在对区域环境开展风险识别和评价时，初期的生物测试毒性终点的选择通常决定了后期识别到的物质范围。因而，提高致毒物筛查方向与区域污染问题的相关性，能降低主观经验在选择终点过程中对分析结果的影响，从而提高非靶标分析高效性和准确性的重要途径。本文初步验证并应用了前期建立的事件驱动分类法（EDT）理论，以毒性效应的视角重新审视致毒物，即事件驱动子（ED）——将历史报道的毒性效应中相似作用机制收敛到同一个分子起始事件（MIE），并考虑了引起事件的物质集合，因此致毒物不再是某类化合物，而是引起了某种MIE的物质集合。在对14000余篇中国水体毒性评价的文献开展文本挖掘后，归纳出区域典型的26种ED，以数据驱动型证据反映污染问题。同时，依靠ED中MIE和物质集合之间的向量关系，训练出朴素贝叶斯的机器学习分类器，“弥补”了历史报道中对机制描述45%的缺口。基于此，分别给出了全国（图1）和各省市地区（图2）的ED分布情况，用于给相关研究者的后续工作提供参考。全国的ED结果从宏观角度了解中国水体中可能包含的致毒物类别，理解区域污染的主要毒性贡献物。地区的ED结果则从微观角度反映了区域水体可能的6种毒性贡献来源，并为开展非靶标分析时的生物测试组设计提供科学性支撑。
图1. 依据历史文献报道的中国水体中典型的毒性作用机制类型
图2. 中国各省市地区水体中被检出的毒性作用机制类型
原文地址：Fei Cheng, Huizhen Li, Bryan W. Brooks, and Jing You* Signposts for Aquatic Toxicity Evaluation in China: Text Mining using Event-Driven Taxonomy within and among Regions http://doi.org/10.1021/acs.est.1c00152