基于分子动力学及机器学习的PFAS水环境行为的研究.pdfVIP

摘要

摘要

全氟烷基和多氟烷基物质(Per-andpolyfluoroalkylsubstances,PFAS)是一类多

样化的合成化学物质，以其强大的碳氟键而闻名，可提供出色的稳定性和抗降解

性作为一类具有环境持久性和生物累积效应的新型污染物，PFAS因其防水防油

特性而被广泛用于工业应用和消费品中，已成为无处不在的环境污染物。PFAS

在水生环境中的存在引起了重大的生态问题，它们可以在鱼类和其他海洋生物体

内生物累积，可能进入食物链并影响包括人类在内的更高营养级。由于它们在环

境中的持久性和生物累积性，人们对其细胞毒性和引起细胞损伤的可能性表示严

重担忧，影响生态系统和人类健康。

其在水环境中的迁移转化机制及生态风险已成为环境科学领域的研究焦点。

本研究通过整合量子化学计算、分子动力学模拟与生物实验验证的多尺度研究方

法，系统揭示了PFAS分子结构特征与生物累积行为之间的构效关系。基于密度

泛函理论（DFT）的环境命运参数（LogPO,W、LogPA,W等）计算表明，PFAS的

碳链长度显著影响其相分配行为，其中中长链（C≥6）PFAS在水相中表现出强烈

的自组装特性，形成具有亚胶束结构的纳米聚集体。分子动力学模拟进一步证实，

这种自发聚集过程通过增强疏水相互作用，显著提高了PFAS在生物膜-水界面

的分配系数，值得注意的是，本研究首次发现短链PFAS（C≤4）虽然聚集能力较

弱，但其较低的分子位阻显著增强了跨膜渗透效率。通过构建自由能景观分析，

揭示了PFAS易位过程涉及分子构象的空间翻转机制，其中范德华相互作用对跨

膜运输的贡献度远大于静电作用。PFAS的生物累积取决于链长，这进一步通过

HepG2细胞内活性氧的形成和活/死细胞的定量得到证实。这些见解促进了对

PFAS生物累积机制的理解，并强调了影响其环境和生物行为的关键因素。这些

发现不仅挑战了传统研究中仅关注疏水性参数的生物累积评估框架，更为精准预

测PFAS环境行为提供了分子层面的理论支撑。

此外，通过结合机器学习，对污染物相关性质进行预测，可突破传统实验方

法的高成本与耗时瓶颈，精准识别高风险化合物并揭示其环境行为规律。这为优

先管控高危害性PFAS、设计绿色替代品及优化污染治理策略提供科学依据，助

力从源头削减污染物环境负荷，提升污染防治的主动性与靶向性，对保障生态安

全和人体健康具有重要意义。

关键字：PFAS密度泛函理论分子动力学模拟生物实验机器学习

I

Abstract

Abstract

Per-andpolyfluoroalkylsubstances(PFAS)areadiverseclassofsynthetic

chemicalsknownfortheirstrongcarbon-fluorinebondsthatprovideexcellentstability

andresistancetodegradation.Asanewclassofpollutantswithenvironmental

persistenceandbioaccumulativeeffects,PFASarewidelyusedinindustrial

applicationsandconsumerproductsduetotheirwater-andoil-repellentpropertiesand

havebecomeubiquitousenvironmentalpollutants.ThepresenceofPFASinaquatic

environmentsraisessignificantecologicalconcerns,astheycan