本论文提出了一种新型致毒物分类方法（Event driven taxonomy，EDT），应用于混合物体系的风险识别和评价。该EDT可有效考虑识别过程中毒效学的影响，将化合物与有害结局路径中的分子起始事件之间建立特征向量关系，并以历史文献结果和单一化合物基准结果作为预测变量，从而实现了数据驱动型毒性识别模式的构建。在该框架下，机器学习被用作致毒物分类，结合高通量筛查的组分筛选，用于指导基于效应为证据的毒性识别方法。同时，我们认为基于EDT的混合物体系评估框架，可有效解决毒性评价中假设模型单一的问题，同时考虑了浓度加和和独立作用模型，将有效提高风险评估的准确性。
原文地址：https://dx.doi.org/10.1021/acs.est.0c01062