2024年9月25日下午，亥姆霍兹慕尼黑中心-德国环境健康研究中心Igor Tetko博士应陈景文教授的邀请，在环境学院101报告厅，面向本科生做了学术报告(图1左)。简要介绍了亥姆霍兹慕尼黑中心-德国环境健康研究中心、开展“AI+环境健康”研究的必要性，以及开展“AI+环境健康”的基本方法学。次日下午，Igor Tetko博士于环境学院B401会议室，与环境生态与工程课题组师生进行了学术交流(图1右)。陈景文教授、傅志强副教授、张晗副教授、解怀君副教授，博士生肖子君、刘文佳、王浩博、刘语薇、张煜轩，硕士生张军、郝研宁等人参与了本次交流。
图1 Igor Tetko教授作报告
Igor Tetko博士是亥姆霍兹慕尼黑中心-德国环境健康研究中心(HMGU)结构生物学研究所的化学信息学组组长，兼任ACS旗下期刊Chem. Res. Toxicol.的副主编，Mol. Inf., J. Comput. Aided Mol. Des.等期刊的编委，研究方向为化学信息学与分子设计、计算化学和计算毒理学。1989年获莫斯科物理与技术学院荣誉理学硕士学位，1994年获乌克兰国家科学院化学博士学位。Tetko博士主持了包括德意志研究联合会基金、欧盟“地平线2020”计划在内的多项基金项目，已在Chem. Soc. Rev., Nat. Commun., Nucleic Acids Res., J. Med. Chem., J. Chem. Inf. Model.等期刊发表超过250篇学术论文，是Elsevier发布的2016年度计算机科学与工程(Computer Sci & Eng)学科的最高被引者(The Most Cited Researchers)之一。
本次交流，Igor Tetko博士作了题为“OCHEM-an advanced platform for computational toxicology”的报告。重点介绍了OCHEM中复杂的数据组成、多重的分子表征形式、灵活的QSAR建模策略、合理的应用域表征方法以及模型解释策略，并且通过大量实例分别讲解了OCHEM中模型的具体实现机制与预测效果。Igor Tetko博士的报告深入浅出，引起了师生的强烈兴趣，针对大家的踊跃提问，Igor Tetko博士作了解答和互动交流。
随后，环境生态与工程课题组的老师与同学向Igor Tetko博士分享了近期的研究与发现(图2)。
图2 环境生态与工程课题组师生作报告
傅志强副教授作了题为“Development of machine learning-based predictive toxicological software for screening chemical hazards”的学术报告，主要介绍了国内外用于化学品风险预测管理的计算毒理学软件的进展，据此提出了化学品预测毒理学平台(CPTP)软件的开发思路。首先通过搜集多终点数据，构建化学品环境暴露行为参数及毒性数据集；采用机器学习/深度学习算法构建计算毒理学模型并进行应用域表征；最后整合模型和数据库，搭建了具有自主知识产权的CPTP平台，实现化学品危害性数据的高通量预测填补，有望用于我国新化学物质管理。
张晗副教授作了题为“Structural insights of zebrafish serotonin transporter to screen potential toxicants”的学术报告。介绍了抗抑郁药如何结合人体和斑马鱼的靶点——血清素转运蛋白，确认对配体结合贡献较高的氨基酸残基。并基于这种作用模式开发了高通量体外结合测试技术，可检测抗抑郁药的体外活性。借助虚拟筛选和体外测试，筛查了我国和欧洲高关注、高风险物质清单中的污染物，发现高血压药物和多环芳烃可能对血清素转运蛋白有毒性。
解怀君副教授作了题为“Environmental exposure assessment for new pollutant”的报告，报告围绕新污染物环境暴露评价技术展开讨论，具体介绍了典型塑料添加剂的环境释放行为的研究方法、已取得的成果，以及新污染物多介质环境归趋预测模型和生理毒代动力学模型的建模思路、建模方法与模型表现，并重点对模型的应用场景做出了介绍。
王浩博作了题为“Identification of hazardous chemicals and molecular design of green alternatives based on machine learning”的报告，介绍了高效筛查有害化学品的两种思路，分别是有害化学品的集成筛查，以及基于危害属性的有害化学品筛查。在有害化学品的集成筛查方面，基于图注意力网络(GAT)构建了PBT化学品集成筛查模型。在基于危害属性的有害化学品筛查方面，采用GAT算法构建了15个终点的预测模型。为了保证模型预测的可靠性，基于数据集构效关系形貌分析，发展了适用于机器学习模型的应用域表征方法。
刘文佳作了题为“Advancing multimodal learning in environmental science and engineering studies”的报告，介绍了环境科学与工程(ES&E)领域中的多模态数据；总结了多模态建模方法及适用场景；提出了多模态模型在ES&E研究中的潜在应用，包括环境质量评价、化学品健康危害预测和污染控制技术优化；讨论了多模态学习方法应用在ES&E领域时可能面临的挑战及未来的研究方向。
刘语薇作了题为“A novel strategy for per- and polyfluoroalkyl substances screening based on molecular generation: From unknowns to knowns”的报告，介绍了利用分子生成模型生成可能出现在环境中的新型PFAS结构，并基于新型结构构建的疑似清单，进行环境样本中PFAS识别的新策略。使用该策略成功拓展了PFAS的化学空间覆盖度；帮助识别了环境样本中未被发现的潜在PFAS质谱峰，并提供了合理的候选结构；讨论了基于分子生成技术识别环境污染物的未来研究方向。
Igor Tetko博士听取了课题组的研究进展，并进行了深入讨论。本次交流会取得圆满成功(图3)。
图3 Igor Tetko博士与课题组师生代表合影
