空氣污染在全球每年導致數百萬例過早死亡，是當代社會面臨的重大環境問題之一。大氣中除了顆粒物，還有氣體污染物以及生物成分如過敏原、毒素等。人體呼吸暴露的健康效應需要考慮所有這些物質的效應以及它們可能存在的協同作用。大氣化學過程與污染源變化會導致空氣毒性快速波動。然而，目前主要還是依賴顆粒物質量濃度來評估空氣質量，難以對真實的健康效應進行考量。此外，目前研究空氣污染健康效應的方法通常采用離線技術，如PM鼻腔灌注、血液注射或富集后再氣溶膠化，并需要進行繁瑣、有創的組織或血液取樣分析， 嚴重缺乏時效性。這些缺點限制了對真實環境中空氣污染健康危害的精準的、具有時效性的評估和預警。
 

　　針對如上難題，北京大學環境學院要茂盛教授團隊研發了空氣毒性活體監測系統(Air Toxicity in vivo Monitoring System, ATMS)，實現了對空氣污染健康效應的原位、實時、在線監測。通過與各地高校和科研院所合作，團隊在2023年冬季和2024年春季分別在中國7個和13個城市部署了該套系統，并系統開展了24小時全天候大氣污染健康效應實時無人值守的監測，時間分辨率為3秒。通過監測暴露于不同城市環境空氣中的大鼠呼出氣中的8種標志物(VOCs、CO2、CO、NO、H2S、H2O2、O2、NH3)，結合機器學習方法，實現對了不同城市空氣毒性的實時監測和評估(圖1)。
 

圖1 全國多城市空氣毒性監測示范應用
 

　　運用EconML因果推斷機器學習模型，研究發現不同城市相同質量濃度的PM2.5-10、PM2.5、O3對大鼠呼出氣中炎癥和氧化應激標志物的影響存在明顯差異，提示了來源、季節對顆粒物健康效應的重要影響，以及真實環境中顆粒物與臭氧間的協同健康效應(圖2)。
 

圖2 不同城市顆粒物和臭氧對大鼠呼出氣中關鍵標志物的影響差異
 

　　研究基于大鼠呼出氣中的8種標志物(VOCs、CO2、CO、NO、H2S、H2O2、O2、NH3)，運用機器學習算法構建了一個能夠實時反映空氣綜合毒性的Air Toxic Index(ATI)，并結合深度神經網絡(DNN)模型與Shapley加法解釋算法(SHAP)解析了驅動ATI變化的關鍵因素。 結果顯示，在冬季，北京在11:00、20:00~次日凌晨3:00存在毒性高峰；太原、西安、鄭州在10:00~24:00、0:00~2:00空氣毒性較高；長沙10:00~16:00空氣毒性較高(圖3)。時間和城市是ATI的首要影響因素，PM2.5是影響各城市空氣毒性的首要污染物，且影響模式隨濃度增加呈非線性。春季各城市ATI的日內波動相對平緩，空氣毒性以O3為主導，PM2.5則影響較弱(圖4)。在監測結束后，研究也通過組織病理學證實了不同城市空氣污染對大鼠肺組織損傷的差異。
 

圖3 冬季各城市空氣毒性綜合指數(ATI)日變化對比及影響因素分析
 

圖4 春季各城市空氣毒性綜合指數(ATI)日變化對比及影響因素分析
 

　　本研究在國內外首次實現利用活體大鼠實時在線監測大氣污染健康效應，為研究空氣污染健康效應開啟了新范式。 該研究不僅建立了空氣污染健康效應實時監測的新方法，更在多個污染水平不同的城市開展了大規模應用，揭示了不同城市空氣毒性的時空差異特征。該技術體系有望為優化空氣污染控制策略和公眾健康防護提供重要技術支撐，可推廣用于大范圍日常監測，彌補現有監測體系對健康效應關注的不足。
 

　　研究成果以“Air Toxicity Surveillance across Thirteen Cities Using Rats ”為題發表在Environmental Science & Technology刊物上。論文的第一作者為北京大學環境科學與工程學院博士生朱晨宇，要茂盛為通訊作者。參與監測的合作單位包括山西大學、鄭州大學、蘭州大學、中南大學、江蘇省疾病預防控制中心、中國科學院地球環境研究所、西安交通大學、四川大學、浙江中醫藥大學、內蒙古大學、內蒙古師范大學環境健康研究院、河北醫科大學、華中師范大學、昆明理工大學和北京工匠生物科技有限公司。該項目主要得到了國家自然科學基金(NSFC)創新研究群體項目(基金號：22221004)、國家重點研發計劃(基金號：2023YFC3708200)以及廣州國家實驗室項目(項目號：GZNL2024A01028和SRPG22-007)的資助。