面向我国化学物质环境管理的计算毒理学模型评估思路及建设路径

于洋，郑玉婷，张丽丽，高子竣，林军

生态环境部固体废物与化学品管理技术中心，北京 100029

当前，我国化学工业规模大于欧盟和美国总和，化学物质的环境释放是对生态环境安全的重大挑战。从数以万计的化学物质中识别出那些高风险的化学物质并加以管控，成为世界各国不得不面临的问题。风险评估是化学物质环境管理的核心，然而数据缺失使得这项工作举步维艰[1]。进入21世纪，发达国家及国际性组织机构开始重视和发展计算毒理学技术，开发了各种用于预测化学物质危害属性和暴露参数的模型工具，以解决化学物质环境管理工作面临的数据缺失的瓶颈问题[2-4]。我国从20世纪90年代开始，逐渐有专家学者在计算毒理领域开展科学研究，但大多限于构建预测模型，极少数将模型集成为应用软件。近年来，国内少部分单位在科技项目的支持下，尝试开展计算毒理学研究，并逐步应用于化学物质的环境管理。

2020年，我国生态环境部修订并正式发布了《新化学物质环境管理登记办法》(生态环境部令第12号)，在新化学物质申报登记时，可以使用计算毒理学模型预测部分毒理学参数[5]。这是我国首次在立法中明确了计算毒理学数据在化学物质环境管理工作中的法律地位，肯定了计算预测数据的重要性。2021年，为了应对新时代化学物质环境管理面临的新形势，生态环境部固体废物与化学品管理技术中心审时度势地进行了机构改革，在二级机构化学品管理技术部基础上，成立了三级机构计算毒理学研究室，为新化学物质环境管理登记，现有化学物质高通量危害筛查、风险评估，以及有毒有害污染物名录编制等工作提供全面可持续的计算毒理学技术支撑。计算毒理学技术有诸多优势，能够快速预测化学物质的相关属性，在短时间内从数以万计的化学物质中快速识别出可能对生态环境及人体健康产生风险的化学物质，为科学制定化学物质环境管理政策、完善污染物排放标准体系、编制化学物质管控名录和有毒有害环境污染物名录、健全化学物质环境管理制度等提供长期稳定的技术保障。

计算毒理学模型正逐渐成为我国化学物质环境管理的重要工具之一，然而，我国尚未建立面向化学物质环境管理的计算毒理学模型评估体系。面对国内外大量计算毒理学模型不断涌现的现实，我们需要更专业的模型评估技术，识别出能为我国化学物质环境管理决策提供可靠数据支撑的模型。因此，建立计算毒理学模型评估体系至关重要。

1 我国发展和评估计算毒理学模型的必要性(The need to develop and evaluate computational toxicological models in China)

1.1 化学物质基础信息数据严重缺失，已成为我国化学物质环境管理的制约瓶颈

截至2020年6月，美国化学文摘社收录的有机和无机化学物质已超过1.5亿种。截至2020年11月17日，我国《中国现有化学物质名录》(含第2批公示)共收录化学物质46 673种，其中有化学文摘号(CAS)的物质为38 690种[6]。化学物质重点关注的20余个筛查指标中，全部有危害数据的化学物质仅千余个。

为满足化学物质环境管理的需求，需要尽可能多地获取化学物质基础数据。获取数据的传统方法为实验测定，但是越来越多的商用化学品每秒都在产生，传统实验方法获取化学物质环境管理所需数据，面临着成本高、耗时长、违反动物实验伦理的“3R原则”等限制，无法实现对目前商用的数万种化学品的全部测定，急需通过计算毒理学模型工具弥补数据缺失。

1.2 管理部门对有毒有害化学物质的认知和管控不足

防范环境风险，依靠化学物质危害及暴露信息。由于我国化学物质环境管理的危害及暴露信息相对缺失，使得管理部门对有毒有害化学物质的认知和管控不足，导致了大量有毒有害化学物质在我国生产、使用和排放不受限制。例如：发达国家已淘汰或限制的部分有毒有害化学物质在我国仍有规模化生产和使用。欧美等发达国家管控的具有持久性、生物累积性和毒性的物质，具有致癌性、潜在具有内分泌干扰性的物质在我国仍有生产使用。

我国《中国现有化学物质名录》[6]收录的化学物质被我国安全、卫生等部门掌握的数据则更加有限。我国现行化学污染物环境管理标准体系所管控的化学污染物仅涉及100余种，其中我国现行大气污染物相关管控标准涉及的特征污染物95种，现行水污染物相关管控标准涉及的有机物102种。加上我国中小企业生产技术与工艺水平参差不齐、有毒有害物质排入环境的现象较为普遍，我国正在沦为高风险化学物质的“世界工厂”。

1.3 发达国家开始实施绿色贸易壁垒和信息封锁，令我国化学物质风险评估和环境管理举步维艰

欧盟的REACH法规等西方国家化学品管理法规倡导使用非动物测试方法获取化学品安全信息，如使用定量构效关系(QSAR)等计算毒理技术[7]。西方发达国家发展的计算毒理技术已对我国的化学品出口形成绿色贸易壁垒。同时，我国化学物质基础信息数据库尚未建立，筛选我国有毒有害化学物质、开展化学物质风险评估、构建计算预测模型等的数据源，很大程度依赖于国外公开的权威数据库及模型工具。但是，部分发达国家可能已经开始对应用广泛的计算毒理与暴露预测技术及权威数据库进行了封锁，很多网站国内已无法访问，化学物质相关危害信息面临无法获得的困境。例如美国关闭了预测化学物质持久性、生物蓄积性和毒性(PBT)属性的PBT profile模型工具、美国化学文摘社CAS号滚动更新信息和EPI suite后台信息等重要工具及网站。

2 我国计算毒理学模型评估的管理需求分析(Management requirements analysis of computational toxicological model evaluation in China)

2.1 满足新化学物质环境管理登记工作中的预测需求

在新化学物质申报登记时，(1)针对“90天反复染毒毒性”、“生殖/发育毒性”等毒性终点，需要应用经过模型评估后的计算毒理模型满足预测需求；(2)由于化学物质的毒性作用模式较为复杂，能够预测“90天反复染毒毒性”、“生殖/发育毒性”的技术方法不多，且现有模型软件预测的物质种类与精度也相对局限，需要收集相关模型软件并开展模型评估；(3)企业提交新化学物质环境管理登记材料时可能会上报模型预测数据，化学物质环境管理部门需要对提交上来的预测报告进行模型预测报告的技术审核，并对模型的科学性和可靠性进行评估[8]。

2.2 满足现有化学物质高通量危害筛查时的数据需求

开展现有化学物质高通量危害筛查时，在数据缺失的情况下，需要应用经过模型评估后的计算毒理模型软件，预测筛查所需数据，如理化指标、健康毒理指标、生态毒理指标和环境行为等指标，填补相关指标的空白。

2.3 满足化学物质环境风险评估所需数据和场景需求

开展化学物质环境风险评估时，对于现有化学物质危害数据缺失的问题，需要应用通过模型评估的计算毒理学模型软件预测其危害信息；对于新化学物质暴露数据缺失的问题，需要应用通过模型评估的计算毒理学模型软件开展环境暴露预测，为环境风险评估提供数据支撑。

2.4 满足计算毒理学技术在化学品环境管理应用的客观需求

目前，我国高校与科研机构主要侧重于学术研究层面的计算毒理学模型(方程式)研究，大部分模型没有软件化，且并未完全针对化学物质环境管理的需求构建，现有模型是否可以直接应用于我国化学物质环境管理需要进一步评估和确认。

3 发达国家计算毒理学模型评估经验(Experience in evaluating computational toxicological models in developed countries)

3.1 计算毒理学模型评估的历史根源

20世纪90年代，发达国家开始了预测数据互认和(Q)SAR模型评估的国际合作。1981年和1982年，国际经济合作与发展组织(OECD)建立“数据互认”和“新化学物质上市前最低数据要求(MPD)”制度。根据这2个制度，欧盟制定/修改了相关法规，如修订了67/548/EEC指令。经过8年实施，欧盟收到了数百份新化学物质通报。然而，美国《有毒物质控制法》(TSCA)并没有强制要求化学品制造商/进口商在新化学物质上市前开展测试并提供数据。为了应对试验数据缺乏的问题，美国环境保护局(US EPA)将目光投向了新兴的计算毒理学预测技术，即采用(Q)SAR模型来预测数据，然后使用预测数据来辅助开展这些新化学物质的预先危害/风险评估。

在这样的背景下，如何实现数据互认成了发达国家关注的问题。因此，1989年10月，OECD召开了“新化学物质通报计划(Notification Schemes for New Chemicals)”研讨会。在这次会议上，欧盟理事会提出要评估US EPA使用的(Q)SAR模型的预测能力。评估方法是使用计算毒理学模型大规模预测试验数据齐全的化学物质，然后比较预测结果和试验结果的差异。会后，美国和欧盟联合启动了一项名为“结构-活性关系/最低上市前数据集(Structure Activity Relationship/Minimum Premarketing Dataset, SAR/MPD)”的研究项目(1991—1993)，用于开展模型预测能力评估。模型预测终点包括沸点、蒸气压、水溶解度、分配系数、生物降解率、水解、土壤吸附系数和光降解等物理化学、环境行为参数，水生生物毒性效应参数，以及急性毒性、皮肤刺激性、眼刺激性、呼吸道刺激性、皮肤致敏性、重复剂量毒性、致突变性等健康毒理学效应参数。研究期间，欧盟提供了175个新化学物质的测试数据，双方用这些数据与模型预测数据进行了比对。研究发现，部分模型能够获取较好的预测效果，但也有部分模型不能获得令人满意的结果。总体而言，美国所使用的部分计算毒理学模型具有可靠性和有效性。因此，该项目结果增加了双方对计算毒理学技术在管理上使用的信心，也促使双方启动了其他项目进一步评估模型预测能力。例如，除了采用新化学物质数据进行验证和评估，双方在1993年启动了一个新的评估项目，采用现有化学物质(如高产量物质)的试验数据来评估模型的预测能力[9]。

3.2 美国经验

美国是较早开展计算毒理学模型评估的国家之一。2016年6月22日，Frank R. Lautenberg Chemical Safety for the 21st Century Act (H.R.2576)法案正式生效[10]，对已有40多年历史的TSCA进行了修订。在新修订的TSCA法规第3部分“化学物质和混合物测试”中，增加了h节“减少脊椎动物测试”部分，该节规定“在决定进行脊椎动物测试前应充分考虑现有可获取的信息，如计算毒理学等”。早在2009年，US EPA便率先提出模型生命周期的概念，并发布实施了《环境模型开发、评估、应用指南》[11]《最佳模型实践：模型开发》[12]《最佳模型实践：模型评估》[13]《最佳模型实践：模型应用》[14]《最佳模型实践：模型生命周期》[15]等系列指南或文件，极大提升了美国计算毒理学模型评估能力和水平。

3.2.1 模型评估目标与对象

模型评估是模型生命周期的重要环节之一[13]。模型评估可以有效地应用于整个模型开发、验证和应用，重点解决4个核心问题：(1)模型开发过程是否基于科学原则；(2)模型开展过程中使用数据的数量和质量如何保障；(3)模型与现实情境的相似度；(4)模型如何执行指定的任务，同时满足化学物质环境管理目标。可见，美国模型评估的实质目标就是为了保证模型的质量。

当一些模型评估需要关联多个模型，例如一个模型的输出被用作另一个模型的输入数据。当使用关联模型时，应该在模型开发和评估过程的每个阶段评估每个关联模型，以及集成模型的整个系统。

外部环境会影响模型评估的严谨性。例如，当建模过程存在争议时，更详细的模型评估可能是必要的。在这些情况下，建模人员必须记录模型评估过程的结果，并准备回答可能出现的模型相关问题。

3.2.2 同行评议

同行评审程序是US EPA评估和审查计算毒理学模型的主要机制[13]。这个环节可以发现模型的技术问题、疏忽或未解决的问题等。同行评审有2个方面内容：(1)评估模型假设、方法和结论是否建立在科学原则基础上；(2)检查一个模型在科学上的适宜性，并告知化学物质管理者。同行评审过程应该在质量保证计划(QAPP)中得到很好的记录。

一个执行良好的质量保证(QA)计划有助于模型评估工作的开展。数据质量评估是QA计划不可或缺的组成部分。模型开发涉及到的所有关键阶段使用的参数和模型验证所使用的支持数据均应进行质量评估。虽然数据中的一些变化是不可避免的，但数据质量评估有助于将数据的不确定性最小化。

3.2.3 不确定性分析

计算毒理学模型评估中的不确定性分析是至关重要的[13]。当开发和使用一个模型时，建模者和化学物质环境管理者应该考虑在一个特定模型应用程序的环境中，什么程度的不确定性是可以接受的。在该体系中影响模型质量的不确定度分为以下3类：(1)模型框架的不确定性；(2)模型输入的不确定性；(3)模型领域的不确定性。为了充分了解和掌握上述3类不确定性，US EPA采用了模型确证、敏感性分析和不确定度分析3种分析方法评估不确定性。

3.2.3.1 模型确证

模型确证与模型验证经常被混淆，不同的学科赋予这些术语不同的含义。由于从模型中得出的预测永远不可能完全准确，也不可能完全符合现实。一些研究人员断言，没有一个模型是真正“验证过的”。经过验证的模型是指那些已经被证明与特定的实际数据集相对应的模型。因此，US EPA使用了“确证(corroboration)”这个术语[11-15]，并将重点放在模型评估的过程和技术上，而不是模型验证。“验证”通常是应用于评估过程的另一个术语，通常是指模型开发部分中定义的模型代码和方程式的验证。

模型确证的作用是评估模型与现实相符的程度，可以是定性的(理论的)或定量的。这些方法的严格程度取决于模型应用程序的类型和目的。定量确证使用统计数据来估计模型预测结果与实测值的匹配程度。定性确证可能包括专家评议，以获得对数据不足情况下系统行为的可信度。

定量方法是评估模型的稳健性，其稳健性是指模型在其设计所针对的全部环境条件下同样表现良好的能力。这些评估依赖于统计学方法来计算模型预测结果和实测值之间的各种拟合度。例如，建模效率(ME)是一种直接将模型预测与实测数据联系起来的无量纲统计量；均方根误差(RMSE)是一种对异常值敏感，但能准确描述建模数据与测量数据之间关系的方法。

定性方法，更多依赖于专家判断法，可以为模型开发者和化学物质管理者提供关于数据不足情况下模型预测行为的信心。利用现有的专家知识，通过共识和一致性来实现定性确证。

3.2.3.2 敏感性分析与不确定性分析

敏感性分析(SA)和不确定性分析(UA)是模型评估的两大重要组成部分。SA被定义为计算输入值或假设(包括边界和模型函数形式)的变化对输出的影响。UA则是研究知识的缺乏或潜在误差对模型输出的影响。虽然敏感性和不确定性分析密切相关，但敏感性是基于模型“变量”的算法，而不确定性是基于模型的参数。敏感性分析评估模型对特定参数的“敏感性”，而不确定性分析评估与参数值相关的“不确定性”。这2种类型的分析对于化学物质管理者提升模型预测结果的置信度至关重要。

SA的目的可以是双重的。首先，SA计算模型输入变化对输出的影响。其次，SA可以用来研究模型输出中的不确定性如何系统地分配到模型输入中的不同不确定性源。SA方法有很多，所选择的方法取决于所作的假设和分析所需的信息量。根据模型的基本假设，最好是用简单的方法开始SA，首先识别最敏感的输入，然后对这些输入应用更密集的方法。

UA在整个建模过程中都是固有的，而减少应用程序的不确定性才是UA的首要任务。通过对相关的不确定因素进行适当的量化和沟通，模型仍然可以成为提供化学物质环境管理决策信息的有价值的工具。结合SA进行UA时，化学物质管理者可以更加了解模型结果的可信度。

3.2.4 事后评估模式

由于时间的复杂性、限制、资源的稀缺和缺乏科学的解释，依托模型预测数据的化学物质环境管理决策往往基于不完整的信息和不完美的模型。此外，即使模型开发人员努力使用现有的最佳科学方法建模，科学知识和理解也在不断进步。考虑到这一事实，化学物质环境管理者应该在迭代的环境中使用模型预测结果，不断改进的过程中不断细化模型，以演示基于模型的决策的可靠性。这一过程包括进行模型后评估，达到评估和改进模型以及验证其为管理决策提供有价值预测能力的目的。模型后评估与模型确证也存在本质区别，模型确证是证明模型与过去现实系统行为的匹配程度，而模型后评估是评估模型预测未来的能力。

由于资源限制，对所有模型进行事后评估是不可行的，但是对常用模型进行有针对性的后评估可能会为改进模型框架和模型参数提供有价值的信息。

3.3 OECD经验

3.3.1 “塞图巴尔原则”的提出

早在2002年，国际化学品协会理事会(ICCA)和欧洲化学品工业理事会(CEFIC)在葡萄牙塞图巴尔召开会议[16]，并提出评估(Q)SAR模型有效性的6项原则，史称“塞图巴尔原则”。2002年11月，化学品委员会与化学品、农药和生物技术工作小组，举行了第34次联席会议，为提高对(Q)SAR的监管接受程度，成立了(Q)SAR专家组，专家组成员由OECD成员国提名。2003年，OECD开始推行(Q)SAR相关项目，并由(Q)SAR专家组负责执行这些项目。开展这些项目的目的是推动在化学品环境管理过程中使用(Q)SAR技术开展评估。同时，OECD还制订了一套原则，用以评估(Q)SAR的发展状况，并确认其效力。

3.3.2 OECD (Q)SAR模型验证原则的确立

OECD (Q)SAR模型验证规则实际是对“塞图巴尔”原则的继承和发展。(Q)SAR专家组将“塞图巴尔原则”重新定义为确定的终点(原则1)、明确的运算方法(原则2)、定义应用域(原则3)、适当验证模型拟合优度、稳健性和预测能力(原则4)、如果可能，进行机理解释(原则5)。这些原则被作为OECD的(Q)SAR模型原则提交联席会议。与会者一致认为，原则4中的内部和外部验证对(Q)SAR的整个验证过程都很重要。不过，(Q)SAR专家组会议就原则4进行了广泛的讨论，但未达成共识。部分专家要求将这一原则改写为2项单独的原则，与“塞图巴尔原则”的最初定义保持一致，理由是目前的方法没有充分强调外部验证。另一些专家认为，应简化“塞图巴尔原则”，单一原则更适合于成员国在监管方面的灵活性。

2004年，OECD成员国就确认(Q)SAR模型用于化学品监管的评估原则达成一致，发布了《OECD (Q)SAR验证原则》(OECD Principles for the Validation of (Q)SAR)，即(Q)SAR模型需遵循的5项原则[3]。在此基础上，2007年OECD发布《(Q)SAR模型验证指导文件》(Guidance Document on the Validation of (Quantitative)Structure-Activity Relationships [(Q)SAR] Models)[17]。这些文件的发布为OECD成员国管理及评估(Q)SAR模型的提供了基础，有助于指导计算毒理学模型的评估和科学应用。

3.3.3 OECD在(Q)SAR模型评估方面的贡献

OECD在(Q)SAR项目研究方面取得诸多成果，包括OECD (Q)SAR工具箱、(Q)SAR工具箱的常见问题解答、OECD系列指导文件和报告(21份)、工具箱中模型捐赠者信息以及(Q)SAR工具箱的论坛等[18]。此外，为审核模型是否满足OECD (Q)SAR模型的构建原则提供指导，(Q)SAR专家组完善了(Q)SAR模型审核对照表，涉及了5个大类，22项问题，通过这些问题可以判断模型是否满足OECD的5项原则。

3.4 欧盟经验

根据REACH法规附件11，如果满足某些条件，可以通过使用非试验方法，如(定量)结构-活性关系((Q)SAR)来替代标准试验[7]。联合研究中心(Joint Research Centre, JRC)是欧洲委员会的科学和知识服务机构，总部设在布鲁塞尔。JRC建立了QSAR模型数据库，负责组织开展QSAR模型的评估，规定应根据OECD标准来描述和记录QSAR模型。根据OECD原则，JRC和欧盟成员国制定了QSAR模型报告格式(QMRF)，作为总结和报告QSAR模型关键信息的统一模板。

JRC QSAR数据库提供关于QSAR模型有效性的信息，可用于识别有效的QSAR并用于化学品监管。该数据库是一个可自由访问的web应用程序，它允许用户提交、发布和搜索QMRF。QSAR模型的开发人员和用户可以使用QMRF向专用邮箱提交有关QSAR的信息。

3.4.1 JRC QSAR模型评审程序

2017年，JRC发布《JRC QSAR模型数据库 用户支持和教程》《JRC QSAR模型数据库 SDF-结构数据格式 如何从SMILES中创造》《JRC QSAR模型数据库 作者和编辑指南》《JRC QSAR模型数据库 审稿人指南和协议模板》[1,9,19]，这一系列指导文件规定了模型开发者如何提交模型相关有效信息，JRC组织评审专家对模型相关信息进行评估，以及JRC在官网上发布QSAR模型的具体要求。

JRC QSAR模型评估程序共有3个步骤。第1步由开发者提交QMRF初稿，JRC审查QMRF完整性并确定评审专家；第2步由评审专家对QMRF进行审查，JRC将审查意见反馈给开发者，开发者进一步修改QMRF；第3步由JRC接受并对QMRF做最后检查后发布。

QMRF共包括10个部分，即QSAR标识符、基本信息、定义终点、定义算法、定义应用域、定义拟合优度和稳健性、定义预测性、提供一个机理解释、其他信息，以及JRC QSAR模型数据库摘要(JRC编制)。

根据JRC发布数据，QMRF终点分为6种类型，其中理化性质分类26种，环境行为参数11种，生态毒性效应13种，人体健康效应19种，毒性动力学10种，以及其他，如图1所示。

图1 定量结构-活性关系(QSAR)模型报告 格式(QMRF)终点分类图Fig. 1 Quantitative structure-activity relationship (QSAR) Model Report Format (QMRF) endpoint classification chart

根据欧盟《JRC QSAR模型数据库 审稿人指南和协议模板》[19]JRC QSAR模型数据库的全部信息内容由该领域的专家进行评估，并定期发表修订后的报告。根据评估结果，该模型将或者在JRC QSAR模型数据库中发布，或者返回作者进行进一步修订。值得注意的是，模型收录进JRC QSAR模型数据库并不意味着JRC或欧洲委员会接受或认可该模型，使用模型的责任在于最终用户。

3.4.2 JRC QSAR模型数据库构成

截至2021年2月，JRC QSAR模型数据库共包括154个模型，具体包括五大类共35个预测终点：理化数据预测模型15个，环境行为与归趋模型27个，急性毒性模型32个，慢性毒性模型50个，其他毒性终点模型30个，如表1所示。

表1 联合研究中心(JRC)定量结构-活性关系(QSAR)模型数据库分类明细表Table 1 Joint Research Centre (JRC) quantitative structure-activity relationship (QSAR) model database classification schedule

4 我国计算毒理与暴露预测模型软件征集与评估思路(Ideas on software solicitation and evaluation of computational toxicology and exposure prediction model in China)

发达国家已经开发了多种预测不同终点的计算毒理学模型，并使用这些模型来评估化学品相关特性。他们总结发现，模型验证过程的透明性和模型预测结果的可靠性，对于进一步提高计算毒理学模型在监管中的应用至关重要。我国计算毒理学模型评估领域处于起步阶段。2021年，我国生态环境部固体废物与化学品管理技术中心，公开向社会征集能够用于预测化学物质相关数据的计算毒理学模型及软件，且优先征集具有高通量预测功能的单机版软件。对于所征集的模型及软件，生态环境部固体废物与化学品管理技术中心将统一开展模型及软件的评估。对于模型，将从模型的预测终点、构建方法、建模数据、模型验证和应用域等方面开展评估；对于软件，将从软件中模型的科学性、软件使用的便捷性和稳定性、软件预测结果的可靠性以及软件开发过程的透明性等方面开展评估。

5 我国计算毒理学模型评估体系的建设路径(Construction path of evaluation system of computational toxicology model in China)

化学物质环境管理虽为宏观，但面对环境中大量存在的有毒有害化学物质，需要更为专业的管理技术。从管理部门角度出发，工作重心是模型的评估体系建设和模型应用[20-22]。“十四五”期间，可参考发达国家的经验做法，从以下2个路径推动该领域工作：

从国家数据安全考虑，一方面“自筛、自评、自认、自验”一批发达国家推荐使用的线下模型和软件；另一方面利用我国国内高校、科研院所、企事业单位技术优势，通过公开征集、合作开发等形式，形成一批经过评估的、科学可靠的计算毒理学模型和软件。通过上述2条路径，逐步解决我国化学物质高通量风险筛查阶段的基础数据缺失的现实问题，形成对化学物质环境风险管理工作的有效支撑。

近期拟优先开展的工作计划如下：

首先，公开征集计算毒理与暴露预测模型和软件。建立计算毒理学模型和软件的评估机制，编制计算毒理与暴露预测模型征集方案，面向全社会公开征集计算毒理与暴露预测模型和软件，并开展模型和软件的符合性评估，对经评估后的单机版软件推荐在化学物质环境管理中应用。

其次，服务新化学物质申报登记需求。开展反复染毒和生殖/发育毒性计算毒理学预测模型软件的评估和应用研究；使用经数据质量评估后的数据集开展模型比对验证；对于其他由企业提交的计算毒理学模型软件，重点论证模型建模使用数据的科学性和可靠性、应用域范围以及预测过程的透明性。

再次，初步开展化学物质PBT属性高通量预测。评估并应用国外官方机构组织论证的预测模型软件，开展化学物质PBT属性预测，填补已有数据库中的持久性、生物累积性和水环境毒性试验数据空白。

最后，积极调动社会优势资源，强化自主研发模型影响力。通过组织国内从事计算毒理学研究的企事业单位、高校和科研院所开展计算毒理学模型软件联合开发和预测能力比对工作，调动全社会开展计算毒理学模型软件研究和开发的积极性，争取尽快实现3～4个国内自主研发的计算毒理模型由模型到软件的转化，服务国家化学物质环境管理。

诚然，所有的模型都不是完全正确的，模型预测数据不能产生“真相”，但只要它们能够为我国化学物质环境管理提供分析和信息，我们都要欣然接受。但是，我们接受的计算毒理学模型一定是经过模型评估后的“最佳模型”。我国的计算毒理学模型评估技术方法可以根据现实问题进行修改。例如，用于化学物质风险管理的筛选模型，应该经过严格的评估，提供“保守的”或风险规避的模型，以避免假阴性；同时，仍然不会因为预测数据的生成使得受监管的区域增加不合理的负担，以避免假阳性。理想情况下，计算毒理学模型开发前，模型开发人员应该与化学物质管理者充分沟通，以确定模型评估的适当程度。