季铵化合物对厌氧消化产甲烷的急性抑制效应：基于化学结构的毒性机制与预测模型研究

《Journal of Hazardous Materials》：Acute Inhibition of Methane Production by Quaternary Ammonium Compounds in Anaerobic Digestion Varies Widely Based on Chemical Structure

本研究针对季铵化合物(QACs)在厌氧消化(AD)过程中的毒性机制不明确问题，系统评估了13种QACs的急性抑制效应。通过厌氧毒性试验(ATA)结合机器学习算法发现，C8-DADMAC的抑制活性最强(IC10=2040 mg/kg TSS)，QAC混合物存在协同抑制效应。随机森林和CatBoost模型揭示分子尺寸、柔性和构象应变是毒性关键驱动因素，为设计低环境影响QACs提供了理论依据。

　　

在我们日常生活中，季铵化合物（QACs）作为高效的消毒剂和表面活性剂，被广泛应用于家用清洁产品、个人护理品和工业流程中。特别是在COVID-19疫情期间，全球消毒剂使用量激增，导致大量QACs通过污水系统进入水环境。虽然QACs在污水处理厂中90%以上会被去除，但其强吸附特性使得这些化合物主要富集在污泥中，最终进入厌氧消化（AD）系统——这是污水处理过程中实现能源回收和污泥稳定化的核心环节。

问题的关键在于，QACs本质上是一类抗菌剂，其对厌氧消化系统中的微生物群落，特别是产甲烷古菌，可能产生抑制作用。然而，目前关于QACs对厌氧消化影响的研究仍存在明显空白：一方面，商业上使用的QACs种类繁多（2022年调查显示有263种），但仅有少数传统QACs被评估过其对厌氧消化的影响；另一方面，QACs通常以混合物形式存在，其联合毒性效应尚不明确；更重要的是，缺乏能够预测不同结构QACs毒性的可靠模型，这限制了我们评估和管理QACs环境风险的能力。

为了解决这些问题，由Zihao Lu、Daniel Zitomer、William Arnold和Patrick McNamara组成的研究团队在《Journal of Hazardous Materials》上发表了他们的最新研究成果。该研究通过系统的实验分析和先进的机器学习方法，首次全面评估了QACs对厌氧消化的急性毒性效应，并揭示了其毒性的分子驱动机制。

研究人员采用了多学科交叉的研究方法，主要包括：厌氧毒性试验（ATA）用于定量评估13种QACs（包括5种BACs、3种DADMACs以及BZT、EtBAC等）的抑制阈值（IC₁₀和IC₅₀）；Loewe相加模型用于分析QAC混合物的相互作用；33种分子描述符的系统计算用于表征QACs的物理化学和结构特征；随机森林（RF）和CatBoost机器学习算法用于识别关键毒性驱动因素；SHAP和部分依赖图（PDP）分析用于解释模型预测和特征相互作用。研究使用了来自实际污水处理厂和实验室规模的三种不同厌氧消化污泥作为接种物，确保了结果的代表性和可靠性。

3.1. ATA结果：QACs的抑制效应

3.1.1. QACs间的抑制效力差异

研究发现，QACs对甲烷生产的抑制呈现明显的浓度依赖性。在所有测试的QACs中，C₈-DADMAC和C₁₀-BAC表现出最强的抑制活性，其IC₁₀值分别为2040 mg/kg TSS和2200 mg/kg TSS。相反，长链QACs如C₁₂-DADMAC和C₁₈-BAC的抑制浓度显著较高，表明厌氧微生物群落对这些化合物的耐受性更强。值得注意的是，IC₅₀值平均仅比IC₁₀值高1.46倍，这意味着一旦浓度超过IC₁₀水平，厌氧消化器性能可能从轻微抑制迅速恶化至接近失效状态。

3.1.2. 混合物的协同效应

研究评估了三种QAC混合物的抑制效应，发现所有混合物均表现出显著的协同抑制（Loewe指数分别为0.77、0.83和0.86）。这种协同效应在BAC混合物中最为明显，即使在IC₁₀浓度水平下仍保持强烈的协同抑制。研究人员认为，这种协同效应可能源于混合物中QACs竞争吸附位点，改变了单个化合物的生物有效性。

3.2. 生物有效性调整：QACs的内在毒性及相关化学参数

通过考虑化合物特异性吸附行为估算有效IC值后，研究发现长链QACs如C₁₈-BAC和C₁₂-DADMAC表现出显著更高的内在毒性。相反，短链化合物如C₁₀-BAC和C₈-DADMAC的有效抑制浓度要高得多，表明当标准化为溶解浓度时，其生物活性效力相对较弱。疏水性（logK_ow）与有效IC值之间存在显著负相关（R2 = 0.67），证实了疏水性在驱动膜水平毒性中的重要作用。

3.3. 机器学习模型揭示结构驱动因素的核心系统

3.3.1. 影响QAC内在毒性的关键结构特征

通过随机森林和CatBoost的交叉验证，研究确定QACs的内在毒性主要由三个核心分子特征驱动：可旋转键数（RBC）、扭转能和分子量。仅基于这三个特征构建的模型表现出极高的解释力（R2 = 0.989），其稳定性通过自助法得到验证。

3.3.2. 非线性关系和毒性阈值

部分依赖图（PDP）分析显示，所有三个关键特征与IC_50-effective均存在明显的非线性关系，并表现出阈值行为。当RBC从11增加到18时，预测的有效IC₅₀急剧下降，表明在此灵活性范围内毒性增强。超过此临界点后，RBC的进一步变化对毒性的影响减弱。

3.3.3. 用SHAP解构特征贡献和相互作用

SHAP依赖分析进一步解构了分子大小、柔性和构象应变之间的复杂相互作用。结果表明，毒性并非由单一属性驱动，而是由分子大小、柔性和构象应变之间的复杂平衡所决定。最高毒性贡献（最负的SHAP值）出现在高柔性（高RBC）与低构象应变（低扭转能）相结合时。

3.4. 对厌氧消化和环境管理的启示

该研究为支持QACs的负责任使用、指导环境友好型QAC表面活性剂的开发以及改进厌氧消化系统对QAC暴露耐受性的预测提供了宝贵数据。长链BAC化合物的急性风险相对较低，使其更适合可能影响厌氧消化处理生物技术的应用。相反，QAC混合物中观察到的协同效应凸显了在工业过程中仔细管理联合暴露的重要性，以防止对AD系统的潜在干扰。

研究结论表明，QACs对厌氧消化产甲烷的抑制效应高度依赖于其化学结构，且混合物存在协同增强效应。通过机器学习模型识别出的分子大小、柔性和构象应变三个关键结构参数，为理解QACs毒性机制提供了新视角，也为设计低环境影响的QACs提供了明确指导。尽管急性毒性阈值高于典型市政系统中的QAC浓度，但这些数据为可能引起毒性的工业冲击负荷提供了临界浓度参考。未来的研究需要关注长期低浓度暴露下的慢性效应以及QACs与其他污染物的相互作用，以更全面评估QACs对厌氧消化系统稳定性的影响。

这项研究的重要意义在于，它不仅首次系统建立了常见和新兴QACs的抑制阈值数据库，还通过先进的机器学习方法揭示了QACs毒性的分子基础，为风险评估和绿色分子设计提供了科学依据。在QACs使用量持续增长的背景下，这项工作对于保障污水处理系统稳定运行、促进可持续水环境管理具有重要实践价值。