利用qsar模型中的化合物数据，从而将利用生物数据转化为利用化合物毒性数据。

步骤四，选择预测物种相应的qsar-ice模型，输入预测污染物的结构性质参数，获得预测物种的毒性数据，用于水质基准的制定。

本申请的预测方法基于搜集的中国本土物种及北美物种(主要是两栖类和鱼类)的毒性数据建立了中国本土物种之间的ice模型，以及中国本土物种和北美物种之间的ice模型。并筛选出ice模型中的典型替代物种，如中国本土物种：稀有鮈鲫、草鱼、泥鳅等；北美物种：罗非鱼、大型溞、虹鳟鱼等物种。分别基于以上典型替代物种的化学品结构性质建立qsar预测模型，最终建立qsar-ice合并模型。对未知化学品毒性数据的预测上，不仅可以应用中国本土物种模型进行预测，在中国本土物种模型不足以满足预测范围时，还可以依靠北美物种毒性数据对中国本土物种的毒性数据进行预测，最重要的是qsar-ice模型可以满足利用非生物数据预测多元物种的需求。

qsar-ice模型的建立，不仅可以避免耗时耗力的生物实验，并且应用一种模型同时可以在化学品和物种两个层面上扩充预测范围，可以填充更多化学品对更多物种，尤其是稀有和频危物种毒性数据的空白，改善中国目前面临的生物数据极度短缺的情况，满足中国水质基准研究对毒性数据生物多样性的需求，加快水质基准的研究发展，并且可以为生态风险评估提供基础数据支持。

具体实施例

以具体实施例方式为例，进一步说明本发明的用于制定水质基准的毒性预测方法：

步骤一、以白鲢鱼为预测物种，通过文献调研和数据库查找，发现中国本土水生生物草鱼的污染物数据多并且草鱼的种间关系模型多，因此选择草鱼为典型替代物种，基于17种不同结构污染物的急性毒性数据建立两物种间的ice模型：其中，17种不同污染物数据如表1所示。

建立ice模型如图2所示，由图2获得两物种之间的线性关系如下：

log10(白鲢)＝-0.128+1.04log10(草鱼)

其中，r²＝0.986df＝15p＝0.000

以上统计学参数中：r²表示相关系数，r²大于0.6表示拟合程度具有统计学意义；df表示自由度，即取值不受限制的变量个数；p值小于0.05表示显著性相关。

表1：基于草鱼和白鲢鱼建立的ice模型急性毒性数据(单位logmol/l)

步骤二、基于草鱼的43种不同结构污染物的急性毒性数据建立草鱼的qsar模型：

其中，43种不同结构污染物的数据如表2所示，其中，logs表示溶解度；mw表示相对分子质量；f±耦合离子的百分率；logkow表示辛醇/水分配系数。

建立qsar模型如图3所示，由图3获得草鱼的qsar模型如下式所示：

log10(草鱼)＝1.29+0.637logs+0.00346mw-2.72f±-0.0815logkow

r²＝0.817df＝41p＝0.000

以上统计学参数中：r²表示相关系数，r²大于0.6表示拟合程度具有统计学意义；df表示自由度，即取值不受限制的变量个数；p值小于0.05表示显著性相关。

表2：基于草鱼建立的qsar模型急性毒性数据(单位logmol/l)

步骤三、将两种模型合并得到qsar-ice模型：

log10(白鲢)＝-0.128+1.04(1.29+0.637logs+0.00346mw-2.72f±-0.0815logkow)

＝1.214+0.662logs+0.00359mw-2.829f±-0.0848logkow

步骤四，将预测污染物的结构性质参数输入到qsar-ice模型中，获得白鲢的毒性数据；

其中，白鲢污染物的结构性质参数如表3所示；

表3：白鲢预测污染物的结构性质参数

得到白鲢的预测毒性数据如表4所示；

表4白鲢的毒性预测值和实测值(单位logmol/l)

通过搜集文献数据的方法获得白鲢的实测毒性数据，具体也如表4所示，得到实测值和预测值间的平均残差ae＝-0.02；平均绝对残差aae＝0.48；均方根误差rmse＝0.50；相关系数r²为0.910；p值小于0.05具有显著性相关，如图4所示，说明qsar-ice模型具有稳定的预测能力，可以用于制定水质基准。

本发明虽然以较佳实施例公开如上，但并不是用来限定权利要求，任何本领域技术人员在不脱离本发明构思的前提下，都可以做出若干可能的变动和修改，因此本发明的保护范围应当以本发明权利要求所界定的范围准。