转
自：土壤与环境健康SEH
图文摘要
1.
对所读论文的理解
1.1
问题是如何提出的
在全球商业中估计的
10
万种化学品中，其中
3
万种化学品生产
且
销售量每年超过
1
吨。为生态和人类健康而进行的强制性化学品评价是在不同的决策背景下进行的，包括对高度关注化学品的优先次序、筛选水平和更全面的评估。接受评估的相当一部分化学物质存在于室内或消费者附近使用的消费品、物品或建筑材料中，构成
“
近场
”
人类暴露途径。此外，人类还通过
“
远场
”
途径接触化学物质，这些化学物质要么直接释放到室外环境，要么最初释放到室内，随后转移到室外。
与暴露数据的缺乏相比，需要评估的化学品数量众多，这对传统的单一化学品评估实践提出了挑战，因此需要高通量（
HT
）筛选和优先排序方法。然而，现有的一些模型没有考虑人体代谢（生物转化）和排泄等关键的毒性动力学过程，并且需要大量的数据，特别是外部暴露源数据，因此应用频率较低。诸如
“
总体暴露途径
”
概念等框架概述了需要建立模型来量化
“
源
-
剂量
”
连续体，以便将暴露与毒理学数据进行直接比较。
1.2
思路是如何形成的
1.3
方法是如何构建的
风险评估，识别和排名
-
室内和消费者暴露（
RAIDAR-ICE
）模型建立在室内化学物质暴露分类
/
排序模型（
ICECRM
）质量平衡框架之上。模型包含一个室内化学命运模块，它描述了一个通用的、可评估的室内环境。此外，模型还包括一个基于生理的毒物动力学（
PBTK
）模型。
RAIDAR-ICE
模型也继承了
RAIDAR
模型的概念。通过饮用受污染的水和食物以及吸入室外空气来计算人体暴露量。计算出的人体暴露量与用户定义的毒性（危害）数据相结合，得出基于风险的评估指标。
RAIDAR-ICE
是用逸度表示法表述的稳态模型。一个隔室中的化学物质浓度（
C
，单位为
mol•m
−
3
）表示为逸度（
f
，单位为
Pa
）和逸度容量（
Z
，单位为
mol•m
−
3
•Pa
−
1
）的乘积，逸度容量量化了隔室储存化学物质的能力。代表室内环境和人体中化学物质迁移和损失的通量表示为
f
和
D
值的乘积（单位：
mol•Pa
−
1
•h
−
1
）。
1.4
结果表达、组织与讨论
（
1
）模型参数化及应用
RAIDAR-ICE
的化学特异性输入包括摩尔质量、平衡分配系数（
K
OW
，以及
K
AW
或
K
OA
）、空气中的降解半衰期（
HL
Air
）和表面隔间，以及人体内的生物转化半衰期。如果没有输入生物转化半衰期，则使用与可忽略的生物转化相对应的值。
在某些情况下，并非所有施加到皮肤表面的化学物质都会保留足够长的时间以完全渗透角质层。为了避免潜在的过度估计暴露，
RAIDAR-ICE
包括估计无单位缩放因子的用户选项（
0
lag
≤1
），定义为预期进入皮肤区室的排放或应用量的分数。
图
1.RAIDAR-ICE
模型的概念表示，表明两种进入模式情景，即化学物质应用于人类隔间（
“
直接
”
）和排放到室内隔间（
“
间接
”
）。红色箭头表示直接（即吸入、摄入和皮肤渗透）和间接（即吸入、非饮食摄入和皮肤渗透）暴露途径。蓝色箭头描绘了从人体隔间中清除化学物质的过程。
（
2
）基于暴露的评估指标和等级。
计算了三个典型的暴露指标，第一个是个体摄入率
，
第二个指标是个人摄入分数
，
第三个指标是稳态全身浓度。
RAIDAR-ICE
还使用用户定义或模型计算的分布容积估计（
C
H
）的稳态血液浓度（
C
B
），以及尿液中的母体化学浓度通过肾脏排泄消除。
（
3
）基于风险的评估指标。
如果需要基于风险的化学品评估目标，可以将传统毒性数据或体外生物活性数据输入
RAIDAR-ICE
作为危险
“
阈值
”
。这些阈值数据可以采用摄食率的形式，例如未观察到不良反应水平（
NOAEL
）、毒理学关注阈值（
TTC
）、口服等效剂量（
OED
）或稳态血液浓度。根据
RAIDAR
，
RAIDAR-ICE
计算临界排放或施用率（
ERC
或
ARC
），表示产生与毒性或生物活性阈值相对应的人体暴露的
ER
或
AR
。然后，
RAIDAR-ICE
计算实际
ER
或
AR
与关键
ERC
或
ARC
的比率，表示为无单位风险评估因子（
RAF
）。
（
4
）模型评估和案例研究应用
①
案例
1
：间接和直接接触室内使用的化学品。
计算了
37
种化学品的第
1
级
摄入率（
iRs
）
，其中包括
PCP
s
中的
7
种化学品（即直接场景）、
20
种可与人体皮肤接触的农药
/
抗菌剂（即直接场景）和
10
种增塑剂 蒸发到室内空气中后可以被人体吸收（即间接情况）。
RAIDAR-ICE iRs
与推断的
NHANES iRs
进行了比较。建模的
iRs
的平均值与推断的中位数显着相关（
r
2
= 0.52
，
p < 0.01
，回归系数
= 0.88
对数单位）。建模
iRs
和推断中位数之间的斯皮尔曼排名相关系数为
0.68
（
p < 0.01
），表明基于模型预测和观察的排名对于
37
种化学品非常相似。
图
2
.
RAIDAR-ICE
建模摄入率（基于报告的化学重量分数范围的平均值）与从
NHANES
生物监测数据推断的中位摄食率之间的比较。蓝色虚线表示建模摄食率和推断摄食率之间的双对数回归。
②
案例
2
：根据暴露和风险指标筛选化学品并确定其优先级。
根据四个
RAIDAR-ICE
指标比较美国
EPAToxCast
计划中包含的
131
种化学品的排名：一级摄入分数、基于
相同
单位排放率的全身浓度、临界排放率和生物活性商。大多数（
>80%
）这些化学品的
logK
OA
在
4
到
10
之间，
logK
OW
低于
5
。具有高摄入比例的化学品与较高的皮肤渗透性相关，而具有低摄入比例的化学品往往主要被吸入。
较低的
ERC
对应于
“
较高关注度
”
。临界排放率（
ERC
）和基于单位排放率的全身浓度
C
U
之间的斯皮尔曼等级相关系数为
0.52
（
p<0.01
），表明生物浓度较高的化学物质更有可能达到人体内生物活性的阈值。
最后，将
ERC
与实际排放率（
ERA
）的估计值进行比较，以得出无单位风险评估因子（
RAF
），或者在本例中称为生物活性商（
BQ
），因为
OED
用作效应阈值反映了生物活性。
图
3.
（
a
）第一级摄入分数，（
b
）基于单位排放率的全身浓度，（
c
）临界排放率，（
d
）
131
种化学物质释放到室内空气中的生物活性商。
③
案例
3
：近场和远场耦合暴露模型
结合
RAIDAR-ICE
和
RAIDAR
模型来计算和比较案例
2
中近场和远场环境中
131
种化学品的总体一级摄入分数。
RAIDAR-ICE
和
RAIDAR
为建模个体生成各自的近场和远场摄入率，在建模区域中将其组合产生群体摄入率。然后通过区域排放率总和对人口摄入率进行归一化，以得出人口摄入分数。
总体而言，远场环境中的膳食暴露对
131
种化学物质中大多数的总摄入比率影响不大。膳食暴露对于持久性（标准化生物转化半衰期
>100
小时）化学品具有影响，
logK
OA
在
6
到
12
之间，
logK
OW
在
5
到
8
之间。
图
4
.
近场和远场路线对
131
种化学物质人类总摄入量的贡献。
2.
对所读论文主要创新点的归纳
（
1
）
RAIDAR-ICE
能够在单个连贯且兼容的框架内对直接和间接人体暴露场景进行建模。
（
2
）该模型在不同评估目标（例如基于暴露或基于风险）的应用，以及化学品排名以及更全面评估的表面优先级如何根据所选评估指标而变化。
（
3
）
RAIDARICE
和
RAIDAR
都是机械（基于过程）模型，并将化学品和相关产品
/
物品的特性与归宿、人类接触和毒理学联系起来。有助于将
RAIDAR
模型用于各种新兴化学品的
HT
应用，同时内部暴露指标（即血液或尿液浓度）可以通过测量的生物监测数据进行模型评估。
3.
对所读文章的特殊性
/
独特性
/
优点
/
与别人不同的理解
RAIDAR-ICE
建立了一个综合框架来评估室内使用和直接应用于人体的化学品对人体的暴露。作为一种模型评估，
RAIDAR-ICE
从
37
种化学物质的直接和间接近场源的生物监测数据推断出的暴露估计。
RAIDAR-ICE
根据不同的暴露和风险评估指标对
131
种化学品进行不同的排名，证明了其在不同化学品筛选目标中的通用性。总的来说，
RAIDAR-ICE
是一个强大的工具，用于高通量筛选和优先考虑人体暴露于室内使用的中性有机化学品。
4.
所读论文存在的不足、引出的新问题、对自己现有研究的启示，形成新思考和新问题
（
1
）不足
当前版本的
RAIDAR-ICE
不区分可电离有机化学品（
IOC
）的中性和解离物种，需要纳入算法来更好地解决
IOC
在室内环境和人类中的特性和行为。
（
2
）引出新的问题
对于更广泛的化学品使用和暴露场景，计算出的摄入率过高，需要动态版本的
RAIDAR-ICE
或校正算法来扩展该框架的容量。
（
3
）对自己现有研究的启示
利用
RAIDAR-ICE
模型，可以用于高通量筛选和优先考虑人体暴露于室内使用的中性有机化学品。
（
4
）形成新的思考和新问题
针对使用阶段估算的
ARs
和
ERs
仅占生命周期总排放量的小部分。未来的研究可以通过以机械的、基于生命周期的方式细化和改进估计
ARs
和
ERs
的方法来解决
ARs
和
ERs
的不确定性。
5.
所读论文对研究方向的贡献的总结（填补空白
/
颠覆认知）
目前大多数暴露模型没有考虑人体代谢（生物转化）和排泄等关键的毒性动力学过程。因此，他们既不能得出内部剂量（例如血液中的浓度），也不能直接利用内部剂量信息处理与暴露相关的潜在不良影响。
