近日，吴翔副教授、曹耀武博士团队在环境领域一区Top期刊《Journal of Hazardous Materials》发表了题为 “From metabolic reprogramming to diagnostic tool: A machine learning framework identifies biomarkers for soil microplastic stress in rice”的研究论文。

农田土壤中微塑料来源多样、长期累积且难以降解，正成为威胁作物健康和粮食安全的新兴环境问题。传统的生理和化学检测方法虽然可以评估植物受损情况，但周期长、成本高且难以实现大范围监测。近年来，代谢组学的发展为系统解析植物对微塑料暴露的代谢响应提供了新思路，而结合机器学习的方法则有助于从高维数据中识别关键生物标志物，为污染诊断和风险评估提供潜在工具。研究团队结合非靶向代谢组学与机器学习技术，系统揭示了水稻对微塑料暴露的代谢响应特征，发现ABC转运蛋白、TCA循环及氨基酸代谢等关键途径受到显著扰动。进一步筛选获得由7种代谢物组成的最小生物标志物集合，并构建出能够准确识别不同污染水平的诊断模型，在外部验证集中达到ROC-AUC 0.90。该研究为农业系统中微塑料污染的快速监测与风险预警提供了新的技术框架，也为未来原位土壤微塑料风险评估与粮食安全保障提供了重要支撑。

该科研成果以湖北大学为第一完成单位，资源环境学院硕士研究生盛鼎为该论文第一作者，吴翔副教授和曹耀武博士为该论文通讯作者。资源环境学院陈红兵高级实验师、高炯博士参与了该项研究。该研究获得了国家自然科学基金、湖北省自然科学基金及区域开发与环境响应湖北省重点实验室开放基金项目等资助。《Journal of Hazardous Materials》是环境科学与工程领域的权威SCI收录期刊，2025年即时影响因子11.2，在环境工程领域排名第4。

论文链接：https://doi.org/10.1016/j.jhazmat.2026.142581

撰稿 吴翔；审稿 刘杰