近期，生态环境部环境污染健康风险评价重点实验室邝洪轩、于云江研究团队在环境领域知名期刊Environmental Science & Technology（中科院一区Top期刊，影响因子：11.3）发表论文“Integrated Human Organic Pollutant Exposome and Metabolome Analysis Reveals Biomarkers and Health Risks from Electronic Waste Exposure”。该研究通过暴露组学和代谢组学联用技术，系统表征了与电子垃圾污染暴露相关的生物标志物及疾病风险，并利用特异性标志物构建了可精准判别暴露风险的模型和简易函数，为非正规电子垃圾污染场地的快速识别与筛查提供了技术支撑。
论文摘要：全球电子废弃物（e-waste）产量正急剧增长，然而其规范化回收率尚不足20%。大量拆解活动正逐步向环境监管薄弱地区转移，对生态环境和公众健康构成严峻威胁。本研究整合了靶向与非靶向筛查技术，对来自电子垃圾回收区及其他工业园区的2028名参与者进行了深入的尿液分析，旨在描绘其有机污染物暴露谱（涵盖200余种化合物），并评估其氧化损伤标志物及代谢组学特征。结果显示，污染物混合暴露与核酸及胆固醇的氧化损伤呈显著正相关。值得注意的是，这种复合暴露解释了电子垃圾拆解工人尿液中46.2%的代谢组变异，受扰乱的代谢通路主要涉及炎症反应、代谢紊乱、神经系统病变及癌症发生。通过识别电子垃圾暴露的特征性污染物，我们构建了高精度的暴露预测模型（AUC > 0.986；准确度 > 0.938），并推导出简化的预测函数与诊断指标。这一成果为非正规电子垃圾污染暴露的快速识别提供了新颖且实用的工具。
1 科学问题
电子垃圾复杂污染物混合暴露如何影响职业人群的代谢健康，其与特定疾病风险的关联机制是什么？
如何从人体内暴露层面，筛选出能够精准识别和预测电子垃圾污染的特征生物标志物，从而实现污染暴露风险精准预测与溯源？
2 研究方案
人群与样本采集：于2016-2019年在中国南方招募167名电子垃圾回收工人、226名居住于回收区附近的儿童及174名对照成人。同时，为验证模型的普适性，于2019-2020年额外招募了来自8个不同工业园区的1453名成人参与者。
实验室分析：采用超高效液相色谱-四极杆-静电场轨道阱高分辨质谱联用技术，定量分析了尿液中检出率较高的8大类共68种有机污染物暴露生物标志物（包括VOCs、BTEX、CRFs、BRFs、PAHs、BPs、OPEs、PAEs的代谢物）以及6种氧化损伤标志物。同时，结合非靶向与靶向代谢组学技术，对尿液中的内源性代谢物进行了定性、定量检测。
数据分析：运用加权分位数和回归、分位数g计算、贝叶斯核机器回归等多种混合效应模型，评估污染物联合暴露与氧化损伤及代谢组变化的关联。利用基于冗余分析的层次与变异分解算法，量化污染物暴露对代谢组变异的解释度。采用支持向量机、随机森林、支持向量机递归特征消除等机器学习算法，筛选关键特征并构建电子垃圾暴露预测模型及简化判别函数。
3 主要结果
工人组68种污染物中44种检出率>80%，且显著高于对照组。WQS和QG-C模型中，污染物混合暴露与8-OHG的关联最强；BKMR模型揭示暴露≥第50百分位数时，混合物与所有ODB均显著正相关，且存在非线性剂量-反应关系（图1）。
图1 尿液污染物混合暴露与氧化损伤标志物（ODBs）的关联
非靶向代谢组学共检出1798种尿液代谢物。整合暴露组和氧化损伤显著改变的代谢物后，共鉴定750种，其中201种在人类代谢组数据库（HMDB）中成功注释。小分子通路数据库（SMPDB）富集分析显示，排名前五的显著改变通路为丙氨酸代谢、甘氨酸和丝氨酸代谢、肉碱合成、β-丙氨酸代谢和谷氨酸代谢。疾病特征富集显示氨基酸/脂肪酸代谢障碍最为突出，神经系统疾病（阿尔茨海默病、精神分裂症）及癌症（结直肠癌、转移性前列腺癌）也为显著不良结局（图2）。变异分解分析显示，与电子垃圾暴露相关的污染物解释了尿液代谢组46.2%的变异，远超人口统计学因素的9.79%（图3）。
图2 尿液污染物暴露组与氧化损伤的代谢组全关联研究
图3 人口统计学因素和污染物暴露对尿液代谢组的可解释度
ROC分析显示：mPAHs模型预测效果最佳（AUC: 0.970），其次是mCRFs（图4）。通过随机森林（RF）和SVM递归特征消除（SVM-RFE）一致筛选出五个关键标志物：2,4,6-三溴苯酚（2,4,6-TriBP）、2,4,5-三氯苯酚（2,4,5-TriCP）、4-溴苯酚（4-MonoBP）、1-羟基芘（1-OHPyr）和双酚A（BPA）（图5）。其中2,4,6-TriBP在工人组均值浓度约为对照组24倍，2,4,5-TriCP约12倍。经系统降维，三标志物组合（2,4,5-TriCP、4-MonoBP、2,4,6-TriBP）表现最优（AUC = 0.995，ACC = 0.973）。由此导出简易函数：若−0.32 × Ln(4-MonoBP) − Ln(2,4,6-TriBP) − 2.86 < 0则预测为电子垃圾暴露，测试集ACC = 0.979，验证集ACC = 0.947（图6）。该函数在中国多区域验证中准确识别了广东（ACC = 0.918）和浙江（ACC = 0.983）的电子垃圾暴露样本，并正确区分了非电子垃圾工业区样本（图7）。
图4 电子垃圾拆解工人与对照组的尿液污染物暴露谱差异及SVM预测模型性能
图5 电子垃圾暴露预测的特征重要性筛选
图6 模型降维与简易预测函数的推导
图7 在不同工业园区中验证简易函数的预测稳定性
4 科技支撑展望
本研究构建了高精度的电子垃圾暴露预测模型，为非正规电子垃圾污染场地的快速识别与筛查提供了关键技术支持，显著提升了监管效率。该技术框架具备强大的可扩展性，未来通过集成多源污染指纹特征，可发展为覆盖多场景的通用筛查体系。最终，本发明能有效推动全球现有大型人体生物监测数据库的价值挖掘，将其转化为高效的监管工具，具有降低公共治理成本、提升健康风险干预能力的巨大社会经济价值。
5 文章和专利成果引用
Ø 文章引用：Kuang HX, Liu Y, Li MY, Zheng T, Hu GC, Xiang MD, Ren MZ, Yu YJ. Integrated Human Organic Pollutant Exposome and Metabolome Analysis Reveals Biomarkers and Health Risks from Electronic Waste Exposure. Environ Sci Technol. 2026, 60(8):6033-6047. doi: 10.1021/acs.est.5c13657.
Ø 专利1引用：于云江,邝洪轩,刘烨,党垚,向明灯,胡国成.《电子垃圾污染人体暴露指纹谱在暴露风险预测中的应用》, ZL202511831471.1, 中国发明专利, 已授权.
Ø 专利2引用：于云江,邝洪轩,李孟阳,郑彤,向明灯,胡国成.《一种基于简易函数评估电子垃圾污染暴露风险的方法》, ZL202511831470.7, 中国发明专利, 已授权.
6 作者简介
第一作者：邝洪轩，理学博士，华南所（应急所）环境健康研究中心副研究员，环境流行病学研究室主任。长期从事新污染物人群暴露监测、暴露健康效应及风险溯源等方面的应用基础研究工作。主持国家自然科学基金面上/青年项目、国家重点研发计划子课题、广东省自然科学基金面上项目等科研项目10余项。以第一/通讯作者在《科学通报》、ES&T等Top期刊发表学术论文20余篇，授权发明专利9项，起草团体标准5项，获广州市科技菁英“领航”人才、中国环境科学学会首届“新污染物治理青年创新奖”。
通讯作者：于云江，上海交通大学环境科学与工程学院院长、讲席教授，生态环境部华南环境科学研究所特聘专家（原副所长）。担任中国环境科学学会环境风险专业委员会主任、生态环境部环境污染健康风险评价重点实验室主任、Hygiene and Environmental Health Advances主编；为全国创新争先奖状获得者、杰出工程师奖获得者、中国环境科学学会首届会士、国务院政府特殊津贴专家和“广东特支计划”杰出人才（南粤百杰）。 长期在环境与健康领域开展研究工作。作为牵头人，主持《“十四五”生态环境领域科技创新专项规划》“新污染物治理”重点任务、国家重点研发计划“化学品环境健康风险控制与绿色替代”方向顶层设计，起草环境健康调查-监测-风险管控系列技术规范（指南）28项，发表学术论文400余篇，出版专著14部，获国家授权专利100余项；获省部级以上科学技术奖13项，其中以第一完成人获国家科学技术进步奖二等奖2项。
（供稿：环境健康研究中心 邝洪轩）
微信公众号
