化学测量对车辆发动机排放引起的肺细胞不良影响的评估
Miroslava Nedyalkova1,2, Ruiwen He3, Alke Petri-Fink1,3,2
1Chemistry Department, University of Fribourg, Fribourg, Switzerland.
Nanotoxicology
|April 9, 2025
概括
机器学习确定了车辆排气中的气体和颗粒污染物都会导致肺细胞毒性. 不测量的因素也起到了作用,强调了需要详细的排气特性.
科学领域:
- 环境健康 环境健康
- 毒理学 毒理学 毒理学
- 计算生物学 计算生物学
背景情况:
- 车辆发动机排气中含有复杂的污染物混合物,影响肺功能.
- 传统的毒理学很难确定特定的有害成分及其影响.
- 机器学习 (ML) 为预测毒性和识别关键污染物提供了先进的分析.
研究的目的:
- 利用ML技术来了解废气成分对肺细胞毒性的贡献.
- 对暴露于汽油和柴油废气的人类上皮呼吸道组织模型的现有数据进行重新分析.
- 探索排气特性与生物反应之间的关系.
主要方法:
- 从2015-2018年重新分析数据,涉及3D人体上皮质气道组织模型.
- 在空气液体接口 (ALI) 条件下暴露于汽油和柴油发动机废气.
- 应用ML技术,包括聚类和主要成分分析,以将污染物水平 (PN,CO,THC,NOx) 与生物反应 (细胞毒性,氧化应激,炎症) 相关联.
主要成果:
- 气体污染物 (CO,THC,NOx) 和颗粒物都会导致肺细胞氧化应激,炎症和细胞毒性.
- 每个气体成分在观察到的不良生物效应中都起着重要作用.
- 超出分析参数 (CO,THC,NOx,PN) 的未测量的因素可能会影响毒性,这表明需要更全面的废气表征.
结论:
- ML有效地识别了复杂混合物对细胞毒性的污染物特定贡献.
- 调查结果强调了气态污染物与颗粒物一起对气体污染物的重大影响.
- 这种方法可以通过改进复杂暴露场景的分析来为监管措施和排放控制策略提供信息.
