近日，我院李雪花教授在环境领域著名学术期刊Environmental Science & Technology上发表了题为“MarineTox Predictor: An Online Library Platform for Enhancing Low-Resourced Saltwater Ecotoxicity Prediction via Knowledge Sharing from Freshwater Ecotoxicity”的主封面论文。

针对新污染物海洋生态毒性数据缺失的问题，本研究首次提出淡水生物与海洋生物的跨域毒性知识共享建模策略，发展了涵盖38种毒性终点的多任务同步定量预测模型，其验证集上的决定系数为0.5-0.93。该模型跨域融合了5种淡水生物及26种海洋生物在不同暴露时间下多种急慢性毒性效应的2万余条异构化毒性数据，显著提升了15个小数据集海洋生态毒性终点的定量预测性能，验证集上的决定系数最高提升了140%。进一步建立了毒性亚结构-多物种互作网络，精准识别了引发跨物种毒性敏感差异的102种关键亚结构单元。利用所发展的多任务模型，高通量预测了近7万种化学品的上百万条急慢性海洋生态毒性数据，并建立了物种敏感度分布曲线。在此基础上，开发了包含百万条多物种毒性数据、物种敏感度分布曲线的在线危害数据库查询系统(MarineTox predictor, https://marinetox-predictor-dlut.streamlit.app/)，为近岸海域新污染物生态风险的定量评估提供了数据支撑。

图文摘要

一、淡水与海洋生态毒性数据跨域融合的建模框架

首次提出了淡水与海洋生态毒性数据的跨域融合策略，建立了海洋多物种水生毒性的多任务图神经网络模型。该模型通过整合31种淡水和海洋物种在不同暴露时间下的多源异构毒性数据，将淡水与海洋生态毒性数据集中涵盖的3000余种化学品统一映射至共享化学空间，揭示了数据匮乏场景下多物种毒性终点和分子结构图的非线性定量关联，将模型的适用范围拓宽至18种海洋生物的21个毒性终点。其中，与仅使用海洋生态毒性数据发展的基线模型进行对比，淡水与海洋生态毒性数据的跨域融合显著提升了15个小数据集海洋生态毒性终点的定量预测性能，验证集上的决定系数最高提升了140%。

图 1. 建模框架图

二、海洋多物种-毒性亚结构互作网络

耦合24种淡水及海洋物种的上百个毒性亚结构碎片，建立了多物种-毒性亚结构互作网络，揭示了化学结构与生物敏感性之间的跨物种耦合关系。

图 2. 海洋多物种-毒性亚结构互作网络及典型毒性亚结构碎片

三、近7万种化学品的海洋生态毒性优先级排序

基于预测的海洋多物种毒性数据，构建了近7万种化学品的物种敏感度分布曲线，并推导5%生物的危害浓度。进一步整合预测的毒性数据及物种敏感度分布曲线，建立在线危害数据库系统MarineTox Predictor (https://marinetox-predictor-dlut.streamlit.app/)，为新污染物海洋生态风险评估提供定量的数据支撑。

图 3. 基于5%生物危害浓度的化学品优先级排序及在线危害数据库查询系统(MarineTox predictor, https://marinetox-predictor-dlut.streamlit.app/). 软著：2026SR0361287.

文章信息：

第一作者：朱永乐 博士研究生

通讯作者：李雪花 教授

通讯单位：大连理工大学

文章链接：https://pubs.acs.org/doi/10.1021/acs.est.5c15496