第一作者：张乐天（2024级博士生）

通讯作者：梁婕教授

论文DOI：10.1021/acs.est.5c07998

图文摘要

本研究创新性提出Phys-ML Sorp跨尺度框架，融合分子动力学（MD）模拟与机器学习（ML），量化离子环境下PFAS微观动态特征，实现固液分配系数（logK_d）高精度可解释预测，为PFAS污染防控提供新范式。

全文速览

本研究创新性构建Phys-ML Sorp跨尺度融合框架，将分子动力学（MD）微观模拟与机器学习（ML）深度结合，首次量化离子环境对PFAS分子行为的动态影响，实现PFAS固液分配系数（logK_d）的高精度可解释预测，为新污染物环境归趋解析与风险管控提供核心技术支撑。

图文导读

全氟和多氟烷基物质（PFAS）作为全球典型持久性新型污染物，其在土壤/沉积物-水界面的固液分配行为直接决定环境迁移转化规律与生态风险。准确预测固液分配系数（logK_d）是PFAS环境风险评估的核心，但现有模型多依赖静态宏观参数，忽略实际水化学环境（如离子强度、pH）对PFAS分子构象、界面作用的动态调控，导致预测精度不足、机理解释模糊，难以支撑复杂场景下的污染防控。 

图1. 研究工作流示意图，总结了数据收集、分子动力学（MD）模拟、特征融合与机器学习模型构建的全流程。

为破解上述难题，本研究旨在：（1）系统整理涵盖35种PFAS、499组观测数据的固液分配数据集，聚焦纯水与CaCl₂体系以明确离子环境变量；（2）通过分子动力学（MD）模拟提取PFAS微观动态特征，创新引入有效活度系数（logγ）量化离子环境对分子行为的影响；（3）融合微观特征与传统宏观参数，构建堆叠集成机器学习模型，实现logKd的高精度预测；（4）借助SHAP分析揭示关键调控因子与作用机制，打通微观分子行为与宏观分配归趋的关联，为PFAS污染防控提供可解释的理论依据。

图2. PFAS 固液分配系数（logK_d）多尺度机器学习模型的预测性能评估。(a) 最优单一基础模型 LightGBM 预测 PFAS logK_d 的性能表现；(b) 堆叠集成模型的预测结果。

如图2所示，作者构建的“5个基础模型+RidgeCV元学习器”堆叠集成模型展现出优异预测能力：测试集R²达0.8829、RMSE=0.32、RPD=2.92。与仅依赖宏观特征的模型相比，该框架使RPD提升14.62%、RMSE降低13.52%，直接证实MD衍生的微观动态特征对提升模型精度的关键作用，突破了传统模型仅依赖静态参数的局限。

图3.分子动力学视角下本征结构与离子环境对 PFAS 微观行为的调控机制。(a, b) PFAS 碳链长度与 (a) 回转半径（Rg）及 (b) 溶剂可及表面积（SASA）的线性关系；(c) 随离子强度（Ca²⁺浓度）升高，有效活度系数（logγ）降低，表明热力学稳定性下降；(d) 随离子强度升高，PFAS 与水形成的平均氢键数量减少；(e, f) 随离子强度升高，PFAS 的 (e) 回转半径（Rg）与 (f) 溶剂可及表面积（SASA）均减小。

如图3所示，MD模拟首次揭示分子结构与离子环境对PFAS行为的双重调控规律：碳链长度与微观特征呈线性正相关，随-CF₂基团增加，PFAS回转半径（R_g）和溶剂可及表面积（SASA）显著增大，疏水作用增强，推动分子向固相分配；高离子强度下，Ca²⁺通过电荷屏蔽效应减少PFAS分子间静电排斥，使R_g和SASA降低，同时减少PFAS-水氢键数量、降低logγ（热力学稳定性下降），触发“盐析效应”，进一步促进PFAS在固相的吸附。

图4. PFAS 固液分配系数（logK_d）与关键微观结构参数的定量关联。(a) logK_d 与溶剂可及表面积（SASA）呈现更强的正线性关系（y=1.07x−4.40，R²=0.7197）；(b) logK_d 与回转半径（R_g）呈现显著正线性关系（y=13.55x−4.09，R²=0.7010）。图例列出了数据集中包含的 35 种 PFAS 分子。

如图4所示，研究首次建立MD衍生微观特征与logK_d的强线性关联：logK_d与SASA的相关系数R²=0.7197，与R_g的R²=0.7010。这一发现直接证实，SASA作为分子疏水区域暴露程度的直接表征，是驱动PFAS固液分配的核心微观因子，为宏观分配行为提供了明确的原子级解释，弥补了传统静态描述无法揭示动态机制的缺陷。

图 5.  基于 SHAP 分析的模型可解释性研究。(a) 基于平均绝对 SHAP 值排序的特征重要性，反映各特征对模型预测结果的整体影响程度；(b) SHAP 汇总图，展示各特征影响的分布与方向，点的颜色代表特征原始值（红色为高值，蓝色为低值）；(c)-(h) SHAP 依赖图，分别展示 6 个核心影响特征（分子量 MW、溶剂可及表面积 SASA、辛醇 - 水分配系数 log Kow、有机碳含量 Corg、回转半径 Rg、pH）的取值（x 轴）与对 logKd 预测的边际贡献（y 轴，SHAP 值）之间的关系。

如图5所示，SHAP分析揭示了logKd预测的核心驱动因子层级：（1）分子量（MW，0.32）、溶剂可及表面积（SASA，0.28）、辛醇-水分配系数（logK_ow，0.23）为Top3主导因子，证实PFAS固有结构与疏水性是分配行为的核心决定因素；（2）MD衍生特征贡献显著：有效活度系数（logγ，0.08）、回转半径（R_g，0.07）分别位列第5、7位，其中logγ通过整合Rg量化非理想溶液效应，提供了宏观特征无法捕捉的分子动态响应信息；（3）非线性作用机制清晰：R_g对logK_d呈倒V型影响（存在最优分子尺寸，过大易受空间位阻限制），pH呈V型影响（中性条件下PFAS与土壤表面静电排斥最强，logK_d最低）。

小结

基于以上结论和分析结果，本研究得到如下三条核心启示：

（1）跨尺度融合是提升环境污染物机器学习预测从“黑箱”到“机制驱动”的关键路径：分子动力学（MD）模拟捕捉的微观动态特征（如R_g、SASA、logγ），为机器学习模型注入物理意义，实现“微观分子行为-宏观分配归趋”的定量衔接。

（2）PFAS精准防控需聚焦核心影响因子：针对长链PFAS及高离子强度污染区域，应优先采取靶向管控措施，同时可基于微观机制设计高效吸附材料，提升新污染物去除效率。

（3）该框架为持久性污染物建模提供通用范式：可推广至PAHs、PCBs等其他疏水有机污染物，为复杂环境下污染物归趋预测与风险评估提供全新技术工具。