国科大杭高院环境学院王亚韡教授工作室在PFAS毒性的批量评估领域取得新进展，相关成果以“Novel strategies and approaches toward toxicity assessment: a key factor for safety assessment and management of per- and polyfluoroalkyl substances”为题，在线发表于Science Bulletin期刊上（https://doi.org/10.1016/j.scib.2023.01.003）。

全氟及多氟烷基类化合物（Per- and polyfluoroalkyl substances, PFAS）是一类广受关注的化合物，在生产生活领域应用广泛。由于具有持久性、毒性、长距离迁移性等负面的环境效应，PFAS的典型单体被列入《斯德哥尔摩公约》等国际公约和组织进行全球管控。2022年12月，欧盟修订了食品中PFAS含量的管理条例Regulation (EC) No 1881/2006，该条例加强了对PFAS在特定食品中限量的管理。PFAS毒性风险评估对PFAS的全球管控具有重要意义。

目前已有超过4700种PFAS单体，其中包括研究较多的典型传统PFAS单体（PFOS，PFOA，和PFHxS）和相关研究相对匮乏的新型PFAS。传统的PFAS仅占PFAS总量的一小部分，大量的PFAS的毒性风险尚未可知。传统的毒理学评价方法和指标常常针对一个或几个PFAS单体，研究手段获取的信息量也相对较少。面对庞大的PFAS数量，需要新的策略和方法，高效地评估PFAS的毒性风险。

针对这一现象和需求，作者从研究对象、实验模型、检测手段、数据分析等方面提出了新的策略和方法。研究对象的选择方面，根据PFAS的结构或管控需求选取批量PFAS作为研究对象，对PFAS的毒性进行高效评估；实验模型方面，减少哺乳动物模型的使用，使用鱼类作为实验模型，同时使用新型的细胞模型，如人类胚胎干细胞模型等，减少资源投入和避免伦理学问题；检测手段方面，使用高通量的体外检测方法，如Tox21中毒性检测试剂，以及可以反应生物体在受到外界干扰后，小分子代谢物、mRNA、蛋白等层面扰动信息的生物组学的方法；数据分析层面，针对毒性评估前期获取的大批量数据，使用机器学习等计算机领域的手段，对数据进行高效解析，另外，计算手段也可用于PFAS毒性的预测，例如使用QSAR、链路预测等模型和方法。

本文为PFAS的高效评估提供了系统性的新策略和新方法，旨在为PFAS的毒性高效评估和全球管控提供有力支持。

该论文的第一作者为杭高院环境学院博士后卢瑶，通讯作者为王亚韡教授。该研究得到了国家自然科学基金项目、卢嘉锡教育科学基金等项目的支持。