近日，水利与环境学院张睿课题组在高关注度持久性有机污染物(POPs)溴代二噁英的毒性预测研究方面取得重要进展。该研究基于体外荧光报告基因实验、分子动力学模拟和机器学习算法等提出了一种可准确定性预测鸟纲物种特异的溴代二噁英类二噁英活性及其种间相对敏感性的广义线性模型，为优先控制类二噁英化合物的筛查以及在氨基酸水平上揭示其它脊椎动物对类二噁英活性的种间敏感性差异的机制提供了一种新策略。该成果以“Using In Vitro and Machine Learning Approaches to Determine Species-Specific Dioxin-like Potency and Congener-Specific Relative Sensitivity among Birds for Brominated Dioxin Analogues”为题，在环境领域顶级期刊《Environmental Science & Technology》上发表。该研究受到高度评价，被美国化学学会(ACS)推荐为ACS Editors' Choice文章进行亮点报道，并在ACS网站作为头条新闻展示。该研究工作得到了国家自然科学基金、山东省自然科学基金等项目的大力支持。

该工作通过鸟纲芳香烃受体荧光报告基因实验测定了19种溴代二噁英的鸟纲生态风险评价亟需的物种特异的相对毒性效力及化合物特异的鸟纲种间相对敏感性，并通过分子动力学模拟和分子间作用能计算，基于机器学习算法经特征筛选后构建了黑箱预测模型，然后采用样条近似方法获得了解释性更强的广义线性模型，可实现毒性和敏感性高低的分类预测，且模型预测准确率(大于87%)和普适性(受试者工作特征曲线下面积大于88%)都很高。这些预测模型是基于分子致毒机制构建的，且提取了配体特异、物种特异的芳香烃受体构象信息，并融合了机器学习算法的高预测精度和广义线性模型可解释性强的优点。该研究为优先控制类二噁英化合物的筛查以及在氨基酸水平上揭示其它脊椎动物对类二噁英活性的种间敏感性差异的机制提供了一种新策略。另外，该建模过程涉及到芳香烃受体相关的有害结局路径(AOP)，因此该研究还提供了一个案例展示如何利用AOPs来促进用于化学品安全性评价的预测模型的开发。