E&H专栏｜青岛大学晋小婷等：PFCs暴露的血管风险评价——一项XGBoost驱动的结构-活性预测与高通量实验验证的综合性研究

本研究通过计算模拟与实验数据的有机结合，探讨了全氟化学品（PFCs）暴露对血管功能的结构-活性关系及其健康风险。研究利用XGBoost算法构建机器学习辅助的QSAR模型，预测并验证了含有强酸基的短链PFCs对内皮细胞具有更强的损伤效应。研究还结合体外细胞实验和人群健康风险评估，揭示了PFCs血管疾病风险的全球差异性及影响因素。研究成果为毒性PFCs的管理和安全替代品的开发提供了基础框架，对制定防控措施和推进环境健康风险评估具有重要意义。