研究背景：

全球电子废弃物（电子垃圾）产生量呈激增态势，2018-2022 年增长超 82%，2022 年达 6200 万吨，但正规回收率不足 20%。由于政策缺口、执行不力等问题，电子垃圾回收活动常向监管薄弱地区转移，导致严重的环境污染和健康危害。全球约 3000 万妇女和儿童因暴露于电子垃圾毒物，面临神经发育损伤、心血管疾病等风险，电子垃圾污染已成为亟待解决的全球性公共卫生问题。电子垃圾含有挥发性有机化合物（VOCs）、多环芳烃（PAHs）、溴化阻燃剂（BRFs）等多种有毒物质，可引发 DNA 损伤、氧化应激、免疫功能改变等多种健康问题。现有研究多聚焦单一污染物或单一健康结局，缺乏对复合暴露的联合效应及代谢机制的深入探究，且电子垃圾污染具有隐蔽性和普遍性，亟需开发快速准确的污染识别技术，为早期危害预防提供支撑。代谢组学作为连接化学暴露与疾病的关键手段，可揭示污染物诱导的代谢紊乱特征，而尿液作为血液滤过液，富含代谢副产物和疾病生物标志物，为电子垃圾复合暴露的健康风险评估提供了理想研究载体。

研究目的：

本研究旨在阐明电子垃圾慢性暴露的健康危害，开发精准的污染预测模型和诊断指标。具体目标包括：建立尿液中有机污染物暴露组（涵盖 VOCs、BRFs 等 8 类污染物的 68 种暴露生物标志物）和 6 种氧化损伤生物标志物（ODBs）的检测方法；整合非靶向与靶向代谢组学技术，分析电子垃圾暴露与尿液内源性代谢物的关联，明确受影响的代谢通路及相关疾病风险；探究污染物复合暴露与氧化损伤、代谢组改变的内在联系；利用机器学习算法构建电子垃圾暴露预测模型，筛选特征生物标志物，推导简化预测函数和诊断指标，为非正规电子垃圾回收场地的快速污染筛查提供实用工具。

研究方法：

本研究采用人群流行病学调查与实验室分析相结合的方法：首先招募研究对象，包括 167 名电子垃圾回收工人、226 名电子垃圾回收园区周边儿童，以及 174 名无已知污染源区域的成年对照，同时招募 1453 名来自中国 5 个地理区域、8 类工业园区（含 2 个电子垃圾回收园区、3 个有色金属冶炼 / 加工园区等）的成年人作为验证人群；收集研究对象晨尿样本和问卷调查数据（人口学特征、饮食习惯等）。实验室分析方面，采用超高效液相色谱 - 四极杆 - 轨道阱高分辨质谱（UHPLC-Orbitrap-HRMS），通过三种靶向分析方法定量检测尿液中 68 种有机污染物暴露生物标志物和 6 种氧化损伤生物标志物（核酸氧化标志物 8-OHdG、8-OHG，胆固醇氧化标志物 CA 等）；采用非靶向与靶向代谢组学结合的方式，检测 1798 种尿液内源性代谢物，其中 89 种通过靶向方法准确定量。数据统计分析方面，采用 Mann-Whitney U 检验比较暴露组与对照组生物标志物水平差异；通过 Spearman 相关、多重线性回归、分位数 g 计算（QG-C）、加权分位数和（WQS）回归及贝叶斯核机器回归（BKMR）分析污染物复合暴露与氧化损伤、代谢组改变的关联；利用冗余分析和结构方程模型（SEM）探究流行病学因素和污染物暴露对代谢组的贡献及中介效应；基于支持向量机（SVM）、随机森林（RF）等机器学习算法，构建电子垃圾暴露预测模型，通过特征筛选和维度降低，推导简化预测函数和诊断指标，并在不同人群和工业场景中验证模型效能。

主要发现：

电子垃圾暴露人群存在显著的复合污染暴露和氧化损伤：电子垃圾工人尿液中 68 种污染物生物标志物（除少数外）的肌酐校正几何均值显著高于对照组，44 种标志物检出率超 80%；氧化损伤生物标志物（8-OHG、8-OHdG 等）水平为对照组的 1.71-4.31 倍，表明核酸和胆固醇氧化损伤显著增强；BKMR 模型显示，污染物复合暴露水平高于 50 百分位时，与所有氧化损伤标志物呈显著正相关，其中 8-OHG 对暴露最为敏感，不同氧化损伤标志物对应不同关键污染物，VOC 代谢物是胆固醇氧化损伤的主要贡献者。电子垃圾暴露显著扰动内源性代谢组：污染物复合暴露可解释 46.2% 的尿液代谢组变异（流行病学因素仅解释 9.79%），其中丙烯腈代谢物 CYMA 和 4 - 氯邻苯二酚（4CCT）是影响代谢组的最主要污染物；共鉴定出 750 种受污染物和氧化损伤共同影响的代谢物，主要涉及有机酸及其衍生物、杂环化合物等类别，显著富集于丙氨酸代谢、甘氨酸和丝氨酸代谢等通路；疾病特征富集分析显示，受影响代谢物主要与炎症性疾病、代谢紊乱（如酪氨酸血症 I 型）、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）相关；丙烯腈暴露导致电子垃圾工人致癌风险均值达 1.94×10⁻⁴，56.9% 的工人超过可接受风险阈值（1.0×10⁻⁴）。成功构建高精度电子垃圾暴露预测模型和诊断指标：基于不同类别污染物生物标志物构建的 SVM 模型中，多环芳烃代谢物（mPAHs）模型预测效能最优（平均 AUC=0.970，ACC=0.874）；通过 RF 和 SVM-RFE 特征筛选，确定 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）为核心特征标志物，其中 2,4,6-TriBP 和 2,4,5-TriCP 的鉴别效能最强，电子垃圾工人中二者水平分别为对照组的 24 倍和 12 倍，基于其阈值浓度的诊断准确率达 96% 以上；推导的简化预测函数（如 Function 2：-0.32×Ln (4-MonoBP)-Ln (2,4,6-TriBP)-2.86）在不同区域和工业场景中表现优异，对广东、浙江电子垃圾回收人群的预测准确率分别为 91.8% 和 98.3%，对有色金属冶炼等非电子垃圾污染人群的正确识别率超 88%。

研究结论：

本研究明确了电子垃圾职业暴露人群面临显著的复合污染物暴露和健康风险，污染物复合暴露可通过诱发氧化损伤、扰动内源性代谢组，增加炎症性疾病、代谢紊乱、神经系统疾病及癌症的发病风险，其中丙烯腈等污染物的致癌风险已达到不可接受水平。研究开发的电子垃圾暴露预测模型（AUC>0.986，ACC>0.938）、简化预测函数及诊断指标（2,4,6-TriBP、2,4,5-TriCP），具有高精度、易操作的特点，可有效用于非正规电子垃圾回收场地的快速污染筛查，且在不同人群和工业场景中具有良好的适用性。研究结果为电子垃圾污染的健康风险评估提供了全新的内暴露证据和分子机制，所建立的技术方法和工具可为全球电子垃圾污染防控提供科学支撑，同时为大型国家暴露监测数据库的污染追踪应用奠定基础。未来需进一步拓展不同工业污染的暴露指纹特征，构建系统性污染筛查工具包，为环境污染精准防控提供更全面的技术支持。

原文链接：https://pubs.acs.org/doi/10.1021/acs.est.5c13657