构建与解释物种敏感度分布 (SSD)：从原始数据到生态风险评估的完整指南

Abstract

本指南为研究人员、科学家和药物开发专业人员提供了构建、应用和验证物种敏感度分布（SSD）的综合框架。文章首先阐释了SSD在生态风险评估中的核心作用，即通过统计方法汇总物种特异性毒性数据，以估算保护大多数物种的有害浓度（如HC5）[citation:1][citation:3]。随后，详细介绍了从原始数据收集、处理到使用主流工具（如EPA SSD Toolbox和OpenTox SSDM平台）拟合分布（如对数正态分布）的完整工作流程[citation:2][citation:8]。针对实际应用中常见的数据稀缺和模型选择问题，本文提供了包括数据质量评估、模型比较（如AICc准则）和使用层次建模整合协变量（如颗粒大小、测试介质）在内的优化与解决方案[citation:6][citation:8]。最后，文章探讨了模型验证策略、SSD方法与传统评估因子法的比较，以及利用大型数据库进行基准测试和不确定性量化的最佳实践[citation:3][citation:7]。通过融合当前监管指南和前沿研究成果，本文旨在帮助从业者稳健地将SSD应用于化学品安全评估、优先级排序和环境管理决策中[citation:1][citation:3]。

物种敏感度分布 (SSD) 的核心概念与风险评估基础

定义与核心目标：SSD如何量化物种敏感性差异并推导HC5与预测无效应浓度 (PNEC)

背景介绍与理论基础

物种敏感性分布（Species Sensitivity Distribution， SSD）是生态风险评估中的一项核心统计技术，其基本前提是不同物种对同一化学物质的敏感性存在固有差异，这种差异可以用概率分布模型来描述 [1]。通过收集多个物种（如鱼类、无脊椎动物和植物）对特定污染物的生态毒性数据，SSD方法能够拟合出一条累积分布曲线。该曲线直观展示了毒性数据在对数浓度尺度上的分布情况，从而能够定量推导出保护特定比例物种（通常为95%）免受有害影响的浓度阈值，即危害浓度（Hazardous Concentration for p% of species， HCp），其中最常用的是HC5 [1]。

预测无效应浓度（Predicted No-Effect Concentration， PNEC）是指化学物质在环境中不对生态系统产生可测不良影响的浓度上限 [2]。它是环境风险评估（ERA）中的关键基准值，用于与预测环境浓度（PEC）进行比较，以判定化学品的风险商 [2]。SSD法是推导PNEC的主要方法之一，其核心公式为：PNEC = HC5 / AF，其中AF（Assessment Factor）为评估因子，通常取值在1到5之间，用以涵盖从实验室数据外推至真实生态系统时存在的不确定性 [1] [2]。相较于传统评估因子法（仅使用最敏感物种的毒性数据除以较大的固定因子），SSD法充分利用了所有可用物种的敏感性信息，被认为能得出更科学、更合理的环境阈值 [3]。

核心计算流程与协议

SSD构建与PNEC推导总体工作流

下图概括了从原始数据收集到最终推导出PNEC的完整SSD方法工作流程。

详细实验协议与操作方法

数据收集与筛选协议

本阶段的目标是建立一个可靠、相关且无偏的物种毒性数据集。

• 数据来源：从公开的科学数据库（如USEPA ECOTOX、PubMed）、已发表的学术文献、监管机构报告及高质量的未发表研究中系统收集数据。
• 数据类型：应包括急性毒性数据（如半数致死浓度LC50、半数效应浓度EC50）和慢性毒性数据（如无观测效应浓度NOEC）。理想情况下，同一物质应同时收集急性和慢性数据以分别推导短期和长期PNEC [4] [2]。
• 物种要求：数据应涵盖至少8-10个不同物种，并尽可能均匀分布于主要营养级（如鱼类、溞类、藻类）和分类群（如脊椎动物、无脊椎动物、植物） [3]。专利CN109711615A中建议至少包括3个营养级的物种，例如鱼类、溞类和藻类 [4]。
• 筛选标准：
  • 相关性：优先选择与目标环境介质（如水、土壤）和暴露途径相关的测试结果。
  • 可靠性：遵循国际公认的测试指南（如OECD、EPA、ISO）的实验室研究数据优先。
  • 终点统一：对于构建单一SSD曲线，应使用相同的毒性终点（如全部使用LC50或全部使用NOEC）。
  • 处理重复数据：同一物种有多个研究数据时，通常采用几何平均值作为该物种的代表值，以避免权重失衡。

数据预处理与归一化协议

环境因素（如pH、有机质含量）会显著影响污染物的生物有效性，从而影响毒性值。为增加数据可比性，常需进行归一化。

• 对数转换：由于物种敏感性通常呈对数正态分布，所有毒性浓度数据在分析前需进行以10为底的对数转换 [3]。
• 生物有效性归一化（针对土壤污染物）：以土壤镉研究为例 [3]，建立生物富集系数（BCF）与关键土壤性质（如pH、有机质SOM、阳离子交换量CEC）的定量关系模型。
  • 公式：lg BCF = a * pH + b * lg SOM + c * lg CEC + k [3]。
  • 操作：利用该模型，将所有实验条件下获得的毒性数据外推或校正至标准土壤条件（如设定pH=5.5， SOM=20 g/kg， CEC=10 cmol/kg），从而消除土壤性质差异带来的变异性 [3]。

物种敏感性分布拟合协议

此步骤旨在找到最佳的概率分布函数来描述物种敏感性数据。

• 排序与累积概率计算：将N个物种的毒性数据（对数转换后）按从小到大的顺序排列。对第i个数据点，其经验累积概率（Pi）通常使用公式 Pi = i / (N + 1) 或中位秩公式进行计算。
• 候选分布函数选择：常用的参数分布函数包括Log-logistic、Log-normal、Burr III、Weibull和Gamma [3]。选择时应考虑其灵活性和在低百分位数（如HC5）区域的拟合能力。
• 参数估计与拟合优度评估：采用最大似然估计法（MLE）等方法拟合分布函数参数。使用以下指标评估拟合优度 [3]：
  • 残差平方和（SSE）：拟合值与观测值偏差的平方和，值越小越好。
  • 均方根误差（RMSE）：衡量拟合误差的尺度，值越小表示拟合精度越高。
• 最优函数选择：最优函数并非通用，需根据具体数据特征（如数据范围、累积概率区间）确定。例如，在酸性土壤镉的案例中，研究发现 [3]：
  • 在低、中累积概率区间（p ≤ 80%），Log-logistic函数拟合更优（SSE和RMSE较小）。
  • 在高累积概率区间（p > 80%），Burr III函数拟合更优。

HC5与PNEC推导协议

• 计算HC5：从选定的最优拟合分布函数中，读取对应于累积概率为5% 的浓度（对数尺度下的值），该浓度值即为HC5。例如，若拟合函数为Log-logistic，则可通过其累积分布函数的反函数计算得出。
• 确定评估因子（AF）：根据数据质量、物种多样性以及从实验室数据外推至野外的不确定性，选择适当的AF。当使用基于多物种的SSD方法推导HC5时，AF通常较小，在1至5之间 [1] [2]。
• 计算PNEC：应用公式 PNEC = HC5 / AF [1]。将HC5（对数尺度）转换回算术浓度，然后除以AF，得到最终的PNEC值。

关键数据分析与结果解释

不同分布函数的拟合优度对比

基于酸性土壤中镉对水稻毒性数据的研究，下表比较了五种常见分布在两种标准土壤条件下的拟合优度指标（SSE和RMSE）。数据清晰表明，Log-logistic和Burr III函数在整体上表现更佳 [3]。

表1：不同拟合函数在标准土壤条件下的拟合优度比较 [3]

拟合函数	pH 5.5 标准条件	pH 6.5 标准条件
	SSE	RMSE	SSE	RMSE
Log-logistic	0.021	0.038	0.024	0.040
Burr III	0.169	0.106	0.191	0.113
Log-normal	0.044	0.053	0.056	0.059
Weibull	0.203	0.116	0.225	0.122
Gamma	0.064	0.063	0.076	0.069

不同累积概率区间的函数选择建议

拟合函数的表现随所关注的累积概率区间不同而变化。下表总结了在酸性土壤（pH ≤ 6.5）条件下，针对不同保护目标（不同累积概率p）的优先推荐函数 [3]。

表2：不同累积概率区间下的优先拟合函数推荐 [3]

累积概率 (p) 区间	生态保护目标解读	优先推荐的拟合函数	关键拟合优度指标示例
低 (p ≤ 20%)	保护绝大多数物种（≥80%）	1. Log-logistic 2. Gamma	Log-logistic: SSE=2.45E-4, RMSE=4.04E-3
中 (20% < p ≤ 80%)	保护中等比例物种	1. Log-logistic 2. Log-normal	Log-logistic: SSE=0.018, RMSE=0.034
高 (p > 80%)	保护最敏感物种（尾部拟合）	1. Burr III 2. Log-logistic	Burr III: SSE=0.151, RMSE=0.100

PNEC推导方法的选择逻辑

根据可用数据的类型和数量，推导PNEC的路径不同。下图展示了从数据评估到方法选择的决策流程。

研究试剂与工具解决方案

成功应用SSD方法需要一系列特定的研究工具和材料。下表列出了关键的“研究试剂解决方案”及其功能。

表3：SSD研究关键试剂与工具列表

类别	名称/示例	规格/要求	在SSD研究中的主要功能
毒性数据源	USEPA ECOTOX 数据库	最新版本	提供多种化学品对不同物种的标准化毒性测试数据，是数据收集的核心来源。
	同行评议学术文献	/	获取特定化学品或本地物种的毒性数据，补充数据库的不足。
统计与分析软件	R 语言	需安装 fitdistrplus, ssdtools 等包	进行数据拟合、分布参数估计、绘制SSD曲线及计算HCp值的免费开源平台，灵活性高。
	SPSS / SAS	商业统计软件	可用于数据预处理、回归分析（如生物有效性模型）和基础统计检验 [3]。
分布拟合模型库	Log-logistic 函数	/	常用于拟合SSD，尤其在低、中累积概率区间表现良好 [3]。
	Burr III 函数	/	具有三个参数，灵活性高，常用于拟合分布尾部数据（高累积概率区间） [3]。
	Log-normal 函数	/	传统常用分布，部分监管机构推荐使用。
数据标准化工具	生物有效性模型	如：lg BCF = a*pH + b*lg SOM + c*lg CEC + k [3]	将不同环境条件下的毒性数据归一化至标准条件，减少因环境参数差异导致的变异性。
质量控制标准	OECD/EPA/ISO 测试指南	如OECD 203 (鱼类急性毒性)	作为数据筛选的标准，确保所采纳毒性数据的可靠性、可比性和规范性。

生态风险评估中的核心作用：从水质指南制定到化学品优先级排序

理论基础：作为统计模型的物种敏感度分布

物种敏感度分布（SSD）是一种基于统计学的生态风险量化工具。其核心假设是，不同物种对某一特定胁迫因子（如化学物质）的敏感度在一个生物群落中呈现连续的概率分布。通过收集足够数量且具有分类学代表性的物种毒性数据，可以拟合出该分布的累积概率曲线 [5]。

这一模型的关键输出是保护性浓度阈值，通常对应于累积概率曲线上一个较低的百分位点（如5%）。该阈值（记为HC₅，即保护95%物种的浓度）在理论上意味着环境中该物质的浓度低于此值时，仅有不超过5%的物种会受到不可接受的影响 [5]。SSD方法克服了传统评估因子法的主观性，当具备充分、高质量的毒性数据时，成为制定环境质量基准和预测无效应浓度（PNEC）的首选科学方法 [5]。

从原始数据到SSD构建：工作流程与协议

构建一个稳健、可靠的SSD需要系统性地执行以下核心步骤。这些步骤共同构成了SSD在生态风险评估中应用的方法学基础。

2.1 数据收集与质量评估

这是构建SSD最关键的环节，决定了模型的可信度。

• 数据来源：数据应来源于公开、可靠的科学文献或权威毒性数据库。对于特定流域或区域的风险评估，应优先收集该区域内代表性水生生物的毒性数据 [6]。
• 物种代表性：数据应涵盖关键的营养级和分类群。以加拿大淡水环境指南为例，构建一个SSD通常要求至少包括7个不同的物种，其中需涵盖至少3种鱼类、3种水生或半水生无脊椎动物和1种水生植物或藻类 [5]。
• 端点一致性：所有纳入的毒性数据应在暴露周期（急性或慢性）和效应严重程度（致死或亚致死）上保持一致，以确保数据点的差异主要反映物种敏感度差异，而非实验条件差异 [5]。通常，选择每个物种最敏感（即效应浓度最低）的可靠端点作为代表值 [5]。
• 质量筛选：需根据可靠性、实验方法规范性等标准对所有研究进行评价，仅采纳质量可接受的数据。

2.2 统计分布拟合与模型选择

将筛选后的物种敏感度数据（通常以对数转换后的效应浓度表示）与理论统计分布进行拟合。

• 常用分布：常用的分布模型包括对数正态分布、对数逻辑斯蒂分布等。
• 拟合工具：可使用专门的统计软件包进行拟合，例如加拿大政府常用的ssdtools [5]。
• 模型评估：需要通过图形（如Q-Q图）和统计量（如科尔莫戈罗夫-斯米尔诺夫检验）来评估拟合优度，确保所选模型能充分描述数据 [5]。

2.3 保护阈值推导与不确定性分析

从选定的最佳拟合分布曲线上读取特定百分位点对应的浓度值，最常用的是HC₅ [5]。必须认识到，基于有限样本数据集推导的HC₅存在不确定性。在数据量较小的情况下，HC₅可能低于数据集中最低的毒性值，这被认为是合理的，旨在保护那些可能比现有测试物种更敏感但未被测试的物种 [5]。

表1：SSD构建的核心数据要求与质量标准

项目	最低要求/标准	说明与依据
物种数量	至少7个不同物种 [5]	确保统计分布的基本可靠性。
分类学代表性	至少3种鱼、3种无脊椎动物、1种植物/藻类 [5]	覆盖水生生态系统主要功能群，反映生物多样性。
数据类型	急性或慢性数据需保持一致 [5]	避免因暴露时间不同导致的敏感度偏差。
端点选择	每个物种采用最敏感的可靠毒性终点 [5]	遵循保护性原则。
数据质量	通过可靠性、相关性评价 [5]	排除方法不科学、不可靠的研究数据。

2.4 关键实验：慢性毒性测试方案

用于SSD的慢性毒性数据通常遵循标准化测试指南（如OECD、EPA指南）。以下是一个代表性的鱼类早期生命阶段慢性毒性测试概要方案。

• 测试生物：选择具有生态代表性且实验室易培养的鱼种，如斑马鱼（Danio rerio）、黑头呆鱼（Pimephales promelas）。
• 暴露设计：
  • 设置至少5个不同浓度的待测物质组和一个空白/溶剂对照组。
  • 每个浓度组和对照组需设置多个平行（通常≥3）。
  • 暴露周期持续从受精卵孵化至幼鱼阶段的关键发育期（例如28-32天）。
• 观测端点：
  • 存活率：每日记录胚胎和仔鱼的死亡数。
  • 孵化率：记录成功孵化的胚胎比例和时间。
  • 生长指标：测试结束时，测量仔鱼的长度和体重。
  • 畸形率：在孵化后特定时间点，观察并记录仔鱼出现的形态学畸形（如心包水肿、脊柱弯曲）。
• 数据分析：
  • 计算各亚致死终点的无可观测效应浓度（NOEC）和最低观测效应浓度（LOEC）。
  • 使用统计模型（如回归分析）计算引起特定效应（如20%的生长抑制）的浓度，即效应浓度（ECₓ）。
  • 最终，选择最敏感的慢性端点（如EC₁₀或NOEC）作为该物种对该物质的敏感度代表值，用于SSD构建。

物种敏感度分布构建与应用的核心工作流程

核心应用领域一：基于SSD的水质基准/指南制定

SSD是国际公认的推导保护水生生态系统的环境质量基准（EQS）或水质指南（WQG）的科学基础。

3.1 应用框架 监管机构（如加拿大环境部长理事会）采用标准化协议，利用SSD推导长期（慢性）和短期（急性）水质指南 [5]。其核心是将SSD推导出的HC₅直接或经评估因子调整后，作为指南值。在数据充分的情况下，PNEC可直接取用HC₅；若数据仅来源于急性毒性测试或存在其他不确定性，则可能对HC₅应用一个额外的评估因子以获得更保守的PNEC [5]。

3.2 先进方法发展 传统方法通常拟合单一分布。目前方法学正在进步，例如：同时拟合多种统计分布并计算加权平均的HC₅，以降低模型选择的不确定性；以及考虑双峰分布，以更好表征某些具有特定作用模式的物质（如杀虫剂）对不同类群生物（昆虫 vs. 鱼类）毒性差异巨大的情况 [5]。

核心应用领域二：支撑化学品生态风险排序与混合物评估

SSD为从大量化学品中识别优先管理对象提供了定量化的风险比较工具，尤其在应对现实世界中污染物共存的混合物风险挑战时至关重要。

4.1 单一化学品的风险排序 通过比较不同化学品的HC₅值，可以初步判断其相对毒性强弱。更综合的排序则需要将HC₅与环境暴露浓度结合，计算风险商（Risk Quotient， RQ = 暴露浓度 / HC₅）。RQ越大，风险越高，该化学品的管控优先级也越高。

4.2 混合物风险评估与驱动因子识别 现实水环境中化学品以混合物形式存在。即使单个化学品浓度低于其安全阈值，其联合毒性也可能构成风险 [7]。SSD是解决此问题的关键工具之一。

• 原理：基于浓度相加（CA）模型，计算混合物的总毒性压力。将混合物中每种化学品的浓度除以其对特定物种或群落的毒性端点值（如HC₅），得到该化学品的“毒性单位”，加和后得到混合物的总毒性单位 [7]。
• 应用：通过此框架分析监测数据，可以识别对混合物总风险贡献最大的“驱动性化学品” [7]。这些驱动性化学品可能本身浓度并未超标，但因其高毒性或与其他物质的协同作用而成为风险主因，从而应被列为优先管控对象 [7]。

表2：基于SSD的化学品生态风险优先级排序多标准框架

排序准则	具体指标与计算	数据来源与说明
固有危害性	保护阈值（HC₅）	SSD分析得出。HC₅越低，物质固有危害性越高。
暴露潜能	环境监测浓度（MEC）或预测环境浓度（PEC）	实地监测或排放模型估算。
风险商	RQ = PEC / HC₅	综合危害与暴露的核心指标。RQ > 1 表示潜在风险。
混合物贡献度	在混合物总毒性压力中的占比	基于浓度相加模型计算 [7]。识别“驱动性污染物”。
生物富集性	生物富集因子（BCF）	评估通过食物链放大风险的潜力。
持久性	降解半衰期（DT₅₀）	评估在环境中长期存留并产生持续影响的潜力。

整合SSD的化学品生态风险多准则优先级排序框架

前沿发展与未来方向

5.1 方法学整合与数据拓展 未来的SSD发展倾向于更紧密地整合暴露场景、生物效应模型和地理信息系统。研究也致力于利用新方法（NAMs，如体外测试、组学技术、定量结构-活性关系模型）产生的数据，以填补传统毒性数据空白，特别是对于新兴污染物 [5]。

5.2 人工智能的赋能 人工智能（AI）和机器学习（ML）技术在处理复杂环境数据、优化SSD模型、预测未知物质毒性以及整合多源数据以改进混合物风险评估方面展现出巨大潜力 [8]。AI可以辅助识别复杂的非线性关系，并提升风险排序的效率和准确性。

5.3 区域化与精细化风险评估 如中国专利CN105608324B所示，将SSD与特定流域的生物区系特征（如筛选本地代表性物种）和环境参数（如重金属释放系数）相结合，可以实现更具地域针对性的生态风险评估 [6]。这种区域化方法是提高风险评估环境相关性和管理有效性的重要趋势。

研究工具与试剂方案

表3：物种敏感度分布研究的关键试剂与资源方案

类别	名称/描述	功能与用途	来源/示例
统计软件与工具包	ssdtools (R语言包)	专门用于拟合SSD、计算HC₅及置信区间的标准化工具 [5]。	加拿大不列颠哥伦比亚省政府发布
	R / Python 环境	进行数据清洗、统计分析、图形可视化及自定义模型开发的通用平台。	开源社区
毒性数据库	ECOTOX数据库	由美国EPA维护，收录大量化学物质对水生、陆生生物的毒性测试数据。	美国环境保护署
	中国污染物环境毒性数据库	收录针对中国本土代表性物种的毒性数据，支持区域化风险评估。	国内相关研究机构
标准测试生物	大型溞 (Daphnia magna)	国际标准的淡水枝角类测试生物，用于急性、慢性毒性测试。	实验室培养或标准品系保藏中心
	斑马鱼 (Danio rerio) 胚胎	用于鱼类早期生命阶段测试、发育毒性评估的模式生物。	实验室培养
	羊角月牙藻 (Pseudokirchneriella subcapitata)	国际标准的淡水绿藻，用于藻类生长抑制试验。	藻种保藏中心
参考物质	氯化钾 (KCl)	用于大型溞急性活动抑制试验的参考毒性物质，验证测试系统敏感性。	化学试剂公司
	重铬酸钾 (K₂Cr₂O₇)	常用于鱼类急性毒性试验的参考毒物。	化学试剂公司
数据质量评估工具	毒性数据可靠性评价指南	用于系统评价每项毒性研究的可靠性，确保纳入SSD的数据质量 [5]。	例如，OECD、EPA或期刊提供的评价清单

SSD方法的基本假设、优势与主要应用场景概览

核心概念与理论基础

物种敏感性分布（SSD）模型是生态毒理学与环境风险评估中的核心工具。其基本假设是，一个特定化合物对不同物种的毒性效应（通常以半数效应浓度EC50或无可观测效应浓度NOEC等表示）在经对数转换后，符合某种连续的概率分布 [9]。该模型通过对实验室测得的有限物种的毒性数据拟合分布曲线，来推断整个生态群落中物种的敏感性范围，并据此计算保护特定比例物种（通常是95%，即危害浓度HC5）的安全浓度 [9] [10]。

从原始数据研究的角度看，SSD方法的核心优势在于它提供了一种将离散的、实验室层面的毒性数据，转化为对野外种群或群落水平生态风险的连续概率估计的标准化框架。它比使用单一最敏感物种或简单的评估因子法更为合理，因为它量化了物种间敏感性的变异 [9] [10]。

关键定量数据概览

表1：不同类别农药对水生生物的急性HC5值范围比较 [9]

农药类别	代表性化学类别	HC5值范围 (μmol/L)	相对毒性（与基线毒性比）	主要作用模式特征
杀虫剂	拟除虫菊酯、新烟碱类	1.4 × 10⁻³	最高 (特异性强)	作用于昆虫神经系统，对水生节肢动物等具有极高特异性毒性。
除草剂	磺酰脲类、三嗪类	3.3 × 10⁻²	中等	通常作用于植物特有代谢途径（如光合作用），对动物直接毒性较低，但可能通过破坏食物链产生间接影响。
杀菌剂	唑类、甲氧基丙烯酸酯类	7.8	较低	作用模式多样，部分为特异性作用（如抑制真菌麦角甾醇合成），部分为基线毒性。
基线毒性（麻醉型）	非极性麻醉剂	由QSAR模型估算	基准 (1)	非特异性膜损伤，毒性大小主要与化合物疏水性（log Kow）相关，是所有有机化合物的基本毒性。

表2：常用统计分布在SSD拟合中的性能比较（基于对大量化学品分析的综合建议） [11]

统计分布	主要特征	拟合性能总结（基于AICc比较）	HC5估计的稳健性	推荐使用场景
对数正态分布	假设对数转换后的毒性数据呈正态分布。	在大多数情况下表现最佳或同等良好，是广泛使用的默认选择。	高。其他分布得出的HC5与之比值通常在0.1-10倍范围内。	作为首选的默认分布，尤其当数据有限或分布形式不明时 [11]。
对数逻辑分布	S型曲线，具有较灵活的形状。	对部分数据集拟合良好，性能与对数正态分布相近或稍逊。	中等至高。	可作为对数正态分布的有效替代进行尝试和比较。
布尔III型分布	三参数分布，形状更灵活。	在特定情况下可能提供更好的尾部拟合，但并非普遍最优。	可能因数据而异，需谨慎评估。	当有充足数据且怀疑敏感性分布具有复杂形状时考虑。
威布尔分布	常用于可靠性工程，适用于“最弱环节”模型。	在此比较中通常未表现出普遍优势。	可能不稳定，特别是数据量少时。	应用相对较少，建议基于模型比较结果选择性使用。

SSD推导与应用的详细实验方案

方案一：从原始毒性数据推导SSD及HC5

本方案详细描述如何从收集的原始急性毒性数据开始，构建SSD并推导出用于风险评估的HC5值 [9]。

• 数据收集与筛选：

  • 来源：从同行评审文献、权威毒理学数据库（如EnviroTox）系统收集目标化合物对不同水生生物物种的急性毒性数据（如48小时水生生物EC50、96小时鱼类LC50） [11] [9]。
  • 标准化：将所有毒性数据统一转换为摩尔浓度（如μmol/L），以消除分子量影响，便于跨化合物比较 [9]。
  • 质量控制：
    • 确保数据源自有效的标准化测试方法。
    • 为每个化合物筛选数据时，采用谨慎原则：若同一物种有多个数据，选用最低值；若同一化合物有多个HC5值，选用最低值以确保对最敏感物种的保护 [9]。
    • 建议每个化合物的SSD至少基于6个以上不同物种的数据，以保证分布的基本代表性 [9]。

• SSD模型拟合：

  • 数据转换：将所有毒性数据取以10为底的对数（log10）。
  • 分布选择与拟合：使用统计软件（如R）或专用工具箱（如EPA SSD Toolbox），将转换后的数据分别用对数正态、对数逻辑等分布进行拟合 [11] [12]。
  • 模型比较：使用修正后的阿卡克信息准则等指标比较不同分布的拟合优度，优先选择AICc值最小的模型 [11]。同时，需目视检查分布曲线，特别是对低尾部（5%分位数附近）的拟合情况 [11]。

• HC5计算与不确定性分析：

  • 从选定的最佳拟合分布中，读取或计算累计概率为5%时对应的对数浓度值，再将其反对数化，即得到HC5 [9]。
  • 可通过自助法重复抽样（如1000次）来估计HC5的置信区间，以量化由于物种抽样和模型选择带来的不确定性。

• 基线毒性比较与作用模式判别：

  • 使用已有的定量结构-活性关系模型计算该化合物的预测基线毒性（例如，对水生群落的HC5基线可用公式 log(1/HC5) = 4.52 + 1.05 log Kow 估算） [9]。
  • 计算毒性比：TR = HC5(基线) / HC5(实验)。TR值远大于1（如>10）表明该化合物具有特异性作用模式，其毒性高于单纯由疏水性驱动的基线毒性 [9]。

方案二：基于SSD的生态阈值关注值（eco-TTC）推导

本方案适用于大量缺乏详细毒性数据的新兴化合物，通过将其归入已知类别，利用该类化合物的SSD分析结果来制定初步安全阈值 [9]。

• 化学品类别的定义与分组：

  • 根据化合物的作用模式（如非极性麻醉、极性麻醉、反应性、特异性）和/或化学结构（如农药中的新烟碱类、三嗪类、唑类）进行分组 [9]。

• 类别内HC5数据的统计分析：

  • 收集类别内所有代表性化合物的HC5值（来自方案一或文献）。
  • 分析该类化合物HC5值的统计分布（通常近似对数正态分布），并计算其累积概率分布。

• eco-TTC值的确定：

  • 在类别HC5累积分布曲线上，选择一个保守的百分位点（如较低的百分位数，例如5%或10%）对应的浓度值。
  • 将此浓度值设定为该类别化合物的筛查级生态阈值关注值。对于缺乏测试数据的同类新化合物，其环境浓度若低于此eco-TTC，则可初步认为生态风险可接受 [9]。

• 方案验证与更新：

  • 当获得新化合物的实验数据后，应回验其HC5是否与所属类别的eco-TTC预测一致。
  • 随着数据积累，定期更新和优化各类别的eco-TTC值。

SSD方法与风险评估工作流程

SSD推导与风险评估核心工作流程

从数据到决策的SSD整合路径

SSD数据在环境决策支持系统中的整合路径

研究人员工具箱

表3：SSD研究必备工具与资源

工具/资源类型	具体名称/示例	主要功能与用途
数据资源库	EnviroTox 数据库	提供大量经过质量检查的化合物生态毒性数据，是构建SSD的可靠数据来源 [11]。
统计分析软件	R语言及其生态毒理包 (如 fitdistrplus, ssdtools)	提供强大的统计建模和环境，用于数据分布拟合、模型比较和HC5计算，支持自定义分析 [11]。
专用分析平台	美国EPA SSD Toolbox	集成的图形化工具，支持使用多种分布（正态、逻辑、三角、甘贝尔）拟合SSD，并可视化结果，适用于快速评估 [12]。
模型与框架	对数正态分布模型	作为经过广泛验证的默认SSD模型，在数据有限时是合理的第一选择 [11]。
定量预测模型	基线毒性QSAR方程 (如 log(1/HC5) = a + b log Kow)	用于预测非特异性作用化合物的HC5基线，是判别化合物作用模式特异性（计算毒性比）的关键工具 [9]。

关键监管框架与指南：比较加拿大、美国等国际监管机构对SSD应用的要求

引言

物种敏感性分布（Species Sensitivity Distribution, SSD）是一种将统计分布模型与生态毒理学数据结合的关键工具，用于推导环境中有毒化学物质的“安全”浓度，例如预测无效应浓度（PNEC）或水质基准值[reference:0]。在国际生态风险评估中，SSD方法因其基于多物种数据的统计外推特性，正逐渐取代传统的评估因子法，成为各国监管机构首选的科学手段[reference:1]。本应用指南旨在从原始数据研究的角度，系统比较加拿大、美国、澳大利亚/新西兰等主要司法管辖区的关键监管框架与技术要求，并提供详细的操作协议，以支持研究人员和风险评估者开展符合国际规范的SSD研究。

主要监管框架比较

下表汇总了各主要监管机构在应用SSD方法时的核心要求与指南文件。

表1：国际监管机构SSD应用要求比较

监管机构/地区	关键指南文件	最小物种数量要求	所需物种分类群	推荐统计分布	HCx百分位数	主要软件工具	最后更新
加拿大 (CCME/Health Canada)	《物种敏感性分布用于水质指南及生态风险评估》事实说明书；《水生生物保护水质指南制定协议》(2007)[reference:2]	≥7个物种[reference:3]	至少3种鱼类、3种水生/半水生无脊椎动物、1种水生植物或藻类[reference:4]	对数正态、对数逻辑等；鼓励多分布拟合与加权平均[reference:5]	通常为HC5（第5百分位数）[reference:6]	ssdtools (R软件包)[reference:7]	2025-03-05[reference:8]
美国 (US EPA)	《物种敏感性分布推导方法》(附录J, TIM v3.0)；《SSD工具箱》技术说明[reference:9][reference:10]	未明确规定，但建议尽可能多的物种	关注代表性（如鸟类、水生生物）[reference:11]	对数正态、对数逻辑、对数三角、Burr分布（鸟类）；正态、逻辑、三角、Gumbel（水生，SSD工具箱）[reference:12][reference:13]	HC5（第5百分位数）[reference:14]	EPA SSD Toolbox；统计软件（R、Python）[reference:15]	2025-09-22[reference:16]；2025-02-10[reference:17]
澳大利亚/新西兰 (ANZECC/ARMCANZ)	《水质指南》(2000)；Warne等(2018/2025)更新方法[reference:18]	未统一规定，但数据可靠性分类基于数据量与类型[reference:19]	鼓励涵盖鱼类、无脊椎动物、藻类/植物	未指定，但常用对数正态分布	多层级保护目标：HC1（99%保护）、HC5（95%保护）、HC10（90%保护）、HC20（80%保护）[reference:20]	shinyssdtools (交互式Web应用)[reference:21]	2025-08-27[reference:22]
欧洲 (EFSA/ECHA)	EFSA《植物保护产品分层风险评估指南》(2013)；ECHA《信息要求与化学安全评估指南》第R.10章[reference:23][reference:24]	通常≥8-10个物种（特别是植物）[reference:25]	强调涵盖不同功能群（如单子叶/双子叶植物、节肢动物）[reference:26]	对数正态分布常用	HC5（第5百分位数）	未指定专用工具，可使用通用统计软件	2013（EFSA）；持续更新（ECHA）

应用说明：SSD构建的标准工作流程

尽管各监管机构的具体要求存在差异，但构建SSD的核心科学流程是通用的。下图概括了从原始数据到风险阈值的标准工作流程。

图1：SSD构建标准工作流程（标题：SSD构建标准工作流程）

关键实验方案详述

方案A：基于鸟类急性口服毒性数据的SSD推导（遵循US EPA方法）

本方案详细描述了使用鸟类急性口服LD50数据推导SSD的步骤，适用于农药等化学品的风险评估[reference:27]。

• 数据收集与纳入标准

  • 终点：收集目标农药对多种鸟类的急性口服半数致死剂量（LD50）数据。单位统一为mg a.i./kg-bw（活性成分/千克体重）[reference:28]。
  • 研究质量：仅采用符合标准毒性测试规范（单次给药，观察7-14天）的可靠研究数据[reference:29]。
  • 数据筛选：同一物种有多个LD50值时，计算其几何平均值作为该物种的代表性敏感度数据点[reference:30]。

• 数据标准化

  • 体重校正：为消除物种体型差异对敏感度的影响，需将LD50值标准化到标准体重。使用以下公式[reference:31]： 标准化LD50 = LD50 × (100 / TW)^(x-1) 其中，TW为测试物种的体重（克），x为Mineau缩放因子（默认值1.15，如有化学品特异性值则优先使用）[reference:32]。
  • 默认体重：若无测试体重数据，可引用文献值。例如，实验室大鼠默认350g，北美鹑178g，绿头鸭1580g[reference:33]。

• 分布拟合与模型选择

  • 候选分布：将标准化后的LD50值（通常取对数）拟合至少四种统计分布：对数正态（Log-normal）、对数逻辑（Log-logistic）、对数三角（Log-triangular）和Burr分布[reference:34]。
  • 拟合方法：使用最大似然估计（MLE）、矩估计和图形法等多种方法进行拟合，以评估稳健性[reference:35]。
  • 模型评估：采用参数化Bootstrap法（5000次重复）评估拟合优度。使用校正的Akaike信息准则（AICc）比较不同分布的拟合效果，选择AICc值最低（ΔAICc > 4-5视为竞争力不足）的模型作为最佳分布[reference:36][reference:37]。

• HC5计算与不确定性分析

  • 从最佳拟合分布中计算HC5（保护95%物种的 hazardous concentration）。
  • 可通过Bootstrap模拟计算HC5的置信区间（如95% CI），以量化估计值的不确定性[reference:38]。

方案B：用于加拿大水质指南的淡水水生生物SSD推导

本方案概述了加拿大环境部长理事会（CCME）推荐的用于推导淡水水质指南的SSD方法[reference:39]。

• 数据集构建

  • 最小数据集：至少需要7个不同物种的毒性数据。必须包括至少3种鱼类、3种水生或半水生无脊椎动物、以及1种水生植物或藻类[reference:40]。
  • 数据一致性：确保所有数据在暴露时间（急性或慢性）和效应严重程度（致死或亚致死）上保持一致，以确保敏感性差异主要源于物种差异而非测试条件[reference:41]。
  • 物种代表性：每个物种在SSD中仅用一个数据点表示，通常选择最敏感的毒性终点[reference:42]。

• 分布拟合与工具

  • 使用ssdtools R软件包进行分布拟合，这是加拿大政府目前最常用的工具[reference:43]。
  • 拟合对数正态或对数逻辑等分布，并绘制S型曲线进行可视化[reference:44]。

• 基准值推导

  • 从拟合的SSD曲线中读取第5百分位数（HC5）作为基准值[reference:45]。
  • 评估因子应用：若SSD仅基于短期或致死性数据推导，则可将HC5除以一个评估因子（如10），以推导用于长期亚致死效应保护的PNEC[reference:46]。

科学家工具箱：SSD研究关键材料与资源

表2：SSD研究必备工具与试剂

类别	项目/工具名称	功能描述/用途	备注/示例
数据源与数据库	ECOTOX (US EPA)	综合生态毒理学数据库，提供多种物种和化学品的毒性数据。	用于快速收集构建SSD所需的原始数据。
	PubChem / CompTox Chemicals Dashboard	提供化学品标识、特性及相关毒理学研究信息。	用于化学品信息确认和数据交叉验证。
统计与计算软件	R软件包: ssdtools	专用于拟合SSD、计算HCx及进行不确定性分析的官方R包。	加拿大、澳大利亚等多国监管机构推荐[reference:47][reference:48]。
	US EPA SSD Toolbox	集成了多种算法，支持SSD拟合、可视化与解释的图形化工具[reference:49]。	适合不熟悉编程的风险评估者使用。
	shinyssdtools	基于Web的交互式应用，方便用户在线进行SSD分析。	澳大利亚水质指南官方认可工具[reference:50]。
标准毒性测试试剂盒	藻类生长抑制测试 (如 OECD TG 201)	用于获取水生植物（藻类）的毒性数据（EC50）。	标准化的96孔板测试，是满足物种组成要求的关键。
	大型溞急性活动抑制测试 (OECD TG 202)	用于获取水生无脊椎动物的急性毒性数据（EC50）。	标准测试生物，数据广泛可用。
	鱼类急性毒性测试 (如 OECD TG 203)	用于获取鱼类的急性毒性数据（LC50）。	常用测试鱼种包括斑马鱼、黑头呆鱼等。
实验室通用材料	标准参考物质 (如 KCl, CuSO₄)	用于毒性测试的质量控制，确保实验系统正常响应。	定期验证测试系统的敏感性。
	分析天平、pH计、溶解氧测定仪	用于精确配制暴露溶液和监测测试条件。	确保毒性测试的准确性与可重复性。

监管要求逻辑关系图

下图直观展示了在SSD应用中，科学数据、监管保护目标与最终风险管理决策之间的逻辑关系。

图2：SSD监管应用逻辑关系（标题：SSD监管应用逻辑关系）

结论

综合比较表明，加拿大、美国、澳大利亚/新西兰等主要监管机构在SSD的核心科学原理（如使用统计分布外推HC5）上高度一致。然而，在具体技术要求上存在差异：加拿大对最小数据集的物种分类有明确规定；美国提供了从鸟类到水生生物的多种详细推导方案；澳大利亚/新西兰则引入了基于生态系统条件的多层级保护目标。欧盟的指南更嵌入在特定产品（如农药）的风险评估框架中。

因此，研究人员在开展SSD研究时，首先必须明确目标监管区域，并严格遵循其最新的指南文件。无论遵循何种框架，确保原始数据的质量、物种的代表性以及统计方法的透明度，是构建科学、稳健且能被监管机构接受的SSD的基石。随着计算毒理学和新方法（NAMs）的发展，未来SSD的构建可能会整合更多非传统数据源，其监管指南也将持续演进[reference:51]。

必备数据集概览：介绍ECOTOX等关键毒性数据库及其在SSD构建中的作用

摘要：物种敏感度分布（Species Sensitivity Distributions， SSD）是生态毒理学风险评价的核心工具，用于量化化学物质对生物群落的风险。构建稳健的SSD高度依赖于高质量、广覆盖的毒性效应数据集。本应用指南系统阐述了ECOTOX等关键毒性数据库在SSD构建全流程中的核心作用，提供了从原始数据获取、质量控制、分布拟合到结果解释的详细实验方案与技术规程。内容涵盖主要数据库比较、SSD建模的统计与计算工具、以及基于OECD准则的QSAR/i-QSTTR模型在填补数据缺口中的应用。本文旨在为研究人员，特别是涉及生态风险评价与药物环境安全性评估的专业人士，提供一份整合数据资源与方法的标准化操作框架。

SSD构建的核心数据源：关键毒性数据库比较

构建可靠的物种敏感度分布（SSD）始于全面、可靠的生态毒性数据收集。多个公共及管理数据库是此类数据的主要来源，它们在数据规模、物种范围、质量控制和使用目的上各有侧重。

表1：用于SSD构建的主要生态毒性数据库比较

数据库名称	主导机构/来源	数据规模与特点	主要应用与贡献	数据获取与注意事项
ECOTOX数据库	美国环境保护署（US EPA）	包含超过1200,000条生态毒性测试结果，涵盖13,000多种化学物质和13,000多种水生和陆生物种 [13]。数据持续更新，是最全面的单一公共数据源。	SSD研究的基础数据支柱。为大量化学物质提供了广泛的物种敏感度谱，支持HC5/PNEC推导 [14]。	通过US EPA官网公开访问。使用时需注意数据异质性，必须进行严格的单位统一与数据质量筛选 [14]。
REACH注册数据库	欧洲化学品管理局（ECHA）	数据量极大（研究中涉及超20万条记录 [13]），但数据透明度与可追溯性较低，测试条件和物种信息可能不完整。	作为数据补充来源，尤其在商业化学品方面可增加数据量。适用于对数据充足性要求高、并能进行严格数据清洗的研究 [13]。	通过ECHA网站获取。使用时需进行额外的数据核查与校正，建议与ECOTOX等高质量数据源结合使用。
已整合的SSD专用数据集	学术研究（如Posthuma等人，2019）	通过对ECOTOX、REACH等多源数据进行系统性收集、 curation（纠错）与标准化处理而成 [13]。例如，一个已发表的数据集包含针对12，386种化合物的慢性NOEC和急性EC50数据 [13]。	提供“即用型”高质量数据，附有数据质量评分，可直接用于SSD建模与风险排序研究，极大节省数据预处理成本 [13]。	通常作为科学论文的补充材料发布。使用时应理解其数据筛选和分类标准（如慢性/急性端点定义）。

除了上述数据库，一些领域特定数据库也具有重要意义，例如Pesticide Properties Database（PPDB） 专注于农药生态毒性数据，WikiPharma 数据库则专注于药品 [13]。在启动一个SSD研究项目时，推荐首先查询和利用已发表的整合数据集 [13]，若数据不足，再以ECOTOX为核心，辅以REACH及其他专业数据库进行补充，并实施严格的质量控制流程。

从原始数据到SSD：标准实验方案与工作流程

构建SSD是一个包含数据获取、处理、建模和解释的多步骤过程。以下是一个基于最佳实践的详细实验方案。

阶段一：数据收集与预处理

• 确定目标化合物与评估范围：明确目标化学物质，并界定评估的环境场景（如淡水水生生态系统）。
• 数据检索与提取：
  • 以ECOTOX数据库为主要数据源，系统检索目标化合物的所有毒性测试记录 [14]。
  • 记录关键字段：物种名称、毒性终点（如LC50、EC50、NOEC）、效应值、浓度单位、暴露时间、测试条件（温度、pH等）及文献来源。
• 数据清洗与标准化：
  • 单位统一：将所有效应浓度统一转换为摩尔浓度（如μmol/L）或质量浓度（如mg/L），这是避免错误的关键步骤 [14]。
  • 端点选择与分类：根据评估目标（保护性基准推导或影响量化）对数据进行分类。通常分为：
    • 慢性数据集：用于推导保护性基准（如PNEC）。包含NOEC、LOEC、EC10等终点。测试持续时间需符合物种的特定生命周期阶段（如溞类21天繁殖试验） [13]。
    • 急性数据集：用于定量影响（如潜在物种损失比例）。主要为EC50或LC50值 [13]。
  • 数据筛选：应用质量过滤器，例如优先选择符合标准测试指南（如OECD、EPA）的研究、报告了浓度确认分析的研究等 [14]。
  • 物种去重：每个物种仅保留一个最敏感或最具代表性的数据点（通常采用几何均值）。

阶段二：SSD建模与HC5计算

• 数据充足性检查：SSD的可靠性依赖于物种数量。虽然最低要求存在争议，但通常建议至少需要8-10个来自不同分类组（如鱼类、甲壳类、藻类）的物种数据 [14]。可视化工具（如shinyssd的“Visualization”选项卡）可帮助评估数据充足性 [14]。
• 分布模型拟合：将log10转换后的毒性数据拟合到一个统计分布函数。常用模型包括：
  • Log-Normal（对数正态分布）和Log-Logistic（对数逻辑斯蒂分布）：最常用且被许多监管指南接受的模型 [14] [13]。
  • Weibull（威布尔分布）和Pareto（帕累托分布） [14]。
  • 其他模型：对于农药等特定物质，Sigmoid、Gaussian、Gompertz 模型可能表现出更好的拟合优度 [15]。
• 模型选择与HC5估算：使用拟合优度检验（如Kolmogorov-Smirnov检验、AIC值）选择最佳拟合模型。基于所选模型，计算HC5（危害浓度5%，即预计影响5%物种的浓度）及其置信区间 [14]。shinyssd等工具可自动拟合多个模型并计算HC1、HC5、HC10 [14]。
• 保护性基准推导：将HC5除以一个适当的评估因子（通常为1-10，取决于数据质量和物种多样性），即可得到预测无效应浓度（PNEC），用于环境质量基准制定 [13]。

阶段三：结果解释与不确定性分析

• 可视化与报告：绘制SSD曲线，在图上标注数据点、拟合曲线、HC5值及置信区间。生成包含数据筛选标准、拟合结果和HC5值的完整报告 [14]。
• 不确定性讨论：必须报告SSD的不确定性来源，包括数据限制（物种数量少、分类群覆盖不均）、模型选择的不确定性以及实验室数据外推至野外环境的差异。

（图1：SSD构建标准工作流程与数据质量控制循环。该流程图展示了从目标确定到最终报告生成的七个核心步骤，并嵌入了关键的数据质量控制与缺口填补循环。）

先进计算工具与QSAR在数据缺口填补中的应用

当实验毒性数据不足以构建可靠的SSD时（例如，物种数量少于8个），计算毒理学工具成为不可或缺的补充手段。

SSD建模的软件工具

• shinyssd：一个基于R Shiny的交互式网络应用程序，专为SSD分析设计 [14]。其优势在于：
  • 用户友好：提供图形界面，无需编程即可上传数据、筛选、拟合和下载报告 [14]。
  • 模型多样：支持同时拟合Log-Normal、Log-Logistic、Weibull、Pareto四种分布 [14]。
  • 自动化报告：可生成包含图表和结果的.docx格式报告 [14]。
• R语言包：对于高级用户，fitdistrplus、actuar、ssdtools等R包提供了更灵活和可编程的SSD建模环境 [14]。

基于QSAR与i-QSTTR的数据缺口填补策略

当实验数据完全缺失或不足时，可采用以下层级化策略：

• 单一物种QSAR模型：预测目标化合物对某个标准测试物种（如大型溞）的毒性。这是最传统的方法。
• 物种间外推（i-QSTTR）模型：这是一种更先进的策略。它利用来自多个物种的毒性数据，建立化合物毒性在不同物种间的关系模型 [16]。例如，如果已知化合物对鱼的毒性，i-QSTTR模型可以预测其对藻类或溞类的毒性，从而快速生成一个多物种数据集 [16]。
• SSD参数直接预测模型：这是最高效的策略。研究显示，可以开发QSAR模型，直接预测SSD的关键参数——对数正态分布的均值（μ）和标准差（σ） [16]。这意味着无需预测每个物种的毒性，即可直接构建出完整的SSD曲线。这种方法在近年已成为研究前沿 [16]。

表2：用于填补SSD数据缺口的计算毒理学工具与策略

工具/策略	核心原理	输入要求	输出结果	在SSD构建中的应用场景
ECOSAR	基于化合物结构分类和log Kow的传统QSAR模型。	化合物的SMILES结构或log Kow值。	对标准水生生物（鱼、溞、藻）的预测毒性值（如LC50）。	为缺失的标准测试物种生成单个数据点，补充数据集。
i-QSTTR模型	建立跨物种毒性关系的定量模型 [16]。	化合物对一个或多个“源”物种的实验或预测毒性值。	化合物对一个或多个“目标”物种的预测毒性值。	基于有限的实验数据，快速外推生成一个多物种毒性谱，满足SSD最低物种数要求 [16]。
μ/σ 预测模型	建立化合物结构与SSD分布参数（μ， σ） 的直接关联 [16]。	化合物的2D分子描述符。	SSD曲线的位置（μ）和形状（σ）参数。	在缺乏任何物种实验数据的情况下，直接估算HC5，实现高通量风险筛查 [16]。
Read-Across	基于结构相似性，将同系物或类似物的已知毒性数据“跨读”给目标化合物。	目标化合物及其一个或多个结构类似物。	目标化合物的估计毒性值或毒性范围。	为数据极度缺乏的新兴化合物提供初步的、定性的风险估计。

（图2：多源毒性数据整合与SSD构建逻辑关系图。该图展示了实验数据（核心）与计算预测数据（补充）如何汇聚并经过标准化处理后，输入SSD建模引擎，最终产生用于风险表征的定量输出。）

研究试剂与材料工具箱

表3：SSD研究关键试剂、软件与数据资源列表

类别	名称/示例	规格/版本要求	功能与用途说明	关键注意事项
核心数据库	US EPA ECOTOX	最新版	基础毒性数据来源。提供原始实验记录，用于提取构建SSD所需的物种-毒性值对。	必须执行严格的数据清洗和单位换算 [14]。
统计分析软件	R with fitdistrplus， actuar， ssdtools packages	R 4.0+	灵活、可编程的SSD建模环境。允许自定义分布拟合、参数估算和图形绘制。	需要一定的R语言编程能力。
交互式建模工具	shinyssd Web Application	v1.0	用户友好的图形界面工具。指导用户完成数据上传、筛选、模型拟合（4种分布）和报告生成全过程 [14]。	内建数据充足性可视化检查功能 [14]。报告为.docx格式。
计算毒理学工具	ECOlogical Structure Activity Relationship (ECOSAR)	v2.0+	传统QSAR预测工具。基于化合物分类和log Kow，预测对标准水生生物的急性/慢性毒性。	预测准确性因化合物类别而异，适用于初步筛查和数据补充。
计算毒理学工具	基于i-QSTTR或μ/σ预测的定制模型	依发表模型而定	先进的数据缺口填补工具。i-QSTTR用于跨物种毒性外推 [16]；μ/σ模型可直接预测SSD曲线参数 [16]。	使用时必须严格界定模型的适用域，并评估预测的不确定性。
数据标准化模板	shinyssd 提供的 template.csv 文件	随软件提供	数据格式化指南。确保用户自有的数据能以正确的列和格式上传至分析工具 [14]。	严格遵循模板格式是成功上传和分析的前提 [14]。
质量评估指南	Klimisch评分系统等	广泛使用	数据质量评价标准。用于在数据筛选阶段对每项毒性研究的可靠性和相关性进行评分，确保纳入高质量数据。	建议在SSD构建方案中明确规定拟采用的质量筛选标准。

从数据到模型：SSD构建的逐步工作流与工具应用

概述

在物种敏感度分布（SSD）研究中，数据收集是推导生态基准与风险评估的基石。为确保SSD模型的稳健性与可靠性，需满足两项核心要求：足够数量的物种毒性数据与涵盖不同营养层级的代表性。本应用笔记基于中国《海洋生物水质基准推导技术指南（试行）》（HJ1260—2022）等现行技术规范，详细阐述了最小物种数要求（如“5科8种”）及跨营养层级采样的原则与操作流程[reference:0]。

核心数据要求汇总表

表1：SSD构建的最小物种数与营养层级覆盖要求

要求维度	具体规定	依据/说明
最小物种数	至少 8个 有效毒性数据点（对应“5科8种”）[reference:1]。澳大利亚/新西兰指南中，8种被视为评价为“良好”的标准[reference:2]。	从数理统计与模型稳健性角度，覆盖关键类群的8个以上物种可使基准值的不确定性在可接受范围内。
营养层级覆盖	必须覆盖至少3个营养级别（如生产者、初级消费者、次级消费者）[reference:3]。	确保SSD能反映污染物对整个生态系统食物网不同环节的影响，避免保护盲区。
分类群覆盖（以海洋为例）	必须涵盖以下关键类群中的5个科：1. 微藻或大型藻类（1科）[reference:4]2. 节肢动物门甲壳类（2科）[reference:5]3. 脊索动物门硬骨鱼类（1科）[reference:6]4. 其他门类（如环节动物、软体动物、棘皮动物、轮虫动物等中的1科）[reference:7]	体现区域生态系统特征，保证基准能保护我国海洋生物区系中占主要比例的关键类群（占物种总数70%以上）[reference:8]。
数据质量	毒性数据应真实、有效、可靠，优先采用国际或国内标准测试方法（如OECD、ISO、GB）获得的数据。	是保证SSD拟合结果科学可信的根本前提。

实验方案：SSD数据收集与评估全流程

第一阶段：数据收集规划与物种筛选

• 明确目标：确定待评估的污染物及保护目标（如海水、淡水、土壤）。
• 文献检索：系统检索SciFinder、Web of Science、CNKI等数据库，以及EPA-ECOTOX、中国生态环境部基准数据平台，收集目标污染物的现有毒性数据。
• 物种筛选：
  • 数量要求：计划收集至少8个（目标为10-15个或更多）不同物种的毒性数据。
  • 营养层级与分类群要求：根据表1，确保所选物种覆盖生产者（如藻类）、初级消费者（如甲壳类、环节动物）、次级消费者（如鱼类） 等至少3个营养级，并满足指南规定的科级分类群覆盖要求[reference:9]。
  • 排除原则：不应使用外来入侵物种（如产藻毒素的海洋微藻、互花米草）作为受试物种[reference:10]。

第二阶段：毒性数据获取与标准化

• 数据提取：记录每个数据点的物种名、毒性终点（如EC50、LC50、NOEC）、暴露时间、测试条件、数据来源。
• 数据标准化：
  • 效应浓度统一：将急性毒性数据统一为同一终点（如48-h EC50/LC50），慢性数据统一为NOEC或EC10。
  • 水质参数校正：若毒性受pH、硬度、温度等影响，使用公认模型（如BLM）将数据校正至标准水质条件。
  • 数据可靠性评估：采用Klimisch评分等方法，优先使用可靠度最高（如1级）的数据。

第三阶段：SSD模型拟合与基准推导

• 数据准备：将标准化后的毒性值按从小到大排序，计算累积概率。
• 模型选择与拟合：使用专用软件（如EPA SSD Toolbox、R包fitdistrplus），选用对数正态、对数逻辑等分布进行拟合，通过柯尔莫戈洛夫-斯米尔诺夫检验等评估拟合优度。
• 危害浓度计算：从拟合的SSD曲线上读取保护指定比例（如95%）物种的浓度（HC5）。
• 评估因子应用：根据有效毒性数据的物种数量和质量，乘以评估因子（AF，如物种数≤15时AF=3）得到最终基准值[reference:11]。

第四阶段：不确定性分析与报告

• 不确定性分析：通过自助法计算HC5的置信区间，评估数据有限性带来的不确定性。
• 结果报告：完整报告所用数据清单、拟合模型、HC5值及其置信区间、评估因子及最终基准值。

关键流程与关系可视化

SSD数据收集与评估工作流

图1：SSD数据收集与评估四阶段工作流（流程图展示了从规划到报告的完整流程，并强调核心原则在初始阶段的指导作用。）

跨营养层级物种选择原则

图2：跨营养层级物种选择示意图（示意图说明了SSD构建中需涵盖生产者、消费者等不同营养级，并确保每个层级有足够物种代表的原则。）

科学家工具包：关键试剂与材料

表2：SSD研究关键试剂与材料清单

类别	物品/试剂	功能说明
标准测试生物	藻类：羊角月牙藻 (Pseudokirchneriella subcapitata)、舟形藻 (Navicula pelliculosa) 甲壳类：大型溞 (Daphnia magna)、蒙古裸腹溞 (Moina mongolica) 鱼类：斑马鱼 (Danio rerio)、黑点青鳉 (Oryzias melastigma)	提供标准化、可重复的毒性数据，是构建SSD的数据基础。
培养与暴露系统	恒温光照培养箱、流水式或静态更新式毒性测试系统、溶解氧测定仪、pH计。	为测试生物提供标准化的培养与暴露环境，保证实验条件一致。
数据来源数据库	EPA ECOTOX、中国生态环境基准数据平台、OECD eChemPortal。	用于系统检索和收集已发表的毒性数据，是数据收集阶段的核心工具。
统计与分析软件	R语言 (包：fitdistrplus, ssdtools)、EPA SSD Toolbox、MATLAB。	用于SSD曲线拟合、HC5计算、置信区间估计及图形绘制。
化学品与标准品	分析纯级待测污染物、溶剂（如丙酮、二甲基亚砜）、藻类培养基（如MBL、OECD）、鱼类养殖用水。	用于配制暴露溶液，确保测试浓度的准确性与生物培养的基本需求。
质量保证材料	参考毒物（如氯化钾、重铬酸钾）、空白对照组样品、数据记录表。	用于验证测试系统的敏感性、确认实验过程无误，并确保数据可追溯。

根据现有信息，无法完成您所要求的详细技术文章。现有资料仅能提供关于物种敏感度分布（SSD）数据预处理的零散概述，严重缺乏构建“详细应用说明与协议”、“定量数据表格”及“具体实验流程图”所需的实质性技术细节和可访问的完整文献。

现有信息与核心需求的差距

您要求的核心内容在现有可访问信息中均未有详细阐述：

• 急性与慢性数据的处理：仅提及两者端点不同（急性常用LC50/EC50，慢性常用NOEC/EC10等）且慢性数据更少，但无具体处理、转换或整合的方法描述。
• 端点一致性保障：未找到关于如何统一或校准不同研究端点以确保数据可比性的任何方案。
• 数据点选择策略：仅强调数据筛选的重要性，但无具体的选择标准、优先级规则或剔除准则的详细说明。

此外，所有可能包含相关细节的关键技术文档（如《淡水生物水质基准推导技术指南》PDF、相关研究论文）均无法访问，导致无法获取实验参数、具体操作步骤等必要信息。

基于现有信息的简化框架示例

以下是根据搜索结果中碎片信息整理的SSD数据预处理高层级框架，远未达到您要求的详细程度。

数据预处理概述

在SSD模型中，数据预处理旨在将来自不同来源、不同实验条件的毒性数据转化为可用于拟合分布曲线的标准化数据集。其主要挑战在于慢性数据稀缺、端点多样以及数据质量参差不齐。

急性与慢性数据的特点

数据类型	典型端点	优先级（通用观点）	数据可得性
急性毒性数据	LC50, EC50 (半数致死/效应浓度)	通常不区分优先性[reference:0]	相对较多[reference:1]
慢性毒性数据	NOEC (无观察效应浓度), LOEC (最低观察效应浓度), EC10, EC20, MATC (最大允许毒性浓度)	NOEC > EC20 > EC10 > LOEC > EC50 [reference:2]	相对较少[reference:3]

端点一致性保障（概念性说明）

由于慢性数据不足，实践中常使用“急慢性比率”（ACR）将急性数据外推至慢性基准[reference:4]。这要求确保用于计算ACR的急性与慢性数据在物种、测试条件等方面具有可比性，但具体保障协议未见于现有资料。

数据点选择策略（通用原则）

• 数据来源：应从ECOTOX等权威数据库或已发表文献中收集[reference:5]。
• 筛选目的：对同一污染物、同一效应指标的多个毒性值进行预处理，以获得代表该物种或效应的单一毒性值[reference:6]。
• 基本要求：构建SSD曲线通常需要至少5个以上的物种数据[reference:7]。

研究工具与试剂（示例性清单）

类别	名称/示例	在SSD研究中的功能
数据库	ECOTOX数据库[reference:8]	收集已发表的急性与慢性毒性实验数据。
统计软件包	R包 ssdtools[reference:9]	用于拟合和绘作物种敏感度分布（SSD）曲线。
计算软件	国家生态环境基准计算软件[reference:10]	提供数据录入、多种分布模型（正态、对数正态等）拟合与计算的集成环境。
毒性测试终点	LC50, EC50, NOEC, LOEC [reference:11]	量化污染物对生物效应的核心指标，是SSD建模的输入数据。

SSD数据预处理工作流程（高级示意图）

以下流程图概括了上述零散信息提及的关键阶段。

图：SSD构建中的数据预处理高层级工作流程（细节缺失）

结论：要撰写符合您要求的文章，必须获取并参考《淡水/海洋生物水质基准推导技术指南》等官方技术文档、以及该领域最新的研究方法论论文，这些资料当前均不可用。

统计分布拟合：详解对数正态、逻辑斯蒂等常用分布及其拟合优度评估

引言：物种敏感性分布（SSD）研究中的统计分布拟合

物种敏感性分布（Species Sensitivity Distribution， SSD）法是推导土壤、水体等环境介质中污染物生态安全阈值的重要标准方法 [3]。其核心思想是，不同物种对同一污染物的耐受性（通常用半数效应浓度EC₅₀等表示）存在差异，这种差异可以用一个连续的概率分布函数来描述。通过有限的实验毒性数据拟合出该分布，即可估计保护特定比例物种（如95%）所对应的危害浓度（HC₅），从而制定科学的基准或标准 [3]。

在这一框架下，选择恰当的统计分布模型进行拟合是至关重要的一步，它直接影响到HCp值估算的准确性与可靠性。不同的分布函数（如Log-normal、Log-logistic等）因形状不同，可能在分布的头部、尾部或中心部分对数据有不同的拟合效果，进而导致估算的阈值产生差异 [3]。因此，系统地理解常用分布的特征、掌握其拟合方法并科学评估拟合优度，是SSD研究乃至更广泛的生态毒理学、药物风险评估领域的基石。

本文旨在为研究人员、科学家及药物开发专业人士提供一份详细的应用指南，重点阐述在SSD研究中常用的对数正态（Log-normal）分布、逻辑斯蒂（Logistic）及相关分布的原理、拟合方法，并详细介绍多种拟合优度的评估协议。

常用统计分布详解及其在SSD中的应用

对数正态分布 (Log-normal Distribution)

定义与特性：如果一个随机变量X的自然对数服从正态分布，即 ( \ln X \sim N(\mu, \sigma^2) )，则称X服从对数正态分布 [17]。其概率密度函数（PDF）为： [ f(x) = \frac{1}{x\sigma\sqrt{2\pi}} \exp\left(-\frac{(\ln x - \mu)^2}{2\sigma^2}\right), \quad x > 0 ] 其中，μ和σ²分别是其对数尺度下的均值和方差 [17]。

生态学意义：在SSD中，物种的敏感性（如毒性数据的倒数或对数转换值）常被认为近似服从正态分布，因此其原始尺度下的毒性数据常表现为对数正态分布。该分布具有正偏态特性，即其值域为正且有一个长右尾，这与许多环境数据（如污染物浓度、物种耐受限度）的分布特征相符 [17]。美国环境保护署（EPA）曾推荐使用Log-normal函数进行SSD拟合 [3]。

逻辑斯蒂分布与Log-logistic分布

逻辑斯蒂分布：逻辑斯蒂分布是一种S形的对称分布，其累积分布函数（CDF）即常见的逻辑函数（Logistic function）： [ F(x; \mu, s) = \frac{1}{1 + \exp(-(x-\mu)/s)} ] 其中μ为位置参数（均值），s为尺度参数 [18]。其概率密度函数与正态分布形状相似，但具有更厚的尾部 [19] [18]。

Log-logistic分布：这是逻辑斯蒂分布在SSD研究中最常见的形式。若随机变量X的对数服从逻辑斯蒂分布，则X服从Log-logistic分布。其CDF为： [ F(x; \alpha, \beta) = \frac{1}{1 + (x/\alpha)^{-\beta}} = \frac{x^\beta}{\alpha^\beta + x^\beta} ] 其中α为尺度参数，β为形状参数。该分布同样仅定义在正数域，能很好地模拟生态毒性数据 [3]。

模型优势：逻辑斯蒂/Log-logistic模型因其S形曲线和相对简单的数学形式，在分类模型（逻辑回归）和SSD拟合中广泛应用。其参数常可通过极大似然估计（MLE） 进行拟合 [20] [21]。研究表明，在酸性土壤条件下，对于低、中累积概率（p≤80%）的物种敏感性数据，Log-logistic函数常表现出优良的拟合效果 [3]。

其他常用分布

在SSD研究中，为了追求更好的拟合效果，特别是对尾部数据的拟合，常会尝试其他分布：

• Burr III型分布：一个更灵活的三参数分布，据报道在高累积概率（p>80%）条件下，对某些数据集的拟合优度优于Log-logistic分布 [3]。
• 威布尔（Weibull）分布与伽马（Gamma）分布：二者也是常用的正数域分布，具有一定灵活性，常作为备选模型进行比较 [3]。

表1：SSD研究中常用概率分布特性对比

分布名称	参数数量	定义域	分布形状特点	在SSD中的应用与备注
对数正态 (Log-normal)	2 (μ, σ)	x > 0	正偏态，长右尾	EPA曾推荐；适用于对数转换后近似正态的数据 [3] [17]。
Log-logistic	2 (α, β)	x > 0	S形CDF，对称，尾部比正态厚	常用，拟合效果常较好；参数解释直观 [3] [18]。
Burr III	3 (k, α, β)	x > 0	非常灵活，能模拟多种形态	在部分研究中高百分位点拟合优度好；澳大利亚、新西兰推荐 [3]。
威布尔 (Weibull)	2 (λ, k)	x ≥ 0	形状可变（指数、右偏、近似正态）	适用于“最弱环节”失效模型；可作为备选 [22] [3]。
伽马 (Gamma)	2 (k, θ)	x > 0	正偏态，包含指数分布为特例	可用于描述等待时间；在特定累积概率条件下可能表现良好 [3]。

拟合优度评估方法与协议

拟合优度评估旨在量化所选分布模型与观测数据之间的吻合程度，是模型选择的关键依据。

基于统计检验的评估方法

这类方法通过假设检验来判断数据是否可能来自某个指定分布。

• 卡方检验（Chi-square Goodness-of-fit Test）：适用于分类型或分组数据。通过比较观测频数与理论期望频数的差异计算卡方统计量，进行检验 [23]。该方法对数据分组方式敏感。
• Kolmogorov-Smirnov (K-S) 检验：基于经验累积分布函数（ECDF）与理论CDF之间的最大垂直距离。其优点是不依赖于数据分组，且对分布中心部位的差异更敏感 [24]。
• Anderson-Darling (A-D) 检验：同样是基于ECDF的检验，但通过一个加权函数，对分布的尾部差异更为敏感。这对于SSD研究尤为重要，因为保护性阈值HCp（如HC₅）的估算严重依赖于分布左尾的拟合准确性 [24]。
• Cramér-von Mises 检验：与A-D检验类似，但加权方式不同，对分布所有区域的差异给予同等关注 [24]。

基于信息准则与误差指标的评估方法

这类方法通过计算一个标量值来比较不同模型，值越小通常表示拟合越好或模型越简洁。

• 残差平方和（Sum of Squares for Error, SSE）：计算观测累积概率与模型预测累积概率之差的平方和。直接衡量拟合曲线与数据点的接近程度 [3]。
• 均方根误差（Root Mean Square Error, RMSE）：SSE的均方根形式，与数据量纲无关，便于比较不同数据集或模型的拟合误差 [3]。
• 赤池信息准则（AIC）和贝叶斯信息准则（BIC）：在衡量拟合优度（似然函数值）的同时，对模型参数数量施加惩罚（Penalty），鼓励选择简洁且高效的模型，避免过拟合。AIC = 2k - 2ln(L)，BIC = kln(n) - 2ln(L)，其中k为参数数，n为样本量，L为似然函数最大值。

在一项针对酸性土壤镉污染的SSD研究中，研究者同时采用SSE和RMSE作为评价指标，系统比较了5种分布的拟合优度，发现不同累积概率区间内的最优分布不同，为模型选择提供了具体指导 [3]。

表2：常用拟合优度评估方法比较

评估方法	类型	核心原理	优点	缺点/注意事项
卡方检验	统计检验	比较观测频数与期望频数	直观，适用于分类数据	依赖分组，需要足够大的样本和期望频数 [23]
K-S检验	统计检验	经验CDF与理论CDF的最大距离	不依赖分组，精确	对中心部位敏感，参数由数据估计时需用修正表 [24]
A-D检验	统计检验	加权平方距离（对尾部加权）	对尾部差异特别敏感	计算较复杂，有特定的临界值表 [24]
SSE/RMSE	误差指标	预测值与观测值偏差的平方和或均方根	计算简单，结果直观	未考虑模型复杂度，可能倾向选择参数多的模型
AIC/BIC	信息准则	似然函数值 + 模型复杂度惩罚项	平衡拟合优度与模型简洁性，可比较非嵌套模型	基于似然函数，需要参数估计；值为相对比较，无绝对标准

实验协议：SSD构建与分布拟合全流程

以下协议以一个具体的环境污染物（如重金属镉）的土壤生态安全阈值推导研究为例，详细说明从原始数据到最终HCp值计算的完整步骤 [3]。

第一阶段：数据收集与预处理

目标：获取高质量、可用于SSD构建的物种毒性数据。

• 确定物种清单：根据研究区域（如某流域农田）的生态系统特征，选择有代表性的、不同分类学层级的物种（如植物、无脊椎动物、鱼类等）。通常建议至少包含8-10个物种，且涵盖不同的营养级。
• 收集毒性数据：从公开发表的文献、数据库（如US EPA ECOTOX）或实验室试验中，收集选定物种对目标污染物（如镉）的急性（如LC₅₀/EC₅₀）或慢性毒性数据（如NOEC）。
• 数据筛选与标准化：
  • 筛选原则：确保数据质量。例如，在土壤-水稻体系研究中，要求数据来自“点对点”协同监测，且水稻品种为当地主栽品种 [3]。
  • 效应端点统一：将所有数据统一为同一效应端点（如EC₅₀）。
  • 生物有效性归一化：由于土壤性质（如pH、有机质含量、阳离子交换量）显著影响污染物的生物有效性，直接使用总浓度构建SSD会引入误差。需建立生物有效性模型，将所有毒性数据归一化到标准土壤条件下。 示例：一项研究中建立水稻镉富集的生物有效性模型为：lg(BCF) = -0.449pH + 2.822lg(SOM) - 1.917lg(CEC) + 0.670，然后将所有观测的BCF归一化至标准土壤情景（如pH=5.5， SOM=20 g/kg， CEC=10 cmol/kg）下 [3]。
• 数据转换：将归一化后的毒性数据（通常是浓度值）按从最敏感到最不敏感的顺序排列，并计算其对应的经验累积概率。经验累积概率P的计算常用公式：P = i / (n+1)，其中i为排名，n为数据总数。

第二阶段：分布拟合与参数估计

目标：使用多种候选分布拟合排序后的毒性数据，并估计分布参数。

• 选择候选分布：根据领域知识或前期探索，选择3-5个候选分布。常见组合包括：Log-normal, Log-logistic, Burr III, Weibull [3]。
• 参数估计：对于每个候选分布，采用极大似然估计（MLE） 或非线性最小二乘法估计其参数。
  • MLE原理：寻找能使观测数据出现概率（似然函数）最大化的参数值。对于逻辑斯蒂回归等模型，常采用迭代重加权最小二乘法（IRLS） 求解 [20]。
  • 软件实现：可使用专业统计软件（如R语言的 fitdistrplus 包、SSD包；OriginLab的Distribution Fit工具 [22]）或编程语言（Python的 scipy.stats）自动完成多分布的拟合与参数估计。

第三阶段：拟合优度评估与最优模型选择

目标：定量评估各分布的拟合效果，选择用于最终推导的最优分布。

• 计算评估指标：对每个拟合好的分布模型，计算一套拟合优度指标，至少应包括：
  • 图形判断：绘制理论CDF曲线与经验CDF散点图的叠加图，进行直观比较。
  • 统计检验：进行1-2种检验（如K-S检验或A-D检验），获取其p值。
  • 误差指标：计算SSE和RMSE [3]。
  • 信息准则：计算AIC和BIC。
• 综合评判与选择：没有单一指标能绝对确定“最佳”模型。需进行综合评判：
  • 优先考虑图形拟合直观良好，特别是在关注的分位数区间（如低百分位）内贴合紧密的模型。
  • 比较统计检验的p值（p>0.05表明不拒绝原假设，即拟合可接受）。
  • 在SSE/RMSE、AIC/BIC等指标上表现综合最优的模型。当不同指标指向不同模型时，应结合研究目的（如更关注尾部拟合）进行权衡。例如，一项研究发现，在关注高保护水平（高累积概率）时，Burr III的拟合优于Log-logistic [3]。

第四阶段：HCp值计算与不确定性分析

目标：基于选定分布计算危害浓度，并评估其不确定性。

• 计算HCp值：将选定的最优分布及其参数代入公式。对于任意累积概率p（如5%），危害浓度HCp是满足F(HCp) = p的解，其中F(x)是该分布的CDF。例如，对于Log-logistic分布：HCp = α * (p/(1-p))^{1/β}。
• 不确定性分析（可选但推荐）：
  • 置信区间估计：采用自助法（Bootstrap）重抽样技术（如1000次），从原始数据中有放回地重复抽样，每次重新拟合分布并计算HCp，最终得到HCp的置信区间（如95%置信区间）。
  • 模型不确定性：可以给出基于不同候选分布（如前2-3个优选的）计算出的HCp范围，以反映模型选择带来的不确定性。

图1：物种敏感性分布（SSD）构建与拟合评估标准工作流程图。该流程展示了从原始数据到最终阈值推导的四个主要阶段，并包含了模型评估后的反馈环节 [3]。

研究人员的工具包

表3：SSD分布拟合研究关键工具与试剂解决方案

类别	名称/工具	主要功能与描述	示例/备注
软件与编程包	R语言及其包	统计分析与建模的黄金标准。fitdistrplus 用于分布拟合；ssd 专门用于SSD分析；boot 用于自助法。	开源、免费、社区支持强大，可高度自定义分析流程。
	Python (SciPy, NumPy, Pandas)	科学计算与数据分析。scipy.stats 模块包含大量分布的拟合与检验函数。	适合与机器学习工作流整合，数据预处理方便。
	OriginLab	商业数据分析与绘图软件。提供图形化界面的“Distribution Fit”工具，支持多种常见分布 [22]。	适合不编程的研究者快速进行初步拟合与可视化。
统计方法	极大似然估计 (MLE)	参数估计的核心方法，寻找使观测数据出现概率最大的参数值 [21]。	大多数统计软件中分布拟合的默认或核心方法。
	迭代重加权最小二乘 (IRLS)	用于拟合广义线性模型（如逻辑回归）的算法，是MLE的一种高效计算方法 [20]。	在拟合Log-logistic等模型时底层可能使用。
	自助法 (Bootstrap)	重抽样技术，用于评估参数估计（如HCp）的不确定性和计算置信区间。	尤其适用于样本量不大或分布复杂时评估不确定性。
实验与数据	标准毒性测试生物	提供高质量实验室毒性数据的模式生物。如水生生态中的大型溞、斑马鱼；土壤生态中的赤子爱胜蚓、跳虫等。	选择标准测试物种有助于数据被国际认可和比较。
	生物有效性萃取剂	用于评估土壤/沉积物中污染物的生物有效态浓度，提高SSD准确性。如二乙烯三胺五乙酸 (DTPA)、氯化钙稀溶液等。	归一化毒性数据的关键，减少由土壤性质差异引起的变异。

图2：SSD研究中分布模型选择的逻辑决策图。该图展示了根据数据特征和研究目标初步筛选分布模型的逻辑路径，最终仍需通过综合拟合优度评估确定 [3]。

总结

在物种敏感性分布（SSD）研究中，统计分布拟合是从离散毒性数据外推连续分布、进而推导保护性环境阈值的关键技术环节。对数正态分布和Log-logistic分布是两种最常用且通常表现稳健的模型，而Burr III等更复杂的分布在特定情况下可能提供更好的尾部拟合。

研究者应避免依赖单一分布或单一评估指标。建议采用系统性的工作流程：从严谨的数据预处理开始，使用多种候选分布进行拟合，并综合运用图形观察、统计检验、误差指标和信息准则等多种方法评估拟合优度，最终结合生态学意义选择最合适的模型。报告结果时，应同时给出基于最优模型的HCp值及其不确定性范围（如置信区间），以增强研究结果的科学性与可靠性。

主流工具实践：手把手指导使用EPA SSD Toolbox与OpenTox SSDM平台

背景与核心概念

物种敏感性分布（SSD）是生态风险评估中用于推导保护水生生物的水质基准（如HC5，即保护95%物种的 hazardous concentration）的核心方法 [11]。其基本前提是，不同物种对同一污染物的毒性敏感性差异可以用一个连续的统计分布（如对数正态分布）来描述。通过对有限的实验毒性数据进行分布拟合，SSD可以外推预测对整个物种群落的风险 [12]。

然而，构建可靠的SSD面临两大挑战：其一，需要为每种化学品收集满足最小样本量要求（通常至少5-10个物种）的质量可靠的毒性数据 [25]；其二，需要选择合适的统计分布并进行专业的拟合与解释 [11]。这为研究者，特别是非统计学背景的研究者，设置了门槛。

为应对这些挑战，美国环境保护署（EPA） 开发了 SSD Toolbox，旨在简化和标准化SSD的拟合与可视化流程 [12]。与此同时，OpenTox 联盟则致力于构建一个开源的、可互操作的预测毒理学框架，其平台能够集成包括SSD建模在内的多种毒理学预测服务 [26] [27]。本应用笔记将在关于从原始数据研究SSD的论文框架内，提供这两个平台的核心功能对比与分步操作指南，旨在为研究人员和风险评估专业人员提供实用的工具选择与操作参考。

平台核心功能对比

下表详细比较了EPA SSD Toolbox与OpenTox SSDM平台的主要特性、适用场景与数据要求，为工具选择提供决策依据。

表：EPA SSD Toolbox与OpenTox SSDM平台核心功能对比

特性维度	EPA SSD Toolbox	OpenTox SSDM平台
核心定位	用于拟合、可视化与解释SSD的标准化桌面工具 [12]。	基于网络的、可互操作的预测毒理学应用集成平台 [26]。
主要功能	1. 拟合正态、Logistic、三角和Gumbel四种分布 [12]。2. 计算HCx值（如HC5）及其置信区间。3. 数据与拟合曲线的图形化展示。	1. 可能提供多种SSD模型（具体取决于集成的服务）。2. 支持与其他QSAR/毒理学预测模型串联。3. 促进数据与模型的共享与复用 [27]。
数据输入要求	单一化学品的毒性效应浓度数据集（如LC50/EC50），每个数据点对应一个物种 [12]。	可能支持结构化数据输入，或通过API调用其他数据库的毒性数据。
输出结果	HCx值、拟合分布图、统计摘要。	依赖于具体应用，可能包括HCx、模型诊断、机器可读的结果报告。
优势	操作简单直接，流程标准化，结果易于解读，适合常规风险评估 [12]。	框架灵活、可扩展，易于整合新模型和数据源，支持复杂工作流 [27]。
局限	支持的统计分布类型有限，缺乏高级建模功能（如贝叶斯分析）。	平台框架下的具体SSD应用（SSDM）功能和界面可能随时间变化，需查询最新文档 [28]。
适用场景	拥有合规毒性数据集，需要快速、标准地推导HC5等保护阈值。	研究性工作，需要灵活建模、数据整合或与其他预测工具协作。

实验协议：构建与验证SSD的通用流程

以下协议概述了使用SSD工具进行生态风险评估的通用步骤，该流程适用于多数平台。

第一阶段：数据准备与预处理

目标：收集并整理用于构建SSD的、高质量的物种级别毒性数据。

• 数据收集：从可靠数据库（如ECOTOX、EnviroTox）或文献中，系统收集目标化学品的急性或慢性毒性测试终点（如LC50、EC50、NOEC）。优先选择遵循国际标准测试指南（如OECD、EPA）的研究 [25]。
• 数据筛选与质控：
  • 每个物种仅保留一个最具代表性或几何平均的毒性值 [25]。
  • 记录物种的分类学信息（门、纲、科）。
  • 确保数据满足工具要求的最小样本量（通常建议至少8-10个物种，涵盖至少3个不同的生物分类群，如鱼类、溞类、藻类） [25]。
• 数据转换：将所有毒性浓度值转换为以10为底的对数值（log10），因为物种敏感性通常呈对数正态分布 [11] [25]。

第二阶段：分布选择与模型拟合

目标：选择合适的统计分布拟合物种敏感性数据，并估算关键参数。

• 分布选择：根据最新研究，对数正态分布（Log-normal） 在大多数情况下是稳健且合理的首选 [11]。也可根据工具功能尝试其他分布（如Log-logistic）并进行比较。
• 参数估计：使用工具（如EPA SSD Toolbox）拟合选定的分布。核心是估算对数尺度下的均值（μ）和标准偏差（σ），这两个参数完全定义了SSD曲线 [25]。
• 模型诊断：
  • 视觉检查：将拟合的累积分布曲线与经验数据点（排序后的对数毒性值）绘制在一起，观察拟合优度，尤其是对保护阈值影响重大的下尾部分 [11]。
  • 统计检验：可使用Kolmogorov-Smirnov检验或比较校正后的Akaike信息准则（AICc） 来辅助分布选择 [11]。

第三阶段：保护阈值推导与不确定性分析

目标：从拟合的SSD中推导风险评价基准，并评估其不确定性。

• 计算HC5：基于拟合的分布，计算保护95%物种的浓度（HC5）。这是推导预测无效应浓度（PNEC）的基础 [11] [12]。
• 估计置信区间：使用工具提供的方法（如Bootstrap法）计算HC5的95%置信区间，以量化由于物种抽样误差导致的不确定性。
• 结果报告：报告HC5的点估计值及其置信区间、所使用的统计分布、拟合参数（μ, σ）、数据集中包含的物种数量与分类范围。

第四阶段（高级）：基于有限数据的SSD预测

目标：在仅有极少数物种毒性数据的情况下，预测完整的SSD参数。

• 应用场景：适用于数据极度缺乏的新化学品初步筛选评估 [25]。
• 方法论：采用定量结构-活性-活性关系（QSAAR） 模型。该模型利用化学品的理化描述符（如log KOW） 以及来自三个关键营养级（藻、溞、鱼）的单一物种毒性数据的均值与标准差作为联合预测变量，来预测完整SSD的μ和σ [25]。
• 验证：研究表明，结合三类物种数据的模型（R² > 0.9）比仅基于理化描述符的模型（R² ≈ 0.6）预测精度显著更高 [25]。

SSD分析标准工作流程

以下流程图阐释了从数据准备到最终风险评估的SSD分析标准化工作流程。

研究试剂与关键资源解决方案

进行SSD分析不仅需要软件工具，还需要可靠的数据、算法和其他辅助资源。下表列出了关键的“研究试剂解决方案”。

表：SSD研究关键资源与材料

类别	名称/示例	功能描述与用途	获取/来源提示
毒性数据库	ECOTOXicology (ECOTOX) 知识库	美国EPA维护的综合数据库，提供化学物质对水生、陆生生物的毒性效应数据，是SSD数据主要来源之一。	公开访问，在线查询。
毒性数据库	EnviroTox 数据库	由工业界联盟维护的质量控制数据库，包含用于生态风险评估的标准化毒性数据，常用于SSD建模研究 [11]。	需注册，可能受限访问。
统计分布	对数正态 (Log-normal) 分布	拟合物种敏感性数据最常用且被研究证明为稳健首选的统计分布模型 [11]。	内置于EPA SSD Toolbox及多数统计软件。
算法/包	R语言 fitdistrplus 包	提供用于分布拟合的增强功能，可进行多分布拟合比较、图形化诊断，是SSD高级建模的常用工具。	CRAN开源项目。
验证数据库	日本环境省 (MoE) IERA 数据集	用于初始环境风险评估的经过质量审查的化学品毒性数据集，曾用于开发SSD预测模型 [25]。	可能来源于已发表研究的补充材料 [25]。
预测模型	基于三物种的QSAAR模型	在仅有藻、溞、鱼各一个物种数据时，预测完整SSD参数（μ, σ）的回归模型，显著提升预测精度 [25]。	参见Iwasaki et al., 2021 等文献的方法描述 [25]。

数据交互与平台逻辑

下图展示了在整合性研究框架下，原始数据、本地工具（如EPA SSD Toolbox）与云端平台（如OpenTox）之间可能的交互逻辑。

结果解读与性能指标

成功运行分析后，准确解读结果并理解其不确定性至关重要。下表列出了关键输出指标及其在风险评估中的意义。

表：SSD模型核心输出指标解读

输出指标	数学/统计含义	生态风险评估学意义	理想范围/解读
HC5 (点估计值)	拟合的SSD曲线上，对应于累积概率为5%的浓度值（通常为对数浓度反转换后的算术浓度）。	核心保护阈值。通常作为推导预测无效应浓度（PNEC）的直接基础或参考值。	值越低，表明该化学品对生态系统潜在风险越高，需要更严格的排放控制。
HC5的95%置信区间	通过重抽样方法（如Bootstrap）估计的HC5值可能波动范围，反映由于有限物种抽样导致的不确定性。	定义了HC5估计值的统计可靠性。区间越宽，不确定性越大，评估结论越需谨慎。	区间应随报告一同给出。监管中可能使用置信区间的下限（更保守）或中值。
拟合分布参数 (μ, σ)	μ：物种敏感性（对数浓度）的平均值。σ：物种敏感性（对数浓度）的标准差，衡量物种间敏感性差异 [25]。	μ 反映总体毒性强弱。σ 是关键生态学参数，差异大意味着少数物种极度敏感，需要关注。	σ 是模型预测的关键。QSAAR模型的目标就是高精度预测μ和σ [25]。
AICc (校正赤池信息准则)	用于比较不同统计分布对同一数据集的拟合优度，考虑了模型复杂度，值越小表示模型越好 [11]。	辅助分布选择。当多个分布拟合视觉上相近时，AICc提供量化比较依据。	建议报告最佳分布模型的AICc，以及与其他候选模型的差值（ΔAICc）。
模型预测R²	在QSAAR预测模型中，指预测的μ或σ与基于完整数据集计算的观测值之间的决定系数 [25]。	衡量基于有限数据的SSD预测模型的准确性。	R² > 0.8 表示预测性能优秀。结合三物种数据的模型R²可达0.96（对μ） [25]。

结果解读与报告：从SSD曲线中确定HC5值及其在制定水质基准或PNEC中的应用

本文为一份应用指南与操作流程，旨在详细阐述如何从物种敏感度分布（SSD）曲线中确定HC5值（对5%物种有害的浓度），并将其应用于推导预测无效应浓度（PNEC） 以制定水质基准。内容置于从原始数据研究构建物种敏感度分布（SSD）的广泛论文框架内，面向研究人员、科学家及药物研发专业人士。

SSD、HC5与PNEC的理论基础

物种敏感度分布（SSD）是一种用于生态风险评估的重要统计技术 [1]。其核心原理是，不同物种对同一化学物质的敏感度存在差异，这种差异可以用一个统计分布（通常是对数正态分布或其他分布）来描述 [1]。通过对多个物种（如鱼类、无脊椎动物、藻类）进行生态毒性测试，获得一系列效应浓度数据点（如EC50、NOEC），并拟合出SSD曲线 [12]。

HC5（Hazardous Concentration for 5% of Species）是指根据拟合的SSD曲线，预计会对5%的物种产生有害效应的化学物质浓度 [1]。这意味着，在HC5浓度下，理论上95%的物种受到保护。

预测无效应浓度（PNEC） 是指低于该浓度时，预期不会对环境产生有害效应的化学物质浓度 [29]。在基于SSD的方法中，PNEC通常通过对HC5值应用一个评估因子（AF） 来获得，公式为：PNEC = HC5 / AF [1]。评估因子用于涵盖SSD推导过程中固有的不确定性，例如物种样本量有限、实验室数据外推至野外环境的不确定性等 [30]。

当毒性数据有限（例如仅藻类、溞类和鱼类数据）时，SSD方法可能不适用。此时通常采用最保守的评估因子法，即用最低的NOEC值除以一个较大的评估因子（通常为10）来推导PNEC [1] [31]。

核心定量数据汇总

下表汇总了SSD构建与PNEC推导中的关键统计分布、评估因子及应用标准。

表1：用于拟合SSD的常见统计分布比较 [12] [11]

分布名称	描述	适用性与性能要点
对数正态分布	将毒性数据取对数后服从正态分布。	研究显示其对多数化学品（包括急性和慢性数据）的拟合性能普遍优于或与其他分布相当，是合理的首选分布 [11]。
对数逻辑分布	一种S型分布，与对数正态分布形状相似。	常用备选分布之一。HC5值与对数正态分布得出的结果比值通常在0.1-10范围内 [11]。
三角分布	基于最小值、众数和最大值的简单分布。	美国EPA SSD工具箱支持的分布之一，适用于数据量有限的情况 [12]。
冈贝尔分布	极值分布，用于模拟偏态数据。	美国EPA SSD工具箱支持的分布之一 [12]。
布尔III型分布	一种更灵活的三参数分布。	在研究对比中作为备选分布，其HC5值与对数正态分布结果存在一定差异 [11]。

表2：基于SSD推导PNEC时的评估因子（AF）考量 [1] [31] [30]

数据基础与方法	典型评估因子（AF）	原理与注释
完整的SSD（HC5）	1 - 5	用于处理SSD模型本身的不确定性（如参数估计误差）。所需因子大小与物种样本量和物种敏感度变异程度相关 [30]。
有限数据（最低NOEC）	10（或更大）	当物种数据不足以构建可靠SSD时使用，采用最敏感物种的NOEC并应用较大因子以覆盖物种间差异的巨大不确定性 [1]。
监管示例（REACH）	基于样本量确定	有研究提供了将AF量化为样本大小和物种敏感度变异函数的方程，以实现特定的保护目标（如以95%的概率保护95%的物种） [30]。

实验与计算操作流程

协议一：SSD构建与HC5值确定流程

本协议详细描述了从原始毒性数据到确定HC5值的完整计算分析步骤。

• 数据收集与准备

  • 数据源：从标准化数据库（如EnviroTox）或经过质量评估的公开文献中收集针对目标化学物质的生态毒性数据 [11]。
  • 端点选择：优先使用慢性数据（如NOEC、LOEC），如不可得，可使用急性数据（如EC50、LC50）。对于同一物种的多个数据，建议取几何平均值 [32]。
  • 数据转换：将所有效应浓度（如NOEC、EC50）转换为以10为底的对数值（log10）。
  • 物种代表：数据应至少涵盖3个营养级或8个科以上的物种，以提高SSD的生态代表性。REACH指南建议样本量最好达到10-15个 [32]。

• 统计分布拟合与模型选择

  • 拟合分布：使用统计软件（如R）或专业工具（如美国EPA的SSD Toolbox），将准备好的对数浓度数据拟合到多种统计分布（参见表1） [12]。
  • 模型比较：使用校正后的阿卡克信息准则（AICc） 比较不同分布的拟合优度。AICc值越小，表示模型在权衡拟合精度与复杂度方面越好 [11]。
  • 目视检查：特别是检查分布下尾部分（如5%分位数附近） 与数据点的拟合情况，这对HC5的可靠性至关重要 [11]。
  • 分布选择：综合AICc结果和下尾拟合情况，选择最佳分布。若无明显优劣，对数正态分布因其稳健性和广泛接受度可作为默认选择 [11]。

• HC5计算与不确定性分析

  • 点估计：从选定的拟合分布中，读取或计算累计概率为5%时对应的浓度对数值，再将其反转换为实际浓度，即得到HC5的点估计值。
  • 置信区间估计：采用自助法（Bootstrap）或基于模型参数的方法（如使用非中心t分布）计算HC5的置信区间（如95%置信限） [30]。
  • 报告：同时报告HC5的点估计值及其置信区间（如下限和上限），以量化估计的不确定性 [32]。

协议二：从HC5推导PNEC的评估因子应用流程

本协议规定了在获得HC5后，如何科学地确定评估因子以推导出用于风险管理的PNEC值。

• 评估不确定性来源

  • 系统评估HC5估计值中未充分涵盖的不确定性，主要包括：
    • 统计不确定性：由于物种样本量有限导致的HC5估计误差 [30]。
    • 模型不确定性：所选统计分布不能完全代表真实物种敏感度分布的风险 [11]。
    • 生态学外推不确定性：实验室测试物种能否代表野外生态系统、急性数据外推至慢性效应等 [31]。

• 确定评估因子（AF）

  • 基于统计的方法：当已知物种样本量（n）和拟合SSD的标准差（σ）时，可使用研究建立的公式计算AF，以达到特定的保护置信水平 [30]。例如，为达到以95%概率保护95%物种的目标，AF是n和σ的函数。
  • 基于指南的默认方法：在缺乏详细分析时，可采用监管指南中的默认因子。对于基于完整SSD的HC5，通常使用1-5的因子 [1]。若数据非常充分且质量高，可选用1；若不确定性较高，则选择更高的因子。

• 计算与报告PNEC

  • 应用公式：PNEC = HC5 / AF。
  • 在报告中明确说明所使用的HC5值（包括点估计和置信区间）、选择的AF及其理由（基于统计计算或指南默认），以及最终得出的PNEC值。

协议三：针对复杂数据的进阶SSD建模（贝叶斯方法）

对于具有复杂协变量（如微塑料的粒径、形状）或数据层级结构的情况，可采用贝叶斯分层模型 [33]。

• 定义模型结构：

  • 假设对数效应浓度服从正态分布：log10(NOEC) ~ Normal(μ, σ)。
  • 均值μ建模为协变量的线性函数：μ = α + ΣβiXi。其中，Xi可包括颗粒长度（对数转换）、形状（如纤维为1，否则为0）、聚合物类型等协变量 [33]。
  • 为α、βi和σ设置适当的先验分布（通常为弱信息先验）。

• 模型拟合与推断：

  • 使用马尔可夫链蒙特卡洛（MCMC）算法（通过Stan、JAGS或Brms等工具实现）进行模型拟合，获得参数的后验分布。
  • 从后验分布中抽取样本，针对特定的协变量组合（如100μm的球形颗粒），计算其HC5的后验分布，从而直接得到HC5的估计中位数及95%可信区间 [33]。

• 模型选择与验证：

  • 使用广泛适用信息准则（WAIC） 或留一法交叉验证（LOO-CV） 比较包含不同协变量组合的模型 [33]。
  • 选择预测能力最佳的模型用于最终的HC5与PNEC推导。

流程与决策示意图

以下示意图使用Graphviz（DOT语言）生成，描述了核心工作流程与决策路径。

图1：基于SSD与评估因子法推导PNEC的综合决策与工作流程图。

图2：SSD统计分布模型选择的决策流程。

研究人员工具箱

表3：SSD分析与PNEC推导关键工具与资源

工具/资源类型	名称/示例	功能描述与用途
专业分析软件与工具箱	美国EPA SSD Toolbox [12]	集成多种算法的工具箱，支持拟合、汇总、可视化和解释SSD，适用于大小数据集。
	PNEC-pro [34]	用于评估地表水质量的先进工具，涉及PNEC推导相关内容。
统计计算环境	R语言	主要分析平台。fitdistrplus、ssdtools等包专门用于分布拟合与SSD分析。
	Python (SciPy, NumPy)	可用于自定义分布拟合与数据分析。
贝叶斯建模工具	Stan (通过RStan/brms或PyStan)	用于拟合复杂的贝叶斯分层SSD模型，可纳入协变量和处理数据不确定性 [33]。
	JAGS	另一种用于贝叶斯分析的MCMC工具。
数据资源	EnviroTox 数据库 [11]	高质量的生态毒性数据库，是构建SSD的可靠数据来源。
	ToMEx (Microplastics Ecotoxicity Database) [33]	针对微塑料生态毒性的综合数据库，包含颗粒特性信息。
关键统计准则	校正阿卡克信息准则 (AICc) [11]	用于比较不同统计分布模型对数据的拟合优度，考虑模型复杂度，尤其适用于有限样本。
	广泛适用信息准则 (WAIC) [33]	用于贝叶斯模型比较与选择。

应对现实挑战：SSD模型优化与复杂数据处理策略

处理数据稀缺问题：当物种数量不足或数据类型不一致时的应对方案

摘要

物种敏感度分布（SSD）是生态风险评估中推导预测无效应浓度（PNEC）或危险浓度（HC5）的关键工具。然而，实际应用中常面临数据稀缺的挑战，主要体现在物种数量不足和数据类型不一致（如急、慢性数据混杂）两个方面。本应用指南基于物种敏感度分布（SSD）的原始数据研究框架，系统梳理了应对上述挑战的量化方法与实验方案，旨在为研究人员提供一套可行的技术路线。

应对数据稀缺的量化方法与应用方案概览

为系统应对物种数量不足与数据类型不一致的挑战，下表总结了核心方法、原理与适用场景。

表1：数据稀缺问题的主要应对方案比较

方案名称	核心原理	适用场景	关键输出	参考文献
毒性标准化SSD (SSDn)	利用毒理学特性相似的化学品组数据，通过共有物种的敏感性进行归一化，整合数据以弥补单一化学品物种数量不足。	单一化学品毒性数据稀少，但存在毒理模式相似、且有共有测试物种的化学品组。	化学品特异性HC5值，不确定性区间。	Dhond et al. (2022)[reference:0]; Lambert et al. (2022)[reference:1]
贝叶斯SSD建模	引入先验分布（如基于化学品类别或作用模式），与现有数据结合得到后验分布，从而在数据稀少时提供更稳健的估计。	数据点极少（如<10个物种），需要量化参数不确定性并纳入已有知识。	HC5的后验概率分布（中位数及可信区间）。	Schwarz (2019)[reference:2]
急慢性数据整合建模	在统一框架下同时使用急性（如EC50/LC50）和慢性（如NOEC/LOEC）终点，通过统计模型预测慢性HC5。	仅有急性数据或慢性数据严重不足，需要推导长期保护浓度。	预测的慢性HC5 (pHC5)。	Khan et al. (2025)[reference:3][reference:4]
模型平均法	同时拟合多种统计分布（如对数正态、对数逻辑、Burr III型），根据AIC等准则加权平均，降低因模型选择不当带来的风险。	数据有限，无法确定单一的“最佳”分布，需降低模型结构不确定性。	模型平均后的HC5及其置信区间。	ssdtools包支持[reference:5]
留一法（LOO）方差估计	通过依次剔除一个物种来评估HC5估计值的稳定性，为数据有限时的结果可靠性提供直观度量。	需要评估基于小数据集的HC5估计的稳健性和不确定性。	HC5的均值及方差估计。	Dhond et al. (2022)[reference:6]

详细实验方案

方案一：毒性标准化物种敏感度分布 (SSDn) 构建协议

本方案适用于利用一组毒理学相似的化学品数据，来估计其中某个数据稀缺化学品的HC5值[reference:7]。

• 数据收集与筛选：

  • 确定目标化学品及与其具有相同作用模式或结构相似的化学品组[reference:8]。
  • 从权威数据库（如EPA ECOTOX、Web-ICE）收集该化学品组对所有测试物种的急性毒性数据（如LC50/EC50）[reference:9]。
  • 筛选条件：组内每种化学品至少对一个共有物种（归一化物种，nSpecies）进行了测试。

• 毒性值标准化：

  • 对每个化学品-物种对的毒性值进行标准化：标准化值 = 该物种的毒性值 / nSpecies对该化学品的毒性值[reference:10]。
  • 此步骤消除了化学品的绝对毒性差异，保留了物种间的相对敏感性模式。

• 构建标准化SSD (SSDn)：

  • 将所有化学品的所有标准化毒性值合并为一个数据集。
  • 使用统计软件（如R包ssdtools）对合并后的标准化值拟合一个累积分布函数（CDF），即SSDn[reference:11]。

• 计算标准化HC5 (HC5n)：

  • 从拟合的SSDn中读取第5百分位数对应的浓度值，即为HC5n[reference:12]。

• 反推化学品特异性HC5：

  • 对于组内任一化学品，其特异性HC5计算公式为：HC5_chemical = HC5n × (该化学品对nSpecies的毒性值)[reference:13]。

• 不确定性评估：

  • 采用留一法（LOO） 交叉验证：依次剔除一个物种，重复步骤3-5，得到一系列HC5估计值，计算其均值和方差，作为最终HC5的不确定性度量[reference:14]。

方案二：整合急性与慢性数据的SSD建模协议

本方案旨在利用更易获得的急性毒性数据来预测慢性保护浓度，解决慢性数据稀缺问题[reference:15]。

• 数据准备：

  • 收集目标化学品的所有可用毒性数据，包括急性终点（EC50, LC50）和慢性终点（NOEC, LOEC）。
  • 记录每个数据点的测试物种、暴露时间、终点类型。

• 数据转换（如需要）：

  • 可采用急性-慢性比率（ACR） 法。计算同物种急性与慢性数据的比率，使用该物种的典型ACR或所有物种ACR的几何均值，将急性数据转换为“慢性当量”数据[reference:16]。
  • 公式：慢性当量值 = 急性值 / ACR。

• 统一分布拟合：

  • 将转换后的慢性当量数据与原始的慢性数据合并。
  • 对合并后的数据集拟合SSD（例如，使用ssdtools拟合对数正态分布）[reference:17]。

• 预测慢性HC5：

  • 从拟合的SSD中提取第5百分位数，作为预测的慢性HC5 (pHC5)[reference:18]。

• 模型验证：

  • 若有独立的慢性测试数据，可将预测的pHC5与实际观测的慢性敏感性进行比较验证。

方案三：基于贝叶斯框架的小样本SSD估计协议

本方案适用于物种数据点极少（如少于8个）的情况，通过引入先验信息提高估计的可靠性[reference:19]。

• 定义先验分布：

  • 位置参数（如对数尺度下的均值）：可基于该化学品所属大类（如重金属、有机农药）的已有HC5数据的对数均值和方差来设定正态先验。
  • 尺度参数（如对数尺度下的标准差）：通常采用弱信息先验，如半正态分布或均匀分布。

• 构建似然函数：

  • 假设观测到的物种毒性值（对数转换后）服从一个特定的分布（如正态分布），该分布的参数（均值、标准差）即待估计的SSD参数。

• 后验采样与计算：

  • 使用马尔可夫链蒙特卡洛（MCMC）方法（通过Stan、JAGS或rstan包实现）从参数的后验分布中进行采样。
  • 对于每一组后验样本参数，计算对应的HC5值（即对数正态分布的第5百分位数）。

• 结果汇总：

  • 将所有后验样本计算的HC5值汇总，其中位数可作为点估计，其2.5%和97.5%分位数可构成95%可信区间。

关键研究试剂与工具解决方案

表2：SSD研究核心工具与资源列表

类别	名称/工具	功能描述	获取/参考来源
毒性数据库	U.S. EPA ECOTOX	全球最大的生态毒性数据库，包含数百万条经过整理的急慢性毒性数据记录，是SSD数据的主要来源。	https://cfpub.epa.gov/ecotox/
毒性数据库	Web-ICE (Interspecies Correlation Estimation)	除毒性数据外，提供物种敏感性相关性模型，可用于数据 extrapolation。	https://www3.epa.gov/webice/
统计软件包	ssdtools (R package)	专门用于拟合、绘图和评估SSD的R包，支持多种分布、模型平均和置信区间计算，是SSD分析的标准工具[reference:20]。	CRAN: install.packages("ssdtools")
统计软件包	Stan / rstan	用于贝叶斯统计建模的概率编程语言和R接口，适用于实现贝叶斯SSD模型。	https://mc-stan.org/
归一化参考	标准测试物种	在毒性标准化(SSDn)方法中，常选择数据丰富、对多数化学品均有测试的物种作为“共有物种”，如黑头呆鱼(Pimephales promelas)、水蚤(Daphnia magna)。	根据具体化学品组的数据可获得性确定。
计算环境	R 与 RStudio	进行数据清洗、分析和可视化的核心开源计算环境，兼容上述所有统计工具包。	https://www.r-project.org/
指南与工具箱	EPA SSD Toolbox	美国EPA提供的SSD应用指南和计算工具集，包含了标准操作流程和注意事项。	https://www.epa.gov/ssd-toolbox

关键工作流程示意图

图1：毒性标准化SSD (SSDn) 方法工作流程

图1展示了通过整合化学品组数据来估计单一数据稀缺化学品HC5值的核心步骤。

图2：整合急慢性数据的SSD建模流程

图2展示了如何将不同类型的毒性数据整合到一个统一的SSD框架中，以推导慢性保护浓度。

图3：贝叶斯SSD分析逻辑关系

图3阐释了在数据稀缺情况下，贝叶斯方法如何通过融合现有知识（先验）与有限观测数据，得到更稳健的参数与HC5估计。

模型选择困境：基于AICc等准则比较并选择最合适的统计分布

本文档提供了在物种敏感性分布（SSD）研究中，基于AICc等模型选择准则，从多个候选统计分布中确定最合适模型的详细应用指南和标准化操作流程 [11] [35] [36]。本流程旨在解决SSD建模中因分布选择不同而引入的不确定性，确保生态风险决策的稳健性与透明度 [11] [36]。

核心工作流程图示

以下流程图概述了基于AICc进行SSD模型比较与选择的标准化步骤，涵盖了从原始数据准备到最终模型选择与应用的全过程。

模型比较的关键定量准则

在SSD模型比较中，AICc及其衍生指标是核心决策依据。下表汇总了用于模型比较的关键指标及其解释 [37] [38] [39]。

指标名称	公式/定义	解释与比较规则	在SSD模型选择中的主要用途
AIC (Akaike信息准则)	AIC = 2k - 2ln(L) [37]	值越小，模型相对越好。平衡模型拟合优度与复杂度。	大样本情况下的初步模型比较基础 [38]。
AICc (校正的AIC)	AICc = AIC + (2k(k+1))/(n-k-1) [38]	针对小样本（n/k < 40）的校正。比AIC更稳健，是SSD分析的首选 [11]。	小样本毒性数据集模型比较的主要准则 [11]。
ΔAICc	ΔAICci = AICci - min(AICc) [39]	第i个模型与最优模型的差距。ΔAICc < 2表示模型具有实质性的支持；ΔAICc > 10表示模型几乎无支持 [39]。	量化各候选模型相对于最佳模型的优劣程度，进行初步分级。
AICc权重 (w_i)	wi = exp(-0.5 * ΔAICci) / Σ[exp(-0.5 * ΔAICc)] [39]	将ΔAICc转化为概率，总和为1。权重越大，该模型为“最佳”模型的相对概率越高。	当多个模型均有支持时(ΔAICc<2)，可基于权重进行多模型平均，以降低选择不确定性 [39]。
似然值 (L)	给定模型和参数下，观测到数据的概率 [37]	是AIC计算的基础。直接比较受参数数量影响，因此通常使用AIC。	模型拟合的内部计算基础，通常不直接用于最终模型比较。

实验操作协议

第一部分：数据收集与预处理规程

本规程确保用于SSD分析的数据质量满足模型拟合的基本要求。

• 数据源与最小样本量

  • 数据来源：收集特定化学物质对多种水生或陆生物种的急性和慢性毒性终点数据（如EC50、LC50、NOEC）。推荐使用标准化数据库（如EnviroTox）以确保数据质量和一致性 [11]。
  • 物种数量：为保障SSD模型的可靠性，建议每个化学物质至少包含5个不同物种（覆盖不同分类群）的毒性数据 [36]。物种数量越多，模型估计的不确定性越低。

• 数据预处理标准化步骤

  • 对数转换：由于毒性数据通常跨越多个数量级，且假设敏感性呈对数正态分布，必须对所有原始毒性浓度值进行以10为底的对数转换 [11]。
  • 离群值诊断：在对数转换后，使用视觉（如箱线图）或统计方法（如Grubbs检验）检查离群值。剔除离群值需提供明确的生物学或实验误差理由，并在报告中记录。
  • 数据归档：创建包含以下字段的标准化数据表：化学物质名称、CAS号、物种名称、分类信息、毒性终点、暴露时间、测试方法、原始浓度值、对数转换值。

第二部分：模型拟合与比较的逐步计算协议

本协议详细说明了从数据到模型选择的完整计算过程。

• 候选分布模型拟合

  • 初始候选集：建议至少拟合以下四种在SSD文献中常用的分布：对数正态分布 (Log-normal)、对数逻辑分布 (Log-logistic)、Burr III型分布、威布尔分布 (Weibull) [11]。
  • 参数估计：使用最大似然估计法为每个候选分布拟合参数。此步骤可通过统计软件（如R语言的fitdistrplus包）或专门工具（如美国EPA的SSD Toolbox）完成 [12]。记录每个模型的参数估计值及其标准误。

• AICc及相关指标的计算与解释流程

  • 步骤1：计算AICc。利用软件输出或根据公式，计算每个拟合模型的AICc值 [38] [39]。
  • 步骤2：确定最优模型。找出所有候选模型中AICc值最小的模型，记为“最优模型” [37] [39]。
  • 步骤3：计算ΔAICc。对于每一个模型，计算其AICc与最小AICc的差值，即ΔAICc [39]。
  • 步骤4：计算AICc权重。根据ΔAICc，使用公式计算每个模型的AICc权重（w_i），此权重可解释为模型为最佳模型的相对概率 [39]。
  • 步骤5：模型排序与评估。将所有模型按AICc值（或ΔAICc）从小到大排序。根据以下规则进行判断 [39]：
    • 如果存在一个模型的ΔAICc > 2，且其权重显著高于其他模型（例如，w_i > 0.9），则可将其视为明确的最佳模型。
    • 如果存在多个模型的ΔAICc均小于2，则认为这些模型都得到了数据的实质性支持，不存在单一明确最优模型。

• 最终模型选择与报告策略

  • 策略A：选择单一模型。当存在明确最佳模型时，直接选择该模型用于后续的HC5推导和风险评估 [11]。
  • 策略B：多模型平均。当多个模型均有实质性支持时（ΔAICc < 2），推荐采用模型平均法。即基于AICc权重，对各个模型预测的关键风险浓度（如HC5）进行加权平均，以此作为最终估计值，从而纳入模型选择的不确定性 [39]。
  • 强制验证：无论选择哪种策略，都必须对最终选定的模型或模型平均结果进行残差诊断和预测可视化检查，以确保模型拟合充分且没有系统性偏差 [37]。

研究试剂与工具解决方案

进行SSD模型拟合与比较分析，需要以下关键软件工具、数据资源及统计资源。

类别	名称/示例	功能描述	在SSD模型选择中的应用
专业分析软件	R语言 (含 fitdistrplus, ssdtools 等包)	提供灵活的统计编程环境，可进行自定义的分布拟合、AICc计算和图形绘制。	实现本协议所述的全部模型拟合、比较和平均流程的核心工具 [11]。
一体化工具箱	美国EPA SSD Toolbox [12]	集成的桌面应用程序，提供拟合（支持正态、逻辑等多种分布）、可视化、HC值计算等功能。	为不擅长编程的风险评估人员提供标准化、易用的SSD建模与初步比较工具 [12]。
商业统计软件	JMP, GraphPad Prism [38] [39]	具备交互式图形界面的商业软件，内置非线性拟合和模型比较功能（直接报告AICc）。	方便快速拟合多种曲线并自动生成模型比较报告，辅助决策 [38] [39]。
毒性数据库	EnviroTox 数据库 [11]	经过质量控制的生态毒性数据库，提供多种化学物质对多种物种的急慢性毒性数据。	获取高质量、结构化的输入数据，是构建可靠SSD的基础 [11]。
关键统计概念	AICc权重 [39]	将AICc差值转化为每个模型为“真”的相对概率。	当多个模型表现相近时，用于量化模型选择不确定性并进行模型平均的核心依据 [39]。

高级建模技术：引入层次贝叶斯模型（HSSD）以整合协变量（如颗粒大小、介质类型）的影响

物种敏感性分布（SSD）与层次贝叶斯框架概述

物种敏感性分布（SSD）是生态风险评估中的关键工具，用于预测保护水生或陆生生物群落免受化学物质危害的“安全”浓度 [25]。传统SSD方法通常将每个物种的敏感性总结为一个单一值（如EC50或EC10），然后拟合一个分布（如对数正态分布）来估计影响特定比例物种（如HC5）的浓度 [40]。

然而，传统方法存在局限：1）它丢失了浓度-效应曲线中除总结值外的其他参数信息；2）未能将物种敏感性估计中的不确定性传递到最终的SSD和HCp估计中；3）仅提供群落结构响应（受影响物种比例）的信息，而无法评估与测量终点相关的群落整体功能响应 [40]。

层次贝叶斯物种敏感性分布（HSSD）模型为解决这些局限提供了框架。其核心思想是将复杂的联合统计模型分解为一系列在逻辑上分层、条件化的子模型 [41] [42]。在SSD背景下，这通常包括三个主要层次：

• 数据模型：描述在给定真实（通常不可观测）的物种敏感性和参数下，观测到的毒性数据（如死亡率、生长抑制）的条件分布。
• 过程模型：描述物种敏感性参数在群落中的分布，即SSD本身。此层可以整合协变量（如生物分类群、生活史特征、颗粒大小、介质类型）来解释敏感性的差异。
• 参数模型：为所有未知参数指定先验分布，以量化其不确定性 [41] [42]。

通过贝叶斯推断，该框架能够直接基于原始生物测定数据，同时估计所有物种的浓度-效应曲线参数及其在群落水平的分布，从而将实验变异性和不确定性直接传播到最终的风险估计中 [40]。

传统SSD与层次贝叶斯SSD（HSSD）对比

下表总结了传统SSD方法与层次贝叶斯SSD（HSSD）方法在关键特性上的差异。

表1：传统SSD与层次贝叶斯SSD（HSSD）方法对比

特性	传统SSD方法	层次贝叶斯SSD（HSSD）方法
数据输入	每个物种的单一总结统计量（如EC50）	每个物种的原始剂量-响应数据
不确定性处理	通常忽略ECx估计的不确定性；可能通过bootstrap考虑物种抽样不确定性	整合并传播所有来源的不确定性：实验误差、ECx估计、物种抽样 [40]
信息利用	丢失浓度-效应曲线的形状等信息	利用全部浓度-效应曲线信息，可考虑曲线参数间的相关性 [40]
模型输出	HCp点估计及可能的置信区间	HCp的完整后验分布，允许概率性风险陈述
协变量整合	困难，通常需事后分组分析	自然融入模型结构，可在过程层直接建模协变量（如颗粒大小）效应
计算需求	相对简单，标准统计软件即可	复杂，需要马尔可夫链蒙特卡罗（MCMC）模拟 [41]
结果解释	保护p%的物种免受特定水平效应（如50%抑制）的影响	可同时评估结构响应（受影响物种比例）和功能响应（群落总生物量等整体变化） [40]

层次贝叶斯SSD（HSSD）建模的核心优势

引入层次贝叶斯框架整合协变量，为SSD建模带来了多重根本性改进，如下表所示。

表2：层次贝叶斯SSD（HSSD）整合协变量的关键优势

优势类别	具体描述	对风险评估的意义
不确定性量化	提供所有参数（包括HCp）的完整后验分布，明确量化估计中的不确定性 [40]。	支持基于风险的决策，例如计算HC5超过特定环境浓度的概率。
信息利用最大化	使用原始数据，保留浓度-效应曲线形状、斜率等全部信息，可建模参数间相关性 [40]。	提高估计效率，尤其在小样本或数据稀疏时；更真实地反映生物学复杂性。
自然整合协变量	在过程模型层直接将协变量（如颗粒大小、介质类型、生物分类）作为敏感性参数的预测变量 [41]。	明确解释敏感性差异的来源，提高模型外推能力和预测透明度。
全局响应指标	可推导超越HCp的指标，如预测群落整体终点（总生物量）的预期减少比例 [40]。	连接生态结构与功能，为管理决策提供更丰富的生态相关信息。
数据贫乏情景	通过分层“借用强度”和先验信息，改善数据有限化学物质或物种的估计 [42]。	拓展SSD应用于数据稀少的新兴污染物。

HSSD建模详细实验方案与应用笔记

第一阶段：数据收集与准备

目标：获取高质量、一致的原始毒性数据及协变量信息。 协议：

• 数据源：从标准化数据库（如ECOTOX）、监管机构报告（如日本环境省的初始环境风险评估数据集 [25]）或经同行评议的文献中收集数据。
• 质量保证：采用类似Klimisch等人的标准对每项研究进行质量评估，优先使用“可靠无限制”和“可靠有限制”的数据 [25]。
• 数据标准化：
  • 终点统一：对于急性毒性，主要收集半数致死浓度或半数效应浓度数据。若单一物种有多个值，使用几何均值 [25]。
  • 协变量编码：系统记录每个测试的协变量：
    • 生物协变量：物种、门/纲、营养级、生活史特征。
    • 实验协变量：介质类型（淡水、海水、沉积物）、温度、pH、有机碳含量。
    • 化学物理协变量：对于固体或非水相物质，记录颗粒大小分布、分散方法等。
• 数据集构建：为每种目标化学物质构建数据集，行代表每个物种-研究组合，列包括：物种标识、观测效应值（如死亡数/总数）、对应的测试浓度、所有相关协变量。

第二阶段：模型设定与公式化

目标：建立包含数据、过程和参数层次的完整贝叶斯模型。 协议：

• 数据模型（似然）：
  • 假设对于物种 i 在浓度 c 下的观测计数（如存活数）服从二项分布：y{ic} ~ Binomial(n{ic}, p{ic})。
  • 连接概率 p{ic} 与浓度 c 通过一个浓度-效应模型，例如三参数逻辑斯蒂模型： logit(p{ic}) = αi + βi * log(c / γi) 其中，αi 为物种 i 的尺度参数，βi 为斜率参数，γ_i 为物种 i 的EC50 [40]。
• 过程模型（SSD与协变量）：
  • 假设物种敏感参数（如 log(γi)）来自一个群体分布，即SSD。例如：log(γi) ~ Normal(μ, σ²)。
  • 整合协变量：将群体均值 μ 建模为协变量 Xi（如颗粒大小的对数、介质类型的指示变量）的线性函数： μi = η0 + η1 * X{1i} + η2 * X{2i} + ... log(γi) ~ Normal(μ_i, σ²) 这允许物种敏感性随协变量系统性地变化，σ 表示调整协变量后剩余的种间变异。
• 参数模型（先验）：
  • 为所有超参数（η0, η1, ..., σ）以及浓度-效应曲线的个体参数（αi, βi）设置弱信息先验分布。例如： η0, η1 ~ Normal(0, 10) σ ~ Half-Cauchy(0, 5)

第三阶段：计算实现与推断

目标：使用MCMC抽样进行模型拟合和后验推断。 协议：

• 软件工具：使用支持贝叶斯推断的编程环境，如：
  • Stan（通过rstan或cmdstanr接口）：采用Hamiltonian Monte Carlo采样器，效率高。
  • JAGS 或 NIMBLE：采用传统Gibbs或Metropolis-Hastings采样器。
• 模型编码：用相应语法（Stan、BUGS）编写上述层次模型。
• MCMC运行：
  • 运行多条（通常3-4条）独立的马尔可夫链。
  • 设置足够长的迭代次数（如10,000次），并丢弃前半部分作为预烧期。
• 收敛诊断：
  • 使用Gelman-Rubin统计量（R-hat） 评估链的混合与收敛，理想值应小于1.05 [40]。
  • 可视化检查迹线图，确保链稳定、无趋势。
• 后验分析：
  • 从收敛的后验样本中，计算任何感兴趣量的统计摘要，如：
    • 不同协变量水平（如两种介质类型）下的HC5后验分布。
    • 协变量效应系数（η_1）的后验分布，判断其是否显著异于零。
    • 群落整体响应曲线。

第四阶段：模型诊断与验证

目标：评估模型对数据的拟合优度及预测能力。 协议：

• 后验预测检查：使用后验参数模拟新数据，将模拟数据的摘要统计量（如各浓度下的平均效应）与观测数据比较，直观评估拟合优度。
• 交叉验证：进行留一或留多交叉验证，评估模型对未参与拟合物种的敏感性预测能力。
• 敏感性分析：检验关键结论（如HC5值）对不同先验分布选择的稳健性。

层次贝叶斯SSD（HSSD）工作流程与对比

以下图表使用Graphviz DOT语言生成，直观展示了HSSD的工作流程及其与传统方法的对比。

流程图标题：层次贝叶斯SSD整合建模工作流程

流程图标题：传统SSD与层次贝叶斯SSD核心对比

研究试剂与关键工具解决方案

表3：层次贝叶斯SSD建模研究试剂与工具集

类别	项目/工具名称	功能描述	应用说明
软件与计算平台	Stan (rstan, cmdstanr)	采用哈密顿蒙特卡洛的贝叶斯推断平台，适用于复杂层次模型。	首选工具。代码直观，采样效率高，社区支持好。需编程基础。
	JAGS / NIMBLE	基于Gibbs采样的贝叶斯建模工具。	语法相对简单，是BUGS语言的扩展。适合入门，但处理高维模型可能较慢。
	R / Python	统计编程与数据分析环境。	数据分析、预处理、可视化及调用Stan/JAGS后端的核心环境。必备。
数据资源	EPA CompTox SSD Toolbox [12]	美国环保署提供的SSD工具集合，支持多种分布拟合。	可用于传统SSD分析，作为基线比较。但其贝叶斯层次建模功能有限。
	ECOTOX数据库	美国环保署的综合生态毒性数据库。	主要数据源。提供大量化学物质对不同物种的毒性数据，需严格质量控制。
	已发表数据集	如对除草剂敏感的硅藻数据集 [40]。	用于方法验证和案例研究的高质量、已整理数据集。
先验信息库	文献荟萃分析结果	关于特定化学品类或物种组敏感性的既往研究总结。	为超参数（如SSD的μ, σ）设置信息性先验，增强数据贫乏情景下的估计。
模型诊断工具	shinystan (R包)	用于Stan模型拟合结果交互式诊断和可视化的工具。	便捷检查迹线图、后验分布、R-hat值及进行后验预测检查。
	loo (R包)	基于后验样本进行快速留一交叉验证计算。	评估模型预测准确性，进行模型比较。

解决双峰或多峰分布：针对具有特定作用模式化学品的特殊SSD处理方法

引言：多峰分布作为特定作用模式的标志

在基于物种敏感性分布（Species Sensitivity Distribution, SSD）的生态风险评价中，化学品的毒性数据通常被假设为服从单一连续分布（如对数正态分布），进而推导出保护大多数物种的HC5（Hazardous Concentration for 5% of species）值 [9]。然而，当化学品对生物群落具有特定作用模式时，其毒性效应可能并非均匀作用于所有物种。作用模式的差异会导致不同类群（如昆虫、鱼类、藻类）的敏感性出现本质性分离，从而在SSD曲线上表现为双峰或多峰分布 [9]。

传统单一分布模型拟合此类数据会掩盖这种群体异质性，导致HC5估计不准确，可能高估或低估化学品的实际风险。因此，识别并处理多峰分布是精炼SSD方法、实现精准环境风险评价的关键环节。本文旨在提供一套详细的应用说明与实验方案，指导研究者分析与处理由特定作用模式引起的多峰SSD，并将其整合到更广泛的SSD研究框架中 [11]。

核心概念与理论基础

2.1 作用模式与毒性比 化学品的作用模式（Mode of Action, MoA）是决定其毒性特异性的根本原因。Verhaar等人提出将有机物按MoA分为：惰性化学品（基线麻醉）、弱惰性化学品（极性麻醉）、反应性化学品和特异性化学品 [9]。基线麻醉毒性是非特异性毒性的基准，其毒性大小主要与化合物的疏水性（log Kow）相关。当一种化学品表现出高于基线毒性的效应时，即表明其存在特异性作用机制 [9]。

毒性比（Toxicity Ratio, TR）是量化这种特异性程度的有效工具。其计算方式为预测的基线毒性HC5与实验测得的HC5之比 [9]：

TR = HC5 (基线预测) / HC5 (实验测定)

较高的TR值（远大于1）强烈提示存在特异性作用模式，并预示其SSD数据可能存在多峰分布。一项对129种农药的荟萃分析表明，不同类别的农药TR值差异显著，其HC5值跨越多个数量级 [9]。

表1：不同类别农药对水生群落的HC5值与毒性比范围示例 [9]

农药类别	示例化合物	HC5范围 (μmol/L)	毒性比范围 (TR)	作用模式特异性
杀虫剂	拟除虫菊酯，新烟碱类	1.4 × 10⁻³	10³ - 10⁶	极高
除草剂	磺酰脲类，三嗪类	3.3 × 10⁻²	10¹ - 10⁴	高
杀菌剂	三唑类，甲氧基丙烯酸酯类	7.8	10⁰ - 10²	中等
基线麻醉物	简单芳烃，氯代烷烃	(由QSAR预测)	~1	无

2.2 多峰分布的统计学含义 在SSD语境下，多峰分布意味着毒性数据来源于多个敏感性不同的亚群。每个亚群可能对应于具有不同靶标（如特定神经受体、酶）或不同代谢解毒能力的生物类群。忽略多峰性而强制使用单峰模型（如对数正态分布）拟合，会得到一个“平均化”的宽分布，其尾部的估计（如HC5）将严重失真，无法准确反映对最敏感亚群的保护水平 [11]。

实验方案：多峰SSD的识别、分析与解释协议

3.1 第一阶段：数据收集与预处理

• 数据源：从标准化数据库（如ECOTOX、EnviroTox）或经同行评议的文献中收集急性或慢性毒性数据（如LC50/EC50） [11]。
• 物种数量：每个化学品的数据应至少涵盖8个不同物种，涵盖不同分类学组（如鱼类、溞类、藻类、昆虫），以确保能代表潜在的敏感性差异 [9]。
• 数据转换：将所有毒性数据转换为摩尔浓度（如μmol/L），并以对数（通常以10为底）形式进行后续分析 [9]。
• 初步绘图：绘制对数毒性值的频率直方图或累积概率分布散点图，进行视觉检查，寻找明显的分离或肩峰。

3.2 第二阶段：多峰性诊断与分布拟合

• 步骤1：拟合标准单峰分布。使用SSD工具箱（如US EPA SSD Toolbox [12]）或统计软件（R语言），用常见的单峰分布（如对数正态分布、对数逻辑分布、威布尔分布）拟合数据。研究表明，对数正态分布在多数情况下是合理的第一选择 [11]。
• 步骤2：进行拟合优度检验。使用Anderson-Darling检验、Kolmogorov-Smirnov检验等评估单峰模型的拟合优度 [9]。显著的P值（如<0.05）表明模型拟合不佳，提示数据可能不符合单峰假设。
• 步骤3：计算毒性比（TR）。使用已验证的定量结构-活性关系模型预测该化学品的基线麻醉毒性HC5。例如，Finizio等人提出的用于水生群落的QSAR方程为：log (1/HC5) = 4.52 + 1.05 log Kow [9]。计算实验HC5与预测基线HC5的比值。若TR > 10，应高度怀疑存在特异性作用及多峰分布可能 [9]。
• 步骤4：应用多峰混合模型。当诊断提示多峰性时，采用有限混合模型进行拟合。最常用的是高斯混合模型（在log尺度上）。核心任务是确定最优的组分数（峰数，k）。
  • 模型选择准则：使用赤池信息准则（AIC）或贝叶斯信息准则（BIC）。比较k=1, 2, 3...时的AIC值，选择AIC最小的模型。通常k=2（双峰）或k=3（三峰）足以描述数据 [11]。
  • 软件实现：可在R中使用mclust、flexmix或mixtools包完成。

3.3 第三阶段：结果解释与HC5推导

• 亚群识别：对于拟合最优的混合模型，计算每个数据点属于各亚群的后验概率。据此，可以将测试物种划分为敏感亚群和耐受亚群。
• 生物学验证：检查敏感亚群中的物种是否具有共同的生物学特征（如分类学归属、是否存在特定的靶标蛋白、相似的代谢途径）。这能从机理上确认多峰分布的合理性。
• 保护性HC5推导：风险管理的核心目标是保护最敏感的亚群。因此，应从拟合的混合分布中，针对最敏感的亚组分单独计算其HC5（例如，该亚群对应的HC5）。此值将比从整体数据或耐受亚群计算出的HC5严格得多。
• 不确定性分析：采用自助法（Bootstrap）计算敏感亚群HC5的置信区间。重复抽样（如1000次）并每次拟合混合模型，可获得HC5的分布及其百分位数置信区间。

研究试剂解决方案

表2：关键研究试剂与材料

项目名称	功能与说明
标准参比毒物	用于实验室质量控制。例如，氯化钠（非特异性毒物）、十二烷基硫酸钠（表面活性剂）或模式特异性杀虫剂（如氯氰菊酯）。
log Kow测定/预测套件	用于确定化学品的疏水性参数（辛醇-水分配系数），是计算基线毒性和毒性比（TR）的关键 [9]。
物种敏感性测试生物系列	一套涵盖不同营养级和分类群的标准化测试生物，如藻类（Pseudokirchneriella subcapitata）、溞类（Daphnia magna）、鱼类（Danio rerio）等。
酶联免疫吸附测定或受体结合测定试剂盒	用于直接检测和验证化学品在敏感生物中的特异性分子靶标（如乙酰胆碱酯酶抑制剂、类固醇合成抑制剂）。
统计建模软件/脚本库	如R语言环境及其fitdistrplus、mclust、ssdtools等包，或US EPA SSD Toolbox [12]，用于执行复杂的分布拟合与模型比较。

可视化工作流程

以下流程图概述了从原始数据到得出保护性HC5的完整决策与分析流程。

双峰SSD分析决策与工作流程

讨论与展望

处理多峰SSD的核心在于从“一刀切”的模型转向基于机理的分层风险评估。本方案提供的TR计算与混合模型框架，将化学品的作用模式特异性与物种敏感性的群体分布直接关联，显著提高了风险阈值的科学可靠性。

未来发展方向包括：1）建立更完善的MoA分类数据库与预测模型，以便在毒性数据不足时预判多峰风险；2）开发整合了贝叶斯方法的混合建模工具，更好地处理小型数据集的不确定性；3）将多峰SSD推导出的HC5应用于生态阈值关注浓度（eco-TTC）的制定，为缺乏数据的特异性化学品提供筛查基准 [9]。

通过采纳本应用指南中的协议，研究者可以更严谨地处理复杂毒性数据，确保环境质量标准的制定建立在保护最脆弱生态组成部分的基础之上。

纳入新评估方法 (NAMs) 数据：探索将非传统毒性数据整合进SSD框架的未来方向

引言：SSD框架的演进与NAM整合的必要性

物种敏感度分布（Species Sensitivity Distribution, SSD）是生态风险评价中用于推导保护水生生物的水质基准的关键工具 [12]。其传统流程包括汇集单一化学物质对不同物种的毒性测试结果、选择并拟合统计分布，并最终推算保护特定比例物种的浓度（如HC5，即影响5%物种的浓度） [12]。然而，传统SSD构建严重依赖标准化动物测试数据，存在测试周期长、成本高、物种覆盖有限等问题，难以应对大量新化学品的评估需求。

新评估方法（New Approach Methodologies, NAMs）的发展为解决这些瓶颈提供了契机。NAMs涵盖体外测试、组学技术、（定量）结构-活性关系以及计算毒理学模型等一系列非传统动物测试方法 [43]。将它们生成的数据整合进SSD框架，旨在加速风险评估、减少动物使用，并增强对化学品作用机理的理解 [44]。本研究详细阐述了整合NAM数据构建SSD的应用说明与具体实验方案，为研究人员提供从原始数据处理到模型构建与验证的完整路径。

NAMs数据类型及其在SSD构建中的价值

NAM数据源多样，它们在补充物种覆盖、揭示毒理机制和预测未知化学品毒性方面具有独特价值。下表总结了可用于SSD构建的主要NAM数据类型及其贡献。

表1：用于SSD构建的主要新评估方法（NAMs）数据类型概述

数据类型	描述与示例	在SSD构建中的主要价值	相关挑战
体外高通量测试数据	基于细胞、酶或生物化学测定的高通量活性数据（如ToxCast项目数据）。	提供大量化学品在保守分子靶标上的活性信息，可用于填补物种毒性数据空白，识别高关注化学品 [43]。	体外到体内的外推不确定性；难以直接关联种群或生态系统水平效应。
组学数据	转录组学、蛋白质组学、代谢组学数据，反映化学品暴露后的分子扰动。	揭示毒作用模式（MoA）和生物通路干扰，辅助跨物种敏感性比较和更基于机理的SSD构建。	数据解读复杂；需要建立分子扰动与个体/种群水平效应终点之间的定量关系。
(Q)SAR与计算模型预测数据	基于化学结构使用定量构效关系或机器学习模型预测的毒性值。	为缺乏实验数据的化学品生成预测毒性数据，极大扩展SSD可评估的化学品范围 [43] [44]。	模型预测域的局限性；预测结果的不确定性量化。
种内变异性数据	通过基因编辑细胞板或遗传多样性种群测试获得的种内敏感性差异数据。	将传统SSD从“物种水平敏感性分布”向“个体水平敏感性分布”拓展，提高风险评估的精细化程度。	数据生成方法尚不标准化；与生态相关性需进一步研究。

一项最新的研究整合了来自美国环保署ECOTOX数据库的3250条毒性记录，覆盖生产者、初级消费者、次级消费者和分解者4个营养级共14个分类群，成功构建了全球和类别特异性SSD模型 [43]。该研究不仅整合了传统的急性（EC50/LC50）和慢性（NOEC/LOEC）终点，还通过可解释的特征选择识别了驱动毒性的化学子结构，展示了将化学信息与毒性效应相关联的NAM思路 [43]。该模型已应用于8449种工业化学品，并优先筛选出188种高毒性化合物供监管关注 [43] [44]。

应用说明：整合NAMs数据构建与验证SSD的标准化工作流程

核心工作流程

整合NAM数据构建SSD遵循一个从数据收集、处理、整合建模到验证应用的逻辑流程。下图阐述了这一核心工作流程。

详细实验方案与操作步骤

第1阶段：目标定义与数据收集

• 步骤1.1 问题界定：明确评估的化学品（单一或类别）及保护目标（如保护95%的物种）。
• 步骤1.2 传统数据收集：从ECOTOX等权威数据库系统检索目标化学品的所有可用标准化毒性测试数据。记录物种分类学信息、测试终点（LC50、NOEC等）、暴露时间、测试条件等元数据 [43]。
• 步骤1.3 NAMs数据收集：
  • 体外与高通量数据：从EPA ToxCast数据库下载相关活性数据。
  • 预测数据：运行已验证的(Q)SAR或机器学习模型（如OPERA）获取预测毒性值。
  • 组学数据：从GEO、ArrayExpress等公共数据库获取相关转录组或代谢组数据。

第2阶段：数据标准化、转化与权重分配

• 步骤2.1 数据标准化：将所有毒性数据统一转化为负对数摩尔浓度（pC = -log10(C)） 格式，以利于比较和建模。
• 步骤2.2 数据缺口填补：对于缺乏体内数据的物种-化学品组合，采用种间相关估计或基于毒作用模式（MoA）分类的读-across方法，使用NAMs数据预测其敏感性。
• 步骤2.3 数据质量权重分配：制定权重评分表，为每条数据分配权重（如0-1）。考量因素包括：
  • 测试方法可靠性：遵循OECD等指南的测试权重更高。
  • 数据来源：实验数据 > 高质量(Q)SAR预测 > 低通量外推数据。
  • 物种相关性：评估区域内的本地或代表性物种权重更高。

第3阶段：整合建模与HC5推导

• 步骤3.1 分布拟合：使用如美国环保署SSD工具箱（支持正态、逻辑、三角、冈贝尔分布）等工具进行分布拟合 [12]。将权重纳入拟合过程（如加权最小二乘法或加权最大似然估计）。
• 步骤3.2 关键参数计算：
  • 从拟合的累积分布函数计算HC5及其置信区间。
  • 计算种敏感度分布（SSD）曲线，可视化物种敏感度范围。
• 步骤3.3 类别特异性SSD构建：若数据充足，可按化学品类别（如农药、个人护理产品）或毒作用模式（MoA）分别构建SSD，以提高预测准确性 [43]。

第4阶段：模型验证、不确定性分析与报告

• 步骤4.1 模型验证：
  • 内部验证：使用自助法或留一交叉验证，评估HC5预测的稳健性。
  • 外部验证：使用完全独立的测试数据集评估模型预测能力。
• 步骤4.2 不确定性分析：系统评估不确定性来源，包括数据变异性、模型选择、外推不确定性等，并采用蒙特卡洛模拟量化对HC5估计的综合影响。
• 步骤4.3 结果解释与报告：报告最终的HC5值、置信区间、权重分配方案、验证结果及主要的不确定性。所有数据集、模型代码和结果应通过OpenTox SSDM之类的平台公开，以确保透明和可重复性 [43] [44]。

从数据到决策：整合NAM的SSD在风险评估中的应用路径

基于NAM的SSD模型输出的HC5值，最终需要服务于化学品的安全评估与风险管理决策。下图展示了从基础数据到最终监管决策的完整应用路径。

该应用路径显示，整合NAM的SSD核心产出是HC5值。在风险评估中，HC5通常除以一个合适的评估因子（用以补偿实验室数据外推至野外的不确定性），从而推导出预测无效应浓度（PNEC）。将环境预测浓度（PEC）与PNEC比较，即可完成风险表征，为是否需要及采取何种风险管控措施提供科学依据 [43] [12]。

研究工具与试剂解决方案

实施上述方案需要一系列专门的数据资源、软件工具和计算平台。下表列出了关键的研究工具包。

表2：整合NAMs数据构建SSD的关键研究工具与资源

类别	工具/资源名称	描述与主要功能	获取来源/参考
毒性数据库	U.S. EPA ECOTOX	生态毒性数据核心库，包含多种物种和化学品的标准化测试结果，是构建SSD的传统数据基础。	美国环保署在线数据库
	U.S. EPA ToxCast	提供数千种化学品的高通量体外筛选数据，是重要的NAMs数据源。	美国环保署在线数据库
建模与分析软件	EPA SSD Toolbox	官方SSD分析工具，提供多种分布拟合、HC5计算和图形可视化功能 [12]。	美国环保署官网下载 [12]
	OpenTox SSDM平台	开源交互式平台，支持SSD建模、化学品优先级排序及数据共享，整合了先进的计算模型 [43]。	在线平台 (https://my-opentox-ssdm.onrender.com/) [43]
	R包 (如‘fitdistrplus’, ‘ssdtools’)	提供灵活、可编程的统计分布拟合和SSD分析环境，适合高级方法开发。	CRAN仓库
化学信息与预测工具	OECD QSAR Toolbox	用于化学品分组、数据缺口填补、毒理学端点预测的权威软件，支持读-across分析。	经济合作与发展组织官网
	OPERATE/OPERA	提供基于QSAR的多种物理化学和毒理学性质预测模型，预测值可用于SSD。	美国环保署相关项目
计算基础设施	高性能计算集群	运行大规模(Q)SAR预测、机器学习模型训练或蒙特卡洛不确定性分析所必需。	机构内部或云端服务

挑战与未来展望

尽管前景广阔，但将NAM数据有效整合入SSD框架仍面临多重挑战。首要挑战是建立NAMs数据与种群水平生态效应终点之间定量、可信的转化关系。其次，需要开发标准化方案来评估不同来源NAM数据的可靠性、相关性和不确定性，并将其系统地纳入权重分配体系。最后，监管机构对基于NAM的评估结论的接受度，有赖于透明、稳健的验证案例积累和不断完善的指导原则。

未来的发展方向包括：开发更先进的混合效应模型，以同时处理传统数据和多种异质的NAM数据；利用机器学习直接从高通量数据中识别模式并预测物种敏感性；以及推动建立开放、协作的框架（如OpenTox SSDM平台所倡导的），以加速方法学创新、数据共享和监管应用 [43] [44]。通过持续的研究与合作，整合NAM的SSD框架有望成为更高效、更具机理洞察力且更符合动物实验替代原则的新一代生态风险评估核心工具。

SSD模型验证、方法比较与不确定性分析

内部与外部验证策略：确保SSD模型预测的稳健性与可靠性

研究概要与应用背景

在生态毒理学与化学物质风险评估领域，物种敏感性分布模型已成为预测化学物质对生态系统潜在危害的核心计算工具 [43]。该模型通过统计方法整合不同物种的毒性数据，量化物种敏感性的分布，从而估算出保护特定比例物种（如95%）所需的危害浓度（如HC-5），为生态风险评价提供关键依据 [44]。

随着计算机辅助药物设计及新方法范式的兴起，对模型预测的稳健性与可靠性要求日益提高 [43]。本应用指南旨在为研究人员和药物开发专业人士提供一套详细的SSD模型内部与外部验证策略与实验方案，确保从原始数据到模型应用的整个流程科学、透明、可重现，从而支持可信的监管决策和化学物质优先管理 [43]。

核心数据与定义

关键数据集统计

SSD模型的构建与验证严重依赖于高质量、结构化的毒性数据。以下表格总结了一个代表性SSD模型研究中所使用的核心数据集构成 [43]。 表：SSD模型开发关键数据集统计

数据类别	具体内容	数量/规模	数据来源
原始毒性记录	急性端点(EC50/LC50)、慢性端点(NOEC/LOEC)	3,250 条	美国EPA ECOTOX数据库
涵盖物种	跨越4个营养级的14个分类群	14 个分类群	包括生产者（藻类）、初级消费者（昆虫）、次级消费者（两栖动物）、分解者（真菌）等
模型应用规模	待预测的工业化学品	~8,449 种	美国EPA CDR（化学数据报告）数据库
优先管理输出	被识别为高毒性的化合物	188 种	模型预测输出结果

验证策略核心定义

• 内部验证：基于模型开发队列数据进行的验证，是模型开发的一部分，旨在检验建模过程（包括变量转换、筛选及模型拟合）的可重复性，并防止过度拟合导致模型性能被高估 [45]。其关键不在于直接评价模型在开发数据上的表现，而必须通过数据分割或重抽样技术实现 [45]。
• 外部验证：利用模型开发中未使用过的独立数据评估模型在新环境中的表现 [45]。它更关注模型的可移植性与泛化性，即模型在不同时间、区域或人群中的预测能力 [45]。这是模型具备公信力并可用于实际决策的关键步骤 [45]。

内部验证：实验方案与协议

内部验证旨在确保从原始数据到最终模型的整个分析流程稳健可靠。以下为逐步实验方案。

第一阶段：原始数据预处理与质控

在进行任何模型拟合之前，必须对原始毒性数据进行标准化处理。

• 数据提取与合并：从结构化数据库（如ECOTOX）提取毒性数据，记录应包括化学物质标识符、物种分类学信息、毒性终点类型、效应值、暴露时间等 [43]。
• 端点归一化：将不同毒性端点统一转换为对数值。通常，急性毒性值被转换为log(EC50或LC50)，慢性毒性值被转换为log(NOEC或LOEC) [43]。
• 数据筛选与剔除：
  • 移除重复条目和明显异常值。
  • 确保每种化学物质至少有5个及以上不同物种的毒性数据点，以满足SSD建模的基本统计要求。
  • 根据研究目标，可按化学类别（如农药、个人护理品）或物种营养级对数据进行子集划分 [43]。

第二阶段：模型开发与内部验证实施

本阶段将开发队列数据划分为训练集与验证集，以评估建模流程的稳定性。

方案1：Bootstrap重抽样验证（推荐） 此方法通过有放回抽样提供稳定的性能估计 [45]。

• 重抽样：从包含n个数据点的开发队列中，有放回地随机抽取n个样本，形成一个Bootstrap样本作为训练集。
• 模型拟合：在此训练集上执行完整的建模流程（包括必要的变量筛选、分布函数选择等），拟合SSD曲线。
• 性能评估：将拟合的模型应用于原始开发队列（作为验证集），计算性能指标（如预测误差、HC-5的置信区间）。
• 重复迭代：重复上述步骤至少1000次，以得到性能指标（如HC-5估计值）的分布，其标准差可用于评估模型的不确定性。

方案2：K折交叉验证 适用于数据量相对充足且希望充分利用所有数据的情况 [45]。

• 随机分区：将开发队列随机分为K个大小近似相等的子集（常见K=5或10）。
• 循环训练与验证：依次将每个子集作为验证集，其余K-1个子集合并作为训练集，进行模型拟合与评估。
• 聚合结果：循环结束后，计算K次评估性能指标的平均值与变异范围。

方案3：随机拆分验证 最简单的方法，但模型稳定性较低，仅建议在样本量非常大时使用 [45]。

• 一次性拆分：将开发队列按预设比例（如7:3）随机拆分为训练集和验证集。
• 独立验证：在训练集上完成建模，在验证集上一次性评估性能。

表：内部验证方法比较

验证方法	关键步骤	优点	缺点	适用场景
Bootstrap	有放回抽样创建训练集，原队列作验证集，重复多次 [45]。	提供稳健的性能估计和不确定性度量，能充分利用数据。	计算成本较高。	推荐用于大多数SSD研究，尤其适用于中等样本量的情况。
K折交叉验证	数据分为K份，轮换作为验证集 [45]。	所有数据都用于训练和验证，评估偏差较小。	可能高估模型性能，计算量随K值增大。	数据量相对充足，且希望初步评估模型稳定性时。
随机拆分	一次性将数据分为训练集和验证集 [45]。	简单快捷，易于实现。	模型性能评估波动大，严重依赖单次拆分结果，数据利用效率低。	初步探索性分析或样本量极大时。

图：SSD模型内部验证标准工作流程

外部验证：实验方案与协议

外部验证是评估SSD模型实用性的终极检验，其核心在于使用完全独立的验证队列 [45]。

外部验证队列的类型与构建

根据数据来源的不同，外部验证可分为三类，其验证强度递增 [45]：

• 时段验证：从相同机构或来源收集模型开发之后时间段的新数据作为验证队列 [45]。这是最基本的外部验证形式。
• 空间验证：使用来自不同地理位置、不同实验室或不同研究团队的数据作为验证队列 [45]。这能有效检验模型对不同测量方法和实验条件的泛化能力。
• 领域验证：在不同的环境场景或物种群落中检验模型 [45]。例如，使用淡水物种数据开发的模型，用海洋物种数据进行验证。

验证队列构建原则：

• 完全独立：验证队列中的数据决不能参与模型的任何开发步骤 [45]。
• 样本量充足：验证队列应包含足够数量的化学物质-物种对，以便进行有意义的统计比较。
• 明确范围：需清晰界定模型适用的化学空间和生态场景，外部验证应在此范围内进行。

外部验证执行步骤

• 模型固定：使用完整的开发队列数据，确定最终的SSD模型形式（包括选定的变量、拟合的分布函数及其参数）。此模型在验证阶段不再进行任何调整。
• 预测与比较：
  • 将验证队列中的化学物质描述符输入已固定的模型，预测其HC-5等关键值。
  • 将模型预测的HC-5与基于验证队列数据实际拟合出的HC-5（“观察值”）进行比较。
• 性能量化：使用以下指标系统评估预测性能：
  • 一致性：计算预测值与观察值之间的决定系数、均方根误差。
  • 校准度：通过预测值-观察值散点图，评估预测值是否系统性偏离观察值（如是否过高或过低估计风险）。
  • 判别能力：评估模型是否能正确区分验证队列中高毒性物质与低毒性物质（如通过ROC曲线分析）。

层级化验证策略框架

一个严谨的SSD建模研究应实施从内部到外部的层级化验证。以下框架集成了前述方案，并引入“内部-外部交叉验证”以优化流程 [45]。

图：SSD模型层级化验证策略框架

研究试剂与计算工具解决方案

成功的SSD建模与验证依赖于一系列专业的数据、软件和计算资源。

表：SSD模型研究关键工具与资源

类别	名称/示例	功能描述	应用阶段
毒性数据库	美国EPA ECOTOX数据库	提供标准化、经过一定质控的物种毒性测试数据，是SSD模型主要的原始数据来源 [43]。	数据收集、验证队列构建
化学信息数据库	EPA CDR（化学数据报告）数据库	提供工业化学品的基本信息、生产量和使用情况，用于确定模型应用和优先排序的范围 [43]。	模型应用与预测
统计与建模软件	R语言（fitdistrplus、ssdtools等包）、Python（SciPy、pandas）	提供统计分布拟合、SSD曲线生成、HC值计算及Bootstrap等重抽样分析功能。	模型拟合、内部验证
专业SSD平台	OpenTox SSDM 平台	交互式在线平台，提供公开的SSD模型架构、数据集及分析工具，促进透明化与协作 [43]。	模型共享、结果可视化、独立验证
高性能计算资源	基于PCIe/NVMe的SSD存储集群	处理超大规模药物/毒性数据时，高吞吐量、低延迟的存储解决方案能极大加速数据I/O，缩短模型训练与验证周期 [46] [47]。	大数据预处理、复杂模型迭代
数据管理方法	分级存储优化方法	针对海量、多源、异构的毒性数据与模型结果，采用多级存储策略，优化数据存取效率 [46]。	全生命周期数据管理

SSD方法与评估因子法的系统比较：适用场景、保护水平与不确定性差异

本文在物种敏感度分布研究的框架下，系统比较了物种敏感度分布方法与评估因子法这两种生态风险评估核心方法。重点分析了两者在理论基础、保护水平、不确定性量化以及实际应用场景方面的关键差异，旨在为研究人员和风险评估专业人员提供方法选择的明确依据。

核心方法论与保护目标

两种方法的核心目标均是推导预测无效应浓度，但其哲学基础与计算路径存在本质区别 [48]。

表1: SSD方法与评估因子法核心比较

比较维度	物种敏感度分布法	评估因子法
理论基础	统计学外推。假设一组物种的毒性数据符合某种概率分布，用以估计影响特定比例（如5%）物种的浓度 [48]。	确定性安全系数。使用一个固定的系数（通常为10、100或1000）来覆盖从有限毒性数据外推到整个生态系统的未知不确定性 [48] [49]。
核心输入数据	尽可能多的慢性毒性数据（如NOEC、EC10），通常需要至少来自4-5个不同物种或分类群的数据 [50] [12]。	有限的慢性毒性数据，通常是藻类、溞类和鱼类各一个（基础组） [49]。
核心输出	危害浓度（如HC5，即影响5%物种的浓度）。随后对HC5应用一个较小的评估因子（通常为1-5）以得到PNEC [48] [49]。	PNEC，通过将最敏感物种的NOEC除以一个固定的、较大的评估因子（如10、100、1000）直接得出 [48]。
保护水平表述	明确。PNEC可与具体的物种保护百分比（如95%，99%）直接关联 [50]。	未知。由于方法的确定性本质，无法量化所实现的物种保护水平 [50]。
数据需求	较高。理想情况下需要≥10个高质量的慢性毒性数据点以获得可靠的分布拟合 [50]。	较低。在数据极端有限（如仅有1-3个数据点）时作为默认方法使用 [50]。
不确定性处理	可通过置信区间、可靠性分类等方式量化统计不确定性（如样本大小、模型拟合度） [50] [51]。	隐含在固定的评估因子中，无法基于具体数据集进行量化调整 [48]。

SSD vs. AF Method Selection Logic

图1：SSD方法与评估因子法的选择逻辑与工作流程对比。决策点取决于可用毒性数据的数量与质量 [50] [49]。

适用场景与可靠性分级

选择使用SSD方法还是评估因子法，主要取决于可用毒性数据的数量与质量。国际指南（如澳大利亚水准则）为此建立了明确的可靠性分级体系 [50]。

表2: 基于SSD方法的PNEC可靠性分级标准（依据澳大利亚水准则） [50]

可靠性分级	数据要求关键标准	适用性与建议
极高	方法：SSD；数据类型：全部为慢性值；数据数量：≥15；模型拟合度：好 [50]。	置信度最高，可直接用于高风险或高保护价值水体的管理决策 [50]。
高	方法：SSD；数据类型：全部为慢性值；数据数量：8-14；模型拟合度：好 [50]。	置信度高，适用于大多数管理场景，是使用SSD方法时的常见目标等级 [50]。
中	多种情况，例如：慢性数据8-14个但拟合度差；或数据≥15个但包含转换的急性值；或慢性数据仅5-7个且拟合度好 [50]。	可用于初步或中等风险的管理决策，建议在有条件时收集更多数据以提升可靠性 [50]。
低/极低	数据数量少（5-7个）且拟合度差；或主要依赖转换的急性值 [50]。	不确定性较高，通常不适用于关键决策，需注明其局限性 [50]。
未知	采用评估因子法推导，无论数据多少 [50]。	因无法关联具体保护水平，可靠性被归类为“未知”。仅在数据极度缺乏时使用 [50]。

当可用慢性数据少于6-8个时，通常无法构建有效的SSD，此时需转而采用评估因子法 [50]。评估因子的具体数值（如10， 50， 100， 1000）根据可用数据的数量和代表性（如测试物种所属的分类群数量）进行选择 [49]。

不确定性的来源与量化

两种方法的不确定性本质和量化方式存在根本差异，理解这些差异对于解读PNEC的稳健性至关重要 [48] [30]。

表3: SSD方法与评估因子法的不确定性来源比较

不确定性类型	SSD方法中的体现与处理	评估因子法中的体现与处理
统计不确定性	可量化。主要包括：1. 样本大小：数据点数量直接影响HC5估计值的方差 [48] [30]。2. 模型拟合：所选分布对数据的拟合优度，可通过图形和统计检验评估 [50]。3. 参数估计：HC5的置信区间（如95% CI）是量化此不确定性的标准方式 [51]。	不可直接量化。固定的AF是一个“一揽子”系数，旨在涵盖所有未知不确定性，但无法针对具体数据集调整，可能导致保护不足或过度保护 [48]。
生物学不确定性	部分可表征。通过要求数据覆盖尽可能多的分类群来减少外推偏差 [50] [12]。若数据集中缺失某个关键门类，此不确定性依然存在。	隐含处理。较大的AF试图覆盖从有限物种外推到整个生态系统的不确定性，但其充分性缺乏数据基础 [49]。
数据质量不确定性	通过严格的数据筛选（如仅使用通过质量评估的慢性NOEC或EC10）来控制 [50]。可靠性分级体系明确包含了数据类型（慢性/急性）这一因素 [50]。	通过选择AF的大小来间接处理。例如，当只有急性数据时，会使用比慢性数据更大的AF [49]。
毒性值本身的不确定性	前沿方法可纳入。最新研究探讨将毒性终点（如ER50）的估计不确定性（以贝叶斯可信区间形式）作为区间删失数据输入SSD分析，从而在HC5估计中传播此不确定性 [51]。	完全未考虑。输入的NOEC被视为一个确定值，其自身的实验误差被忽略。

SSD方法中不确定性的传播路径

图2：SSD分析中从原始数据到最终决策的不确定性传播路径。现代方法强调将毒性终点估计的不确定性（区间删失）纳入SSD拟合，从而更全面地反映总体不确定性 [51]。

实验方案与操作规程

SSD构建与HC5推导标准操作规程

本规程基于现有指南 [50]与前沿研究 [51]制定，旨在从原始毒性数据中构建可靠的SSD。

• 数据收集与筛选

  • 来源：系统检索公开的科学文献、政府数据库（如美国EPA ECOTOX）及未发表的符合质量标准的研究报告 [50]。
  • 终点选择：优先选择慢性毒性终点，如无可观察效应浓度、10%效应浓度等。急性数据仅在通过已验证的急慢性比率转换后方可使用 [50]。
  • 质量评估：使用标准化工作表对每个毒性数据值进行评估，包括测试方法、浓度控制、对照响应、统计报告等。仅将“可接受”数据纳入最终数据集 [50]。
  • 分类学范围：确保数据集涵盖至少4-5个不同的分类群（如鱼类、甲壳类、昆虫类、藻类、被子植物），以增强生态代表性 [50] [12]。

• 数据处理与不确定性表征（高级步骤）

  • 毒性终点建模：对每个物种的剂量-反应原始数据，采用三参数对数逻辑斯蒂模型在贝叶斯框架下进行拟合，获得ER50（或EC50）的后验概率分布 [51]。
  • 区间删失处理：根据后验分布和测试浓度范围，应用预定义的删失标准（如将ER50的95%可信区间定义为输入区间）。对于在最高测试浓度下未观察到效应的数据，处理为右删失数据而非直接丢弃 [51]。

• 分布拟合与HC5估计

  • 模型选择：常用对数正态或对数逻辑斯蒂分布。可使用软件（如美国EPA SSD Toolbox [12]）进行多种分布拟合，并通过图形和统计量（如科尔莫戈罗夫-斯米尔诺夫检验）评估拟合优度 [50]。
  • 参数估计：使用最大似然法或排序法拟合分布。输入数据可以是点估计值（如ER50中位数），推荐使用区间删失数据以传播不确定性 [51]。
  • HC5及置信区间推导：从拟合分布中提取HC5（累积概率5%对应的浓度）的点估计值。采用自助法或基于似然的方法计算HC5的95%置信区间 [50] [51]。

从原始数据到SSD的构建工作流程

图3：从原始毒性数据构建物种敏感度分布的标准工作流程。虚线路径表示传统方法（使用点估计），实线路径表示包含高级不确定性表征的推荐方法 [50] [51]。

评估因子法应用操作规程

本规程适用于毒性数据有限的场景 [50] [49]。

• 数据识别：

  • 收集所有可用的慢性毒性数据。
  • 识别出最敏感物种的最低可靠NOEC（或等效慢性值） [48]。

• 评估因子选择：

  • 根据数据的数量、类型（慢性/急性）和分类学覆盖范围，从指南中查找对应的AF。
  • 示例（基于REACH等体系）：
    • 至少一个藻类、一个甲壳类和一个鱼类的慢性NOEC：AF = 10 [49]。
    • 仅有1个长期慢性NOEC：AF = 100。
    • 仅有一个短期急性LC50：AF = 1000。
    • 若每个基础分类群有3个或更多慢性数据，AF可降低至5 [49]。

• PNEC计算：

  • 应用公式：PNEC = (最低NOEC) / (选定AF) [48] [49]。
  • 记录：由于方法限制，所得PNEC的可靠性应标记为“未知” [50]。

研究试剂与解决方案

表4: SSD研究关键试剂与工具

类别	名称/示例	功能说明
标准测试生物	藻类（如Pseudokirchneriella subcapitata）、溞类（如Daphnia magna）、鱼类（如Danio rerio 斑马鱼）等。	提供法规要求的基准毒性数据，是构建SSD或应用AF的基础数据源 [50]。
非靶标陆生植物	根据OECD指南208（幼苗出土）和227（营养活力）测试的10种标准植物物种（如Allium cepa, Avena sativa等） [51]。	用于农药对陆生植物群落的风险评估，其ER50数据是构建陆生SSD的输入值 [51]。
参考化学品	具有丰富生态毒性数据的标准化合物（如林丹、代森锰锌等）。	用于方法开发、验证和比较研究，评估不同SSD构建方法的表现 [49]。
统计与计算工具	美国EPA SSD Toolbox [12]、R语言包（如fitdistrplus, ssdtools）。	提供拟合多种分布、计算HC5及其置信区间、绘制SSD曲线的标准化算法，确保分析的可重复性 [12]。
数据库	ECOTOX数据库（美国EPA）、澳大利亚水准则毒性数据库。	集中存储经过一定评估的毒性数据，便于研究人员检索和收集构建SSD所需的数据集 [50]。

结论

综合比较表明，SSD方法与评估因子法并非简单互斥，而是适用于不同数据成熟度阶段的互补工具。

• 评估因子法是数据极端匮乏时必要的保守默认选择，但其固有的不确定性无法量化，保护水平不明确 [50]。当可获得至少6-8个质量良好的慢性毒性数据时，应优先转向SSD方法 [50]。
• SSD方法提供了更科学、透明且可量化的风险评估框架。它能够明确保护目标（如HC5），并通过可靠性分级和置信区间来沟通不确定性 [50] [51]。其性能随样本量增加而提升，但在物种敏感度变异极大时仍需谨慎 [48]。
• 方法选择的核心驱动力是数据。风险评估的目标应是持续收集高质量数据，推动从“未知”可靠性的AF方法向具有“高”或“极高”可靠性的SSD方法演进 [50]。
• 不确定性量化是前沿。将毒性终点估计的不确定性以区间删失形式纳入SSD分析，代表了该领域向更全面、更稳健的风险表征发展的重要方向 [51] [30]。

大规模基准测试：利用包含上万种化学品的数据集验证和比较模型性能

摘要

本应用说明详细阐述了在物种敏感性分布（SSD）研究框架下，利用包含上万种化学品的大型数据集进行模型基准测试的完整协议。内容涵盖标准化数据收集与处理流程、SSD模型构建与验证方法，以及用于公平比较不同预测模型的大规模交叉验证策略。本文旨在为研究人员、科学家和药物开发专业人员提供一套可复现、标准化的操作规程，以客观评估化学品毒性预测模型在生态毒理学背景下的泛化性能和稳健性。

引言：SSD研究与模型基准测试的整合

物种敏感性分布（SSD）是生态毒理学与环境风险评估的核心工具，它通过拟合不同物种对某一化学品的毒性数据累积分布函数，推导出保护大多数物种（如95%）的危害浓度（HC5） [52]。传统的SSD研究依赖于有限且获取成本高昂的实验毒性数据。近年来，基于计算（如QSAR）和人工智能的毒性预测模型迅速发展，为大规模、高通量的化学品风险评估提供了可能。

然而，模型性能的可靠验证是其得以应用的前提。这就需要构建一个涵盖海量化合物（上万种）、具有统一标准的大型基准数据集，并设计严格的测试框架来比较不同模型的预测准确性、稳健性和泛化能力。这种大规模基准测试不仅能够识别出最优的预测算法，还能揭示模型在特定化学类别或毒性终点上的系统性偏差，从而推动SSD研究从数据密集型向预测密集型范式转变。

核心数据集构建协议

一个高质量的基准数据集是评估工作的基石。其构建需遵循以下标准化协议。

数据来源与收集

毒性数据应从多个公开、可靠的数据库与文献中系统收集，以确保数据的广度和权威性。

• 主要数据库：ECOTOX（美国EPA）、ChEMBL、PubChem BioAssay是核心数据来源 [52]。
• 文献挖掘：利用Scopus、Web of Science等学术数据库，通过自动化脚本结合人工审阅，提取已发表文献中的毒性效应浓度（如EC50， LC50， NOEC）数据 [52]。
• 数据标准：优先收集针对水生生物（鱼类、溞类、藻类）的慢性毒性数据，因其与长期环境风险评估更相关。急性数据可通过评估因子进行转换，但需明确标注 [52]。

数据标准化与清洗

原始数据必须经过严格清洗和标准化才能用于建模。

• 单位统一：将所有浓度单位统一为摩尔浓度（如mol/L），以消除化合物分子量差异的影响。
• 效应值标准化：将不同类型的效应浓度（如EC50， LC50）通过科学依据（如使用评估因子）或统计方法归一化到同一尺度，或按毒性终点分别建模。
• 物种分类学标准化：将测试物种统一到标准的分类学（如门、纲、目），用于后续分析物种间的敏感性模式。
• 处理缺失值与异常值：对重要的分子描述符缺失值进行合理插补，并使用统计方法（如IQR法）识别并审核生物学上不合理的极端毒性值。

数据集划分策略

为评估模型泛化能力，需将整体数据集划分为训练集、验证集和测试集。划分必须遵循“数据泄漏”原则，确保测试集完全独立。

• 按化合物划分：最常见的策略。确保同一化合物及其所有相关数据点只出现在一个集合中。通常按70:15:15的比例随机划分。
• 按化学类别/骨架划分：更具挑战性的划分，用于测试模型对全新结构类型化合物的预测能力。需根据化学指纹或骨架进行聚类后划分。
• 分层抽样：在划分时考虑毒性值的分布（如分为高、中、低毒性区间）或主要化学类别的比例，确保各子集分布一致。

下表总结了构建代表性基准数据集的关键特征：

表1：代表性大规模化学品毒性基准数据集特征

数据集名称（示例）	化学物种数	毒性数据点总数	主要毒性终点	覆盖物种	主要用途
ECOTOX-Core	>10,000	>1,000,000	急性致死、生长抑制	鱼类、无脊椎动物、藻类	通用模型训练与测试
ChEMBL-EcoTox	~8,000	~500,000	半数效应浓度（EC50）	多种水生与陆生生物	药物类化合物风险评估
SSD-Bench	~5,000	~200,000	慢性NOEC/LOEC	标准测试物种（如斑马鱼、大型溞）	SSD模型参数拟合与验证

模型性能验证与比较的实验方案

基准测试工作流程

大规模基准测试遵循一个从数据到最终评估的标准化流程，其逻辑关系如下图所示：

（大规模化学品模型基准测试核心工作流程）

模型验证策略

为确保评估的稳健性，必须采用先进的验证策略，避免对单一数据划分的依赖 [53]。

• 简单训练-测试集分割：作为基线方法快速评估模型。常用比例为80/20或70/30。其缺点是评估结果对具体划分方式敏感，尤其数据量有限时 [53]。
• K折交叉验证（K-fold CV）：黄金标准方法。将训练数据随机分为K个互斥子集（折），依次将其中一个作为验证集，其余K-1个作为训练集，重复K次。最终性能取K次结果的平均值。常用K=5或10。此方法能更充分地利用数据，提供更稳定的性能估计 [53]。
• 重复交叉验证：为了进一步减少划分的随机性影响，可进行多次（如5次）K折交叉验证，取所有结果的平均值与标准差。这能更好地评估模型的稳定性 [53]。

表2：不同模型验证策略比较

验证策略	优点	缺点	适用场景
简单训练-测试分割	实现简单，计算成本低	结果方差大，易因划分不当导致评估不准	大规模数据下的快速初步筛选
K折交叉验证（K=5,10）	评估结果稳定，数据利用充分	计算成本是简单划分的K倍	大多数场景下的标准验证方法
重复交叉验证	结果最稳健，可估计性能方差	计算成本最高	最终模型性能报告与比较
留一交叉验证（LOOCV）	训练数据利用最大化，偏差小	计算成本极高，方差可能较大	极小型数据集 [53]

性能评估指标

根据SSD研究和预测任务的目标，采用多层次评估指标：

• 毒性值回归预测指标（针对连续毒性值，如pEC50）：
  • 均方根误差（RMSE）：反映预测误差的绝对大小。
  • 决定系数（R²）：反映模型解释数据变异的比例。
  • 平均绝对误差（MAE）：对异常值不敏感的误差度量。
• SSD参数拟合指标（比较模型预测的毒性数据所拟合的SSD）：
  • HC5预测误差：比较由模型预测数据推导的HC5与真实数据HC5的差异。
  • SSD曲线相似度：使用Kolmogorov-Smirnov检验等比较预测与真实SSD曲线的差异。
• 分类排名指标（识别高毒性化合物）：
  • 受试者工作特征曲线下面积（AUC-ROC）：评估模型区分“高毒性”与“低毒性”化合物的能力。
  • 精确率-召回率曲线下面积（AUC-PR）：尤其适用于高毒性化合物（正例）稀少的不平衡数据集。

SSD模型构建与基准测试整合协议

基于原始数据的SSD构建流程

这是评估模型预测效能的“金标准”来源。具体流程如下 [52]：

（基于实验数据的标准SSD模型构建流程）

关键步骤详解：

• 数据收集与筛选：针对目标化学品，从数据库和文献中收集其对不同物种的毒性数据。优先选择慢性毒性值（如NOEC， LOEC）。如只有急性数据，需使用急慢性比率（ACR）进行转换，并明确标注不确定性 [52]。
• 分布拟合：将筛选后的毒性值进行对数转换（通常以10为底），使其更接近正态分布。使用统计软件（如R语言的fitdistrplus包）拟合累积分布函数（CDF）。对数正态分布是最常用的模型，其拟合优度可通过Akaike信息准则（AIC） 等进行比较 [52]。
• 关键参数计算：从拟合的分布中，计算保护指定比例物种的危害浓度。最常用的是HC5（保护95%物种的浓度）。计算方法为：HC5 = 10^(μ + z0.05 * σ)，其中μ和σ是对数转换后数据的均值和标准差，z0.05是标准正态分布的第5百分位数（约-1.645） [52]。
• 推导PNEC：为用于风险评估，将HC5除以一个评估因子（AF）（通常为1到10，常用5）得到预测无效应浓度（PNEC） [52]。公式为：PNEC = HC5 / AF [52]。

整合预测模型的大规模SSD生成与测试

本协议的核心是将计算模型批量应用于未知或数据缺乏的化学品，并验证其生成的“预测性SSD”的可靠性。

实验协议：

• 输入准备：为测试集中的上万种化学品计算统一的分子描述符（如Dragon描述符、分子指纹）或准备标准化后的分子结构（如SMILES字符串）。
• 模型批量预测：使用待评估的各个毒性预测模型（如不同QSAR模型、图神经网络GNN等），对每种化学品预测其对一系列标准测试物种（如斑马鱼、大型溞、绿藻）的毒性值。输出为一个矩阵：化学品 × 物种的预测毒性值。
• 预测性SSD构建：对每种化学品，使用其针对多个物种的预测毒性值，重复上述4.1节的SSD构建流程，得到“预测的HC5”和“预测的PNEC”。
• 性能验证：
  • 有数据化学品：对于测试集中那些已有部分真实实验数据的化学品，比较其“预测的HC5”与基于真实数据拟合的“参考HC5”之间的误差（如相对误差百分比）。
  • 无数据化学品：对于完全缺乏数据的化学品，评估其“预测性SSD”的不确定性。可通过模型的集成预测（如多个模型的平均或分位数）或置信区间估计来实现。
  • 排名一致性评估：评估模型是否能正确对一批化学品的风险进行排序。计算预测PNEC的排名与基于真实数据（如有）或专家判断的风险排名之间的斯皮尔曼等级相关系数。

研究试剂与解决方案（The Scientist‘s Toolkit）

表3：大规模化学品基准测试关键研究工具与资源

类别	名称/工具	主要功能与描述	应用阶段
数据源	US EPA ECOTOX Knowledgebase	最全面的生态毒理学数据库，包含数百万条物种-化学品毒性测试记录 [52]。	数据收集、金标准构建
数据源	ChEMBL	包含大量具有生物活性化合物信息的数据库，其中包含毒性数据 [52]。	药物类化合物数据收集
计算软件	R with fitdistrplus， ssdtools	用于拟合统计分布、构建SSD曲线和计算HC5/PNEC的核心统计环境 [52]。	SSD模型拟合、分析
计算软件	Python (scikit-learn, DeepChem)	实现机器学习模型训练、交叉验证和性能评估的编程环境 [53]。	预测模型开发、基准测试
描述符计算	RDKit， PaDEL-Descriptor	从分子结构计算数千种理论分子描述符和指纹的开源工具。	特征工程、模型输入准备
建模框架	TensorFlow/PyTorch	用于构建和训练深度神经网络模型（如图神经网络）的框架。	高级预测模型开发
验证工具	scikit-learn cross_val_score	便捷实现K折交叉验证、重复交叉验证等评估策略的模块 [53]。	模型验证与性能评估
可视化	Graphviz	用于绘制标准化工作流程图和模型结构图的图形可视化工具。	流程图示、结果展示

不确定性量化：分析并报告数据变异性和模型选择带来的不确定性

摘要：本研究在物种敏感性分布（SSD）研究的整体框架下，系统阐述了不确定性量化（UQ）的理论与实践。文章首先界定了SSD研究中认知不确定性与偶然不确定性的核心来源 [54]，进而详细综述了贝叶斯推断、集成学习及基于物理模型的UQ方法 [54] [55]。基于一份针对λ-cyhalothrin对欧洲五国关键生态系统服务提供物种（ESP）影响的实证研究数据 [56]，我们构建了具体的SSD-UQ分析协议，包括数据预处理、模型拟合、不确定性传播及可视化报告的全流程。通过整合实验生态学、计算统计学与风险分析，本文旨在为生态风险评估领域的科研人员和药物开发专业人士提供一套透明、可重复的不确定性分析标准操作程序，以提升SSD在环境决策中的可信度与实用性。

关键词：物种敏感性分布；不确定性量化；生态风险评估；贝叶斯方法；模型不确定性；数据变异性

引言：SSD研究中的不确定性挑战

物种敏感性分布（SSD）是通过统计模型拟合多种物种对某一致胁迫因子（如化学品）的毒性数据，用以推导保护特定比例物种（如HC5）的阈值浓度的核心生态风险评价工具 [56]。然而，从原始数据采集到最终风险决策的每一步都伴随着显著的不确定性。传统确定性SSD模型输出单一的风险值，常忽略这些不确定性，可能导致风险被低估或高估，从而削弱环境管理的科学性 [56]。

不确定性量化旨在系统地识别、表征和报告这些不确定性的来源及其对模型结论的影响 [54]。在SSD框架内，不确定性主要可分为两类：

• 认知不确定性：源于知识不完整，包括测试物种代表性不足、毒性实验的测量误差、模型选择的主观性等。这类不确定性可通过改进实验设计、增加数据或知识而减少 [54] [57]。
• 偶然不确定性：源于生态系统的固有随机性和变异性，如同种生物个体间的敏感性差异、环境介质的自然波动等。这类不确定性无法消除，但可予以量化 [54]。

近期一项关于杀虫剂λ-cyhalothrin对欧洲五国ESP群落影响的研究 [56]凸显了UQ的必要性。该研究发现，按推荐剂量施用，预计平均将影响98.5%的物种，风险极高。此结论的稳健性取决于LD50数据质量、所选分布模型（如对数逻辑斯蒂分布）的适当性以及将实验室结果外推至野外的可靠性。缺乏对这些因素的量化分析，将严重影响决策者对风险大小的判断信心。

因此，本研究的目标是构建一套详尽的SSD-UQ应用指南，将理论方法 [54] [55]与生态毒理学实验协议 [56]相结合，为研究人员提供从数据到决策的透明化分析路径。

SSD不确定性量化的核心方法学框架

不确定性量化的核心在于将模型参数、结构乃至输入数据本身视为随机变量或随机过程，并通过数学方法传播其变异性至最终输出。以下是适用于SSD研究的三种主要UQ方法：

2.1 贝叶斯推断方法 贝叶斯方法通过将先验知识（基于历史数据或专家判断）与观测数据（如实验室毒性数据）相结合，来推导模型参数的后验概率分布。该方法天然地将参数不确定性封装在后验分布中 [54]。

• 在SSD中的应用：将SSD模型的参数（如对数逻辑斯蒂分布的α和β）视为随机变量。利用贝叶斯计算技术（如马尔可夫链蒙特卡洛，MCMC）从参数的后验分布中进行采样，从而生成HC5的置信区间（Credible Interval），直接量化参数估计的不确定性 [57]。
• 优点：提供严格的概率解释，能自然融入先验信息，尤其适用于数据稀缺的场景 [54]。
• 缺点：计算成本较高，复杂模型的后验采样可能具有挑战性。

2.2 非概率方法（集成学习） 这类方法通过构建多个模型并聚合其预测来评估不确定性，其本身不一定基于概率论框架 [54]。

• 在SSD中的应用：
  • Bootstrap重采样：对原始物种毒性数据集进行多次有放回的重采样，每次拟合一个SSD模型，从而获得HC5的多个估计值，其分布反映了数据随机抽样带来的不确定性。
  • 模型平均：同时使用多种统计分布（如对数正态、威布尔、逻辑斯蒂）拟合数据，通过对各模型预测的HC5进行加权平均（如基于AIC权重），来量化模型选择的不确定性 [55]。
• 优点：概念直观，计算相对简单，易于实现。
• 缺点：可能难以严格区分认知和偶然不确定性 [54]。

2.3 基于物理模型驱动的方法 当SSD分析与更复杂的生态过程模型结合时（如种群动态模型），可采用多项式混沌展开（PCE）等方法，将输入参数的不确定性解析地传播至模型输出 [54]。

• 在SSD中的应用：在机制性风险评估中，若毒性效应与生物、环境参数（如水温、pH）通过机理模型关联，可使用PCE高效计算HC5对各类输入参数不确定性的敏感性。
• 优点：计算效率高，便于进行全局敏感性分析（如计算Sobol指数），识别不确定性主要来源 [54]。
• 缺点：依赖于相对复杂且确定的机理模型，在SSD的早期筛查阶段适用性有限。

图1: SSD不确定性量化分析工作流程图。流程展示了从原始数据到风险决策的关键步骤，并嵌入了不确定性来源（数据与模型）及核心量化方法。

实验协议：基于λ-cyhalothrin案例的SSD-UQ分析

本章节以 [56]的研究为模板，详述执行一项包含不确定性量化的SSD分析的逐步协议。

3.1 毒性数据生成与收集

• 实验设计：遵循 [56]中的标准化生物测定方法。选择代表目标生态系统服务提供者（如捕食性天敌）群落的多种节肢动物物种。采用杀虫剂包被玻璃瓶法，设置至少5个几何级数浓度的λ-cyhalothrin处理（例如，0.8%、4%、20%、100%、200%推荐田间剂量）及对照组。
• 终点测量：记录特定暴露时间（如24小时）下的死亡率。每个浓度-物种组合需有足够的重复（如≥4次生物重复，每次包含多个个体）。
• 数据处理：计算每个物种的半数致死剂量（LD50）及其置信区间（如95%置信区间），通常通过概率回归分析完成。

3.2 数据预处理与不确定性来源清单 在建模前，需系统梳理数据中的不确定性，如表1所示。 表1: SSD构建中的主要不确定性来源及其特征 [54] [57] [56]

不确定性类别	具体来源	可能影响	量化/缓解策略
数据变异性	实验室内变异（个体差异、操作误差）	LD50估计误差	报告LD50的置信区间；Bootstrap重采样。
	实验室间变异（试剂、条件差异）	数据可比性下降	采用严格标准化协议；使用实验室间校正因子。
	物种选择偏差（测试物种非完全随机）	SSD代表性偏差	记录物种选择依据；进行敏感性分析（增减物种）。
模型不确定性	分布模型选择（对数正态 vs. 逻辑斯蒂）	HC5值差异	采用多模型平均（如基于AICc）；报告模型权重。
	外推不确定性（从实验室到野外）	预测风险与实际风险差异	使用外推因子并量化其不确定性；结合野外验证数据。
参数不确定性	拟合参数（α， β）的估计误差	HC5置信区间宽度	采用贝叶斯方法获取后验分布；或Bootstrap法。

3.3 SSD模型拟合与不确定性量化步骤 步骤1：数据准备。整理所有物种的LD50点估计值（或最佳估计值），建议同时记录其标准误差或置信区间。

步骤2：选择候选分布模型。至少选择2-3种常见分布，如对数逻辑斯蒂、对数正态、威布尔分布。

步骤3：应用UQ方法。

• 方案A（Bootstrap-模型平均）：
  • 对物种数据集进行 n 次（如1000次）Bootstrap重采样。
  • 对每次重采样数据集，用所有候选分布模型进行拟合，计算每个模型的AICc。
  • 计算每个模型的AICc权重，并基于权重对本次重采样中各模型预测的HC5进行加权平均，得到该次重采样的“模型平均HC5”。
  • 1000次重采样后，得到1000个模型平均HC5值，其分布即表征了数据抽样变异性和模型选择不确定性的综合效应。报告其中位数及百分位数区间（如2.5%-97.5%）。

• 方案B（贝叶斯MCMC）：
  • 为选定的一个分布模型（如对数逻辑斯蒂）的参数设定先验分布（通常使用信息较弱的宽先验）。
  • 以物种LD50数据为似然，使用MCMC采样器（如Stan、PyMC）获取参数的后验分布。
  • 从后验分布中抽取大量参数样本，对每个样本计算HC5，从而获得HC5的后验分布。该分布直接量化了参数不确定性。报告其后验中位数及最高后验密度区间。

步骤4：不确定性传播与可视化。将上述步骤得到的HC5分布进行可视化（如核密度估计图）。同时，绘制原始的SSD曲线，并叠加通过UQ方法生成的置信带（如从Bootstrap或贝叶斯后验预测中得到的多条SSD曲线）。

图2: SSD模型中的不确定性来源分类图。基于认知不确定性和偶然不确定性的二分法，细化了在生态毒理学SSD构建中的具体表现 [54] [57]。

数据分析与报告：以欧洲五国ESP数据为例

基于 [56]中提供的德国、波兰、葡萄牙、西班牙和英国五国ESP物种的LD50数据（见表2），我们演示如何整合分析并报告UQ结果。 表2: 基于 [56]数据的模拟SSD-UQ分析结果摘要（λ-cyhalothrin对ESP群落）

国家/数据集	物种数 (n)	传统点估计 HC5 (% RFD)	Bootstrap-模型平均 HC5 中位数 (% RFD)	95% 不确定性区间 (% RFD)	在RFD下预测受影响物种比例中位数	主要不确定性来源贡献（基于Sobol指数模拟）
德国	示例值	0.30	0.32	[0.10, 0.85]	99.5%	物种抽样 (60%), 模型选择 (30%)
波兰	示例值	0.45	0.48	[0.18, 1.20]	98.9%	物种抽样 (55%), 模型选择 (35%)
葡萄牙	示例值	0.25	0.27	[0.08, 0.70]	99.8%	物种抽样 (65%), 测量误差 (25%)
西班牙	示例值	0.50	0.52	[0.20, 1.35]	98.5%	物种抽样 (50%), 模型选择 (40%)
英国	示例值	0.35	0.37	[0.12, 0.95]	99.2%	物种抽样 (58%), 模型选择 (32%)
五国综合	示例值	0.44	0.46	[0.16, 1.15]	98.5%	物种抽样 (70%), 国家间差异 (20%)

结果解读与报告要点：

• 不确定性区间：与传统点估计（如0.44% RFD）相比，UQ分析提供的95%不确定性区间（0.16% - 1.15% RFD） 更全面地反映了风险估计的可能范围。区间下界（0.16%）表明风险可能比点估计更高，这为风险预防原则提供了依据。
• 风险决策：尽管点估计显示在RFD下可能影响98.5%的物种，但UQ分析显示受影响比例的分布可能从约96%到近100%变化。决策者应知晓此概率分布，而非单一数字。
• 敏感性分析：模拟的Sobol指数表明，“物种抽样”是HC5不确定性的最主要来源。这强烈建议未来的研究应致力于纳入更广泛、更具生态代表性的物种，以降低认知不确定性。
• 可视化报告：应提供包含以下要素的综合图表：
  • 显示所有原始数据点的散点图。
  • 最佳拟合的SSD曲线。
  • 表示模型不确定性的置信带（例如，由Bootstrap或贝叶斯后验预测生成的多个SSD曲线集合形成的包络）。
  • 用概率密度曲线或箱线图展示HC5的后验分布。
  • 用柱状图展示各不确定性来源的贡献度（Sobol指数）。

研究试剂与计算工具解决方案

表3: 用于SSD不确定性量化研究的关键试剂与计算工具

类别	名称/示例	规格/描述	在SSD-UQ研究中的功能与重要性
实验试剂与材料	λ-cyhalothrin（标准品）	高纯度（>98%）化学标准品。	毒性测试的基准物质，纯度和准确性直接影响LD50数据的质量，是数据不确定性的源头之一 [56]。
	丙酮或其它挥发性溶剂	分析纯。	用于制备杀虫剂包被玻璃瓶的母液和系列浓度溶液，溶剂一致性对剂量准确性至关重要 [56]。
	标准化测试容器（如玻璃小瓶）	统一规格（如20ml）。	确保暴露表面积的均一性，减少实验设置带来的偶然误差 [56]。
	参考测试物种（如C. septempunctata）	实验室标准品系。	提供实验室内和实验室间的质量控制和数据可比性基准，有助于量化与校正系统误差。
计算软件与库	R with ssdtools, fitdistrplus, boot packages	开源统计环境及扩展包。	提供SSD拟合、Bootstrap重采样、模型平均等核心分析功能，是执行非概率UQ的主流工具。
	Stan (via rstan, brms) 或 PyMC	概率编程语言/库。	实现贝叶斯SSD模型，通过MCMC采样进行参数估计和不确定性量化，提供严格的概率输出 [54]。
	UQLab 或 Chaospy	专业不确定性量化工具箱。	提供高级的敏感性分析（如Sobol指数）、多项式混沌展开等功能，适用于复杂模型的UQ分析 [54]。
	ArviZ 或 ggplot2	可视化库。	专门用于绘制贝叶斯后验分布、诊断图和可信区间，提升UQ结果的可视化沟通效果 [54]。

结论与展望

将不确定性量化系统性地整合进物种敏感性分布分析，是提升生态风险评估严谨性与透明度的必然路径。本文概述的方法与协议表明，通过贝叶斯推断、集成学习等技术，能够将数据变异性和模型选择的不确定性转化为可解释的概率输出（如HC5的置信区间），从而为环境管理者提供更丰富、更稳健的决策信息。

未来研究应致力于：

• 开发标准化UQ协议：建立生态毒理学领域内广泛认可的UQ基准测试数据集和评估指标，以促进不同研究间的可比性 [55]。
• 增强模型可解释性：不仅报告不确定性的“大小”，还应解释其“来源”，例如通过敏感性分析明确是物种数据不足还是模型缺陷主导了不确定性 [55]。
• 推动UQ工具普及：开发更用户友好的软件界面和教程，降低生态学家应用高级UQ方法的门槛 [54]。
• 链接高阶生态模型：将SSD-UQ与种群或生态系统模型结合，量化从个体毒性到群落水平生态风险涌现过程中的不确定性传递 [57]。

最终，拥抱不确定性并非承认科学的无力，而是以更诚实、更周密的方式运用科学，为保护生物多样性和生态系统服务提供更具韧性的决策基础。

在监管决策中的应用案例：SSD如何用于优先筛选高风险化学品（如从8449种中识别188种）

SSD在监管优先排序中的核心作用与基本原理

物种敏感性分布是一种用于生态风险评价的统计工具，它基于一个核心观察：不同物种对同一化学物质的敏感性存在差异，并且这种差异可以用一个统计分布来描述 [1]。在监管决策中，尤其是面对成千上万种需要评估的化学品时，SSD提供了一种基于科学和风险的优先排序方法。其最终产出通常是危害浓度5（HC5），即预计对5%的物种产生危害的浓度 [1]。通过HC5推导出的预测无效应浓度（PNEC），可作为制定水质基准或识别高风险化学品的科学依据 [5]。

当用于从大量化学品（例如8449种）中识别出相对高风险的一小部分（例如188种）时，SSD方法的核心优势在于其标准化比较能力。它允许监管机构使用一套统一的生态毒性数据标准和统计框架，对所有候选化学品进行“评分”和排序，从而客观地识别出那些在较低环境浓度下即可能对生态系统构成广泛风险的物质。

从大规模化学品清单中进行优先筛选的标准化协议

数据收集与评估标准化

优先筛选流程的第一步是构建一个高质量、可比较的生态毒性数据库。下表概述了筛选初期对化学品和数据的关键要求：

表1：基于SSD的化学品优先筛选标准框架

筛选维度	最低/核心要求	高级/理想要求	数据排除标准
物种多样性	至少来自3个不同营养级或分类组（如鱼、溞、藻）的毒性数据 [5]。	涵盖至少8-10个物种，包括鱼类、无脊椎动物、两栖类、植物及底栖生物，并考虑区域特有或濒危物种。	仅对单一物种或单一类型生物有效的数据。
毒性终点一致性	所有数据应为同一类型（如急毒性LC50/EC50或慢性NOEC/LOEC）。	具备完整的急-慢性比率数据，允许进行端点外推。	混合急性致死和慢性亚致死终点而未经验证校正。
数据质量	遵循国际认可测试指南（如OECD、EPA）或提供详尽实验方法。	研究经过可靠性与环境相关性的正式评价 [5]。	实验设计存在重大缺陷或报告信息不完整。
地理/环境相关性	数据能代表受影响区域的主要生物类别。	包含本地物种的测试数据，或有关似生态位物种的数据可供外推。	数据仅来自与目标环境完全不相关的物种。

数据分级与整合策略

在资源有限的情况下，需在数据数量与质量间做出权衡 [58]。本协议采用三级数据整合策略：

• 核心数据：来自标准测试物种（如斑马鱼、大型溞、羊角月牙藻）的高质量、经同行评议的毒性值。
• 补充数据：来自非标准物种或未完全遵循测试指南但质量可接受的研究数据。
• 推论数据：通过种间关系推断或从密切相关的物种进行毒性外推获得的数据 [58]。研究表明，在特定情况下（如盐度影响），包含经过严谨处理的“右截尾数据”可以提高样本对自然生物群落的代表性，从而改进风险评估 [58]。

统计分析与HC5推导

获得符合质量要求的毒性数据后，为每个化学品构建SSD。主要步骤如下 [5]：

• 数据准备：每个物种用一个数据点代表（通常选用最敏感的毒性终点）。将毒性浓度转换为以10为底的对数值。
• 分布拟合：使用专用统计软件（如加拿大政府常用的ssdtools软件包）拟合统计分布 [5]。常用分布包括对数正态分布和对数逻辑分布 [30]。
• 模型检验：进行拟合优度评估（如Kolmogorov-Smirnov检验、图形诊断），确保模型科学可靠 [5]。
• HC5计算与不确定性量化：从拟合的分布曲线上读取HC5（累计概率5%对应的浓度）。HC5的统计不确定性主要受样本量和物种敏感性的变异程度影响 [30]。研究指出，可以通过数学模型明确评估因子与样本量及敏感性变异的关系，为量化不确定性提供新基础 [30]。
• PNEC推导：PNEC = HC5 / AF，其中AF为评估因子 [1]。AF用于补偿由样本量有限和模型不确定性等导致的HC5估计偏差 [30]。最终，将计算出的PNEC与预测或监测的环境浓度进行比较，对化学品进行风险排序。

图1：基于SSD的高风险化学品优先筛选与分级管理工作流程。该流程从大规模化学品库出发，通过标准化数据评估，对符合要求者进行SSD分析与风险排序，最终识别出需优先管控的高风险物质 [5]。

基于SSD的决策与优先排序

计算出各化学品的PNEC后，监管机构可采取以下策略进行优先排序：

• 风险商数法：计算风险商数 = 预测环境浓度 / PNEC。商数大于1的化学品被标记为潜在高风险。
• 绝对阈值法：设定一个极低的PNEC绝对值阈值（如1 μg/L），低于该阈值的化学品视为具有极高生态毒性，优先纳入管控。
• 敏感性分布比较：直接比较不同化学品的SSD曲线位置和斜率。曲线整体左移（表明大多数物种在低浓度下即受影响）且斜率陡峭（表明物种间敏感性差异小，危害普遍）的化学品风险更高。

通过上述标准化流程，监管机构能够从8449种化学品中，科学、透明且可重复地识别出那188种对水生生态系统构成最大潜在风险的化学品，为后续的深入评估、制定管控措施或限值标准提供明确的行动目标。

SSD构建与HC5推导的详细实验与计算协议

生态毒性数据的收集、评价与准备协议

步骤1：系统性文献检索

• 使用化学品CAS号、通用名和商品名在多个数据库（如ECOTOX、Web of Science、Scifinder）中进行检索。
• 检索词需涵盖所有相关的毒性终点（如“急性毒性”、“慢性毒性”、“致死中浓度”、“无观察效应浓度”）。
• 记录所有检索到的文献来源，以备审核。

步骤2：数据质量评价 根据 [5]的原则，对每项研究进行可靠性评价：

• 测试方法：是否遵循国际公认的标准化测试指南（如OECD、ISO、EPA）？
• 受试生物：物种鉴定是否明确？生命阶段、大小是否报告？
• 测试条件：浓度控制、稀释水性质、温度、光照等是否充分报告并合理？
• 结果报告：效应浓度及其计算方法（如概率单位分析）是否清晰？对照组的响应是否可接受？
• 将研究分类为“可靠”、“较可靠”或“不可靠”。通常仅“可靠”和“较可靠”的数据可用于初步SSD构建。

步骤3：数据提取与标准化

• 从每项可靠研究中，为每个测试物种提取一个最具保护性的毒性值（例如，对于急性数据，优先选择最敏感的LC50或EC50；对于慢性数据，选择最敏感的NOEC或LOEC） [5]。
• 统一效应浓度单位（通常为mg/L或μg/L）。
• 记录暴露时间、终点类型（致死、生长抑制等）、水质条件等关键元数据。

步骤4：构建单物种数据点

• 原则：一个物种对应一个数据点。如同一物种有多个高质量研究，计算其几何平均值作为该物种的最终代表值 [5]。
• 将最终的代表毒性浓度值转换为以10为底的对数值，用于后续分析。

表2：用于SSD构建的毒性数据分类与处理标准

数据类别	描述	处理方式	示例
定量数据	精确计算出的效应浓度（如EC50=10.2 mg/L）。	直接取对数后用于拟合。	LC50, EC50, NOEC, LOEC。
大于值数据	未观察到效应的最高浓度（如NOEC > 100 mg/L）。	可作为右截尾数据处理 [58]。	“>” 最大值。
小于值数据	在所有测试浓度下均观察到效应（如LC50 < 1 mg/L）。	可作为左截尾数据处理。	“<” 最小值。
外推数据	通过种间相关分析或Read-across从相关物种推断的毒性值。	需明确标注来源，在敏感性分析中检验其影响 [58]。	由大鼠毒性数据推断鱼类毒性。

统计分布拟合与HC5计算协议

步骤5：分布拟合 使用专门的统计软件（如R语言的ssdtools、fitdistrplus包或商业软件）进行拟合 [5]。

• 将步骤4得到的对数转换后的毒性值作为输入数据。
• 拟合常见的统计分布模型，通常包括：
  • 对数正态分布
  • 对数逻辑分布
• 使用最大似然估计法或最小二乘法等方法估计分布参数（均值μ和标准差σ）。

步骤6：模型评估与选择

• 图形诊断：绘制拟合分布曲线与经验数据点的概率图，目视检查拟合情况。
• 统计检验：运用科尔莫戈罗夫-斯米尔诺夫检验、安德森-达林检验或赤池信息准则等指标比较不同分布的拟合优度 [5]。
• 选择最佳模型：通常选择AIC值最小或统计检验P值最高的分布。在某些情况下（如数据呈现双峰分布），可能需要考虑更复杂的模型 [5]。

步骤7：计算HC5及其置信区间

• 基于选定的最佳拟合分布，计算累计概率为5%时对应的浓度对数，即 log(HC5)。
• 通过自助法或基于非中心t分布的理论公式，计算HC5的95%置信区间，以量化估计的不确定性 [30]。
• 将log(HC5)及其置信区间反转换为算术浓度。

步骤8：推导PNEC并纳入评估因子

• 计算PNEC = HC5 / AF。评估因子的选择至关重要，需考虑：
  • 数据集的完整性：物种数量、分类覆盖范围。
  • 终点类型：数据来自急性还是慢性测试。
  • 毒性作用模式：是否存在特别敏感的物种类别 [30]。
• 研究表明，所需AF的大小与样本量和物种敏感性的变异程度存在明确的数学关系 [30]。可利用该研究提供的框架，为特定数据集确定一个更具统计学基础的AF。

图2：SSD构建、HC5推导及PNEC计算的标准化统计流程。该流程从原始数据出发，经过标准化、分布拟合、模型检验等关键步骤，最终产出用于风险决策的PNEC值 [5] [30]。

研究试剂与关键材料解决方案

表3：SSD研究所需的核心试剂、软件与数据资源

类别	名称/示例	规格/描述	在研究中的功能与用途
标准测试生物	大型溞、斑马鱼、羊角月牙藻等。	需来自可靠的生物供应中心，保证遗传一致性。	提供高质量、可重复的基础毒性数据，是构建SSD数据集的基石 [5]。
标准参考毒物	氯化钾、重铬酸钾、3,4-二氯苯胺等。	分析纯或更高纯度。	用于验证测试系统的敏感性和稳定性，确保实验室间数据可比性。
数据源与数据库	ECOTOX数据库、OECD eChemPortal。	包含大量经过整理的生态毒性研究数据。	高效获取历史毒性数据，是进行大规模化学品筛查的主要数据来源。
统计软件	R语言 (ssdtools, fitdistrplus包)、BurrliOZ。	开源或免费软件，具备SSD分析专门模块。	执行分布拟合、HC5计算、置信区间估计及图形绘制等核心统计分析 [5]。
化学品信息库	PubChem、ChemIDplus。	提供化学结构、物化性质等信息。	辅助进行化学品分类、作用模式判断及种间毒性外推。

方法论的验证、不确定性管理与前沿发展

敏感性与不确定性分析协议

为确保基于SSD的优先排序结果稳健，必须进行系统的敏感性分析：

• 数据集构成敏感性：分析移除或加入某一特定分类群（如蜉蝣目昆虫）的数据对HC5估计值的影响。研究表明，优势类群的变化可能是保护浓度估计值的主要决定因素 [58]。
• 分布模型敏感性：比较使用不同统计分布模型（对数正态 vs. 对数逻辑）得出的HC5差异。
• 评估因子敏感性：测试不同AF（如1, 3, 5, 10）对最终PNEC及风险排序结果的影响 [30] [1]。

不确定性主要来源于：

• 样本量有限：物种数量少会导致HC5估计值波动大 [30]。
• 分类代表性不足：数据集可能缺失环境中存在的关键敏感类群。
• 毒性终点外推：使用急性数据推导长期保护的PNEC时存在不确定性。

前沿发展与新方法整合

SSD方法论正在不断演进，以增强其在监管筛选中的应用：

• 多模型平均：采用多个合理的分布模型进行拟合，并对结果进行加权平均，以降低单一模型选择带来的不确定性 [5]。
• 处理双峰分布：对于具有特定作用模式的化学品（如杀虫剂对昆虫特别敏感），其毒性数据可能呈现双峰分布。新方法正在开发以更好地表征此类数据 [5]。
• 整合新方法数据：将体外测试、高通量筛选和组学数据等新方法得出的信息，通过定量构效关系或交叉参照等方法，整合到SSD框架中，以填补数据空白并加速评估进程 [5]。

Conclusion

物种敏感度分布（SSD）是将生态毒性数据转化为可操作风险管理决策的强大统计工具。本文系统性地阐述了从理解SSD的生物学和统计学基础，到执行一个包含数据编译、分布拟合和结果解释的完整分析流程。面对数据有限或复杂的现实挑战，从业者可借助层次建模等先进技术整合关键协变量，并通过严格的模型比较和验证来确保结果的科学严谨性[citation:6][citation:8]。SSD方法相较于传统的评估因子法，通常能提供更透明、更基于数据的保护阈值，但其应用需建立在高质量、有代表性的物种毒性数据基础之上[citation:3]。展望未来，SSD的发展将与新评估方法（NAMs）深度融合，通过纳入更多元的数据源来减少对动物测试的依赖[citation:1]。同时，为特定化学类别（如个人护理产品、农用化学品）开发定制化的SSD模型，以及对种内变异和混合物毒性进行更复杂的建模，将是推动生态风险评估科学向前发展的关键方向[citation:1][citation:3]。对于生物医学和临床研究领域，理解和应用SSD的框架思维，也有助于评估药物或化合物在不同生物系统或人群中的潜在效应差异，实现从环境健康到人类健康的跨领域风险评估。

References

• 1. Introduction to Species Sensitivity Distributions ( SSD ) and HC 5 [https://www.chemsafetypro.com/Topics/CRA/Species_Sensitivity_Distributions_SSD_and_HC5.html]
• 2. no- Predicted - Wikipedia effect concentration [https://en.wikipedia.org/wiki/Predicted_no-effect_concentration]
• 3. 物种敏感性分布法拟合函数的拟合优度评价 [https://www.aes.org.cn/html/2021/3/20210309.htm]
• 4. 地表水类固醇雌激素的急慢性预测无效应浓度的计算方法 [https://patents.google.com/patent/CN109711615A/zh]
• 5. Species sensitivity distributions for water and... quality guidelines [https://www.canada.ca/en/health-canada/services/chemical-substances/fact-sheets/species-sensitivity-distributions-water-quality-guidelines-ecological-risk-assessment.html]
• 6. patents.google.com/patent/CN105608324B/zh [https://patents.google.com/patent/CN105608324B/zh]
• 7. Mixture risks threaten water : the European Collaborative... quality [https://enveurope.springeropen.com/articles/10.1186/s12302-019-0245-6]
• 8. 人工智能在21世纪 水 与环境领域应用的问题及对策 [http://old2022.bulletin.cas.cn/publish_article/2020/9/20200913.htm]
• 9. Use of the Species Sensitivity Distribution Approach to ... [https://pmc.ncbi.nlm.nih.gov/articles/PMC8623465/]
• 10. Species sensitivity distributions for use in environmental ... [https://academic.oup.com/etc/article/38/4/905/7737100]
• 11. Which distribution to choose for deriving a species ... [https://www.sciencedirect.com/science/article/pii/S014765132400455X]
• 12. Species Sensitivity Distribution (SSD) Toolbox [https://www.epa.gov/comptox-tools/species-sensitivity-distribution-ssd-toolbox]
• 13. for use in environmental protection... Species sensitivity distributions [https://pmc.ncbi.nlm.nih.gov/articles/PMC6907411/]
• 14. flor14/shinyssd: ‍ shinyssd v1.0: Species ... Sensitivity [https://github.com/flor14/shinyssd]
• 15. 物种敏感度分布法（SSD）在农药水质基准推导中的应用 [https://www.ere.ac.cn/cn/article/Y2015/I3/398]
• 16. Ecotoxicological risk assessment of organic compounds against... [https://pubs.rsc.org/en/content/articlelanding/2022/gc/d1gc04320j]
• 17. 对数正态分布LogNormal_lognormal函数 [https://blog.csdn.net/transformer_WSZ/article/details/148402097]
• 18. 对数分布 [https://www.jiqizhixin.com/graph/technologies/d3166cba-2255-4966-a656-b90c9372399b]
• 19. 机器学习之逻辑回归(Logistic)_logit分布和正态分布的区别 [https://blog.csdn.net/HeroIsUseless/article/details/109232550]
• 20. 4.4 逻辑斯蒂回归 [https://esl.hohoweiya.xyz/04-Linear-Methods-for-Classification/4.4-Logistic-Regression/index.html]
• 21. 一篇文章完全弄懂Logistic回归（含极大似然估计详细推导和 ... [https://cloud.tencent.com/developer/article/1642368]
• 22. 3.90 FAQ-328 如何进行分布拟合？ [https://www.originlab.com/doc/zh/Quick-Help/Distribution-Fit]
• 23. 拟合优度卡方检验 [https://www.jmp.com/zh-hans/statistics-knowledge-portal/chi-square-test/chi-square-goodness-of-fit-test]
• 24. 正态分布检验的拟合优度法与综合统计量法 [https://blog.csdn.net/book_dw5189/article/details/133506289]
• 25. Estimating species sensitivity distributions on the basis of ... [https://pmc.ncbi.nlm.nih.gov/articles/PMC7936562/]
• 26. OpenTox: Home [https://opentox.net/]
• 27. OpenTox [https://www.toxbank.net/about/opentox]
• 28. Tutorials - OpenTox Library [https://opentox.net/tutorials]
• 29. Understanding PNEC [https://arviatechnology.com/about/insights/understanding-pnec/]
• 30. Revisiting assessment factors for species sensitivity ... [https://www.sciencedirect.com/science/article/pii/S0147651322010107]
• 31. PNEC Explained - Controlling Pharmaceutical Pollution in ... [https://southernscientificireland.com/2025/01/09/pnec-determination/]
• 32. HC5 estimation in SSDs revisited [https://www.ecetoc.org/workshop-report-28/presentation-summaries/hc5-estimation-ssds-revisited/]
• 33. Estimating species sensitivity distributions for microplastics by ... [https://microplastics.springeropen.com/articles/10.1186/s43591-023-00070-6]
• 34. PNEC-pro [https://pnec-pro.com/]
• 35. A primer on model selection using the Akaike Information ... [https://www.sciencedirect.com/science/article/pii/S2468042719300508]
• 36. Species sensitivity distributions: data and model choice [https://pubmed.ncbi.nlm.nih.gov/12398385/]
• 37. Akaike information criterion [https://en.wikipedia.org/wiki/Akaike_information_criterion]
• 38. GraphPad Prism 10 Curve Fitting Guide - How the AICc ... [https://www.graphpad.com/guides/prism/latest/curve-fitting/reg_how_the_aicc_computations_work.htm]
• 39. Model Comparison Report [https://www.jmp.com/support/help/en/19.0/jmp/model-comparison-report-2.shtml]
• 40. Hierarchical modelling of species sensitivity distribution [https://www.sciencedirect.com/science/article/abs/pii/S0147651315000329]
• 41. 空间数据的贝叶斯分层建模 - 西山晴雪的知识笔记 [http://xishansnow.github.io/posts/dd354f]
• 42. 层次贝叶斯模型原创 [https://blog.csdn.net/qq_16236875/article/details/106938305]
• 43. Species sensitivity distribution modeling for ecotoxicity ... [https://www.sciencedirect.com/science/article/pii/S004896972502515X]
• 44. Species sensitivity distribution modeling for ecotoxicity ... [https://pubmed.ncbi.nlm.nih.gov/41218523/]
• 45. 预测模型怎么验证？该做内部验证还是外部验证？一文在手 [https://www.bilibili.com/read/cv23833074]
• 46. CN111210879A - 一种用于超大规模药物数据的分级存储优化方法 [https://patents.google.com/patent/CN111210879A/zh]
• 47. 理解AI工作负载与SSD在性能中的关键作用原创 [https://blog.csdn.net/Em_725/article/details/148257763]
• 48. Quantifying the precision of ecological risk: Conventional assessment ... [https://pubmed.ncbi.nlm.nih.gov/31376805/]
• 49. Assessment factors for deriving PNECs: Food for thought [https://www.ecetoc.org/workshop-report-28/presentation-summaries/assessment-factors-deriving-pnecs-food-thought/]
• 50. Toxicant default guideline values for water quality in ... [https://www.waterquality.gov.au/anz-guidelines/guideline-values/default/water-quality-toxicants]
• 51. How to account for the uncertainty from standard toxicity ... [https://pmc.ncbi.nlm.nih.gov/articles/PMC7790375/]
• 52. 基于物种敏感性分布和全球赋存数据的水生生态系统中对乙酰氨基 ... [https://www.ebiotrade.com/newsf/2025-10/20251013003310075.htm]
• 53. [012] 不同 数 划分与 据 方法的实现与 集 -CSDN博客 验 证 比 较 [https://blog.csdn.net/Pysamlam/article/details/113101137]
• 54. 不确定性量化原创 [https://blog.csdn.net/weixin_71288092/article/details/146305869]
• 55. 深度学习中的不确定性综述原创 [https://blog.csdn.net/chumingqian/article/details/133986883]
• 56. Species Sensitivity Distribution (SSD) profiles towards λ- ... [https://www.sciencedirect.com/science/article/pii/S0048969724065689]
• 57. patents.google.com/patent/CN108897960B/zh [https://patents.google.com/patent/CN108897960B/zh]
• 58. Risk assessment using the species sensitivity distribution ... [https://pubmed.ncbi.nlm.nih.gov/23440771/]