2024年7月,中国科学院生态环境中心环境化学与生态毒理学国家重点实验室刘倩等在基于机器学习辅助单颗粒质谱追踪大气超细颗粒物的体内暴露途径方面取得进展,研究成果以“In Vivo Exposure Pathways of Ambient Magnetite Nanoparticles Revealed by Machine Learning-Aided Single-Particle Mass Spectrometry”为题,在线发表于Nano Letters(DOI: 10.1021/acs.nanolett.4c01937)。
自然和人为来源的超细颗粒物是PM2.5的主要组分,被人体吸入后可能引发全身性的健康风险。然而,由于缺乏可靠的技术手段,这些超细颗粒物被吸入体内后的暴露途径和归趋仍不清楚,严重阻碍了对其健康危害机制的认识。本研究报道了一种无标记、机器学习辅助的单颗粒电感耦合等离子体质谱(spICP-MS)方法,并利用小鼠模型揭示了大气磁性纳米颗粒(MNPs)从环境来源到体内转运和代谢的全暴露途径。
图1. 基于机器学习辅助单颗粒质谱追踪大气磁性纳米颗粒的体内暴露途径
本研究首次定量了超细颗粒物不同代谢途径的贡献。通常认为肝脏是纳米颗粒的主要代谢器官。然而,研究发现MNPs的代谢途径主要是脾脏(84.4%),其次是肝脏(11.4%)和肾脏(2.6%)。这表明,脾脏可能是体内一个被低估的超细颗粒物的代谢途径。
研究发现,吸入的超细颗粒物在不同器官间的转运改变了它们的粒径分布。通过机器学习可以预测不同来源的MNPs在体内暴露过程中关键节点(例如靶器官、生物屏障、循环系统等)的粒径分布,进一步揭示超细颗粒物在外暴露和内暴露之间的关联,阐明环境来源对其体内暴露途径的影响。
此外,该研究也为纳米毒理学研究和细颗粒健康效应研究提供了一种有力的研究工具。
该文的通讯作者为刘倩研究员,第一作者为博士生张伟灿。该研究得到了国家自然科学基金、国家重点研发计划、中科院稳定支持基础研究领域青年团队、腾讯基金会等支持。
相关论文链接:https://pubs.acs.org/doi/10.1021/acs.nanolett.4c01937