抗生素广泛用于医疗与养殖，排入水体后往往难以降解、易在环境中残留，并可能带来转化产物累积与诱导抗性基因传播等相关风险。近年来，光催化因能在温和条件下产生多种活性氧（ROS）而被视作有效去除手段，但其反应常呈现“多路径并行、产物谱系复杂”的特征：一方面母体浓度快速下降，另一方面却可能生成更难降解或更高风险的转化产物（TPs）。因此，抗生素光催化面临的核心挑战不仅是“去除得快”，还包括：（1）产物不确定性：TPs数量多、结构差异大，难以用少量代表性产物概括；（2）网络复杂性：反应不是单线通路，而是多分支网络，关键分叉点决定产物走向；（3）热力学—动力学双重门槛：某些路径热力学可行但动力学受阻，导致实际不发生或发生比例很低；（4）风险评估缺失：传统研究多停留在母体降解，对TPs的生态毒性、生物降解性乃至耐药相关风险缺乏系统量化。如何在复杂反应网络中同时回答“哪些路径能走”以及“走到哪里更安全”，仍是抗生素去除的关键痛点。
图1. 机制锚定-风险导向的光催化抗生素降解一体化工作流程。（a）抗生素降解过程中的机理复杂性与分子层面的不确定性。（b）反应可行性评估与生态风险评分的预测框架。
南京大学马晶、张淑娟团队在Angewandte Chemie International Edition上报道了一个“机制锚-风险导向”的自动化工作流，系统描绘四环素（TC）光催化转化全景图，并将环境风险纳入路径优选。作者以可见S掺杂TiO₂体系为模型：首先用LC-MS/HRMS鉴定关键TPs，并依据峰强随时间的演化提出5条主要降解路径（I–V）；同时通过EPR与猝灭实验识别活性物种在不同抗生素降解中的相对贡献，提示“同一催化剂、不同底物由不同活性物种主导”，为后续机理推断提供实验支撑。随后，作者将实验识别到的TPs作为“真实锚点”构建反应网络，并按H抽提、自由基复合、开环、碎片消除与多电子氧化等反应类型对网络边进行分类；网络中出现多个高度连接的TPs作为分叉节点连接不同路线，揭示“哪些中间体决定产物谱系”的关键结构线索。
图2. 可见光条件下S-TiO2对三种抗生素（TC、CIP和BCH）的光催化降解性能及活性物种识别。（a）在不同条件下三种抗生素于180 min内的降解效率：光催化（pc）、仅光照（p）和仅催化剂（c）。（b）基于一级动力学模型拟合的反应速率常数。（c）可见光照射下活性物种生成的EPR谱图。（d）S-TiO2在可见光照射下的光催化反应机理示意图。（e）抗生素分子结构及在不同猝灭剂存在下反应180 min后各活性物种的相对贡献。
图3. 反应热力学-动力学可行性筛选。（a）通过LC–MS鉴定的转化产物（TPs）及提出的五条降解路径（路径 I–V）。（b）TC降解反应网络图，其中节点表示TC及其转化产物（TPs），边按反应类型着色，绿色与红色连线分别表示动力学可行与动力学不可行的反应步骤。（c）关键反应类型的反应自由能（ΔG）统计分布，包括去甲基化（deCH3）、去羟基化（deOH）、去氨基化（deNH2）、脱羰基化（de(C=O)）、羟基化、开环反应、羰基还原以及醇氧化为醛等反应。
面对反应网络规模庞大、逐步开展DFT计算代价高的问题，团队基于9533个DFT-ΔG构建数据集并训练机器学习模型，实现对反应网络的快速热力学快筛与优先级排序。与此同时，作者进一步引入自动过渡态搜索与能垒计算，将动力学可达性纳入评估。在网络中定位大量中间体与过渡态，对重要分支用ΔG‡
阈值区分“可行”与“受阻”步骤，从而筛出更可能在光催化条件下实际发生的绿色路线。更重要的是，外部验证覆盖环丙沙星（CIP）等5种抗生素共545个反应，即使pH不同、反应类型从断裂扩展到偶联、甚至计算层级不同，模型仍保持可靠外推能力，为“跨体系、跨条件”的反应能量筛选提供了工具基础。
图4. 基于机器学习对抗生素降解网络中吉布斯自由能变化（ΔG）的预测。（a）反应数据库的构建以及用于机器学习模型输入的分子/反应描述符提取。（b）在5折交叉验证下，DFT计算的自由能变化与不同机器学习模型预测值之间的相关性。（c）特征重要性分析（SHAP值）。（d）基于环丙沙星抗生素的外部验证。（e）在不同条件（pH环境、反应类型及计算理论水平）下模型性能的鲁棒性评估。
在“反应可行性”之外，团队提出DEBF多维评分，将反应可行性（ΔG）、生态毒性（LD50）、生物可降解性（BIOWIN）与路径多样性整合，用于优选更符合环境目标的降解路线；并进一步以四环素耐药相关蛋白为靶标开展分子对接，评估TPs与耐药靶标的潜在相互作用倾向，为识别“降解了但风险更高”的高风险产物提供了补充视角。总体而言，该工作将“实验产物证据—机理网络—ML快筛—风险闭环”贯通起来，把抗生素光催化从单纯追求去除率，推进到兼顾生态安全与耐药风险的路径设计与评价框架，为后续催化剂与工况优化提供了更可执行的“安全导向”准则。
图5. 用于环境友好型抗生素降解途径的评估框架。（a）优选路径的DEBF四维评分流程。（b）基于DEBF四维评分提出的五条路径中的最优降解路线。
图6. 转化产物诱导抗生素耐药性的风险评估。（a）TC及其转化产物（TPs）与tetM之间的结合示意图。（b）优化路径中TPs与其他TPs之间∆∆E的比较。（c）基于归一化毒性、生物可降解性和∆∆E的三类风险分级：低风险（绿色方块，优选分子）、中风险（橙色三角形，可选分子）和高风险（蓝色圆点，淘汰分子）。（d）基于与理想点（1, 1, 1）的欧氏距离进行的ARG风险二维投影分析。（e）参与tetM对接的代表性分子基团。（f）TPs与tetM之间的关键残基相互作用分析。
原文（扫描或长按二维码，识别后直达原文页面）：
Mapping Antibiotic Photocatalytic Transformation and Resistance Risks with a DFT-Informed Machine Learning Workflow
Chen-Chen Zhao, Sihan Xing, Cheng Fu, Lifeng Zheng, Huaizhu Wang, Zhong Jin, Shuhua Li, Shujuan Zhang, Jing Ma
Angew. Chem. Int. Ed., 2026, DOI: 10.1002/anie.202520124
研究团队介绍
马晶，南京大学化学学院教授，博士生导师，南京大学至诚特聘教授。国家自然科学基金委杰出青年基金、霍英东青年教师基金获得者、入选教育部“新世纪人才计划”。先后获得第九届中国青年女科学家，中国化学会青年化学奖、首届南京青年科技创新奖、教育部自然科学一等奖两项（第三、四完成人）。获得2023年全国巾帼建功标兵和2013年江苏省巾帼建功标兵，“江苏省新长征突击手”等荣誉称号。担任Langmuir期刊编辑，还担任Journal of Chemical Theory and Computation, Journal of Physical Chemistry Letters和《物理化学学报》期刊编委。先后担任中国化学会女化学工作者委员会委员、中国化学会理论化学委员会委员。
课题组主页：
https://itcc.nju.edu.cn/majing/index_chn.html
https://www.x-mol.com/university/faculty/11613
张淑娟，南京大学环境学院教授，博士生导师，南京大学至诚特聘教授。国家杰出青年科学基金、国家优秀青年科学基金获得者。先后入选教育部“新世纪优秀人才支持计划”、江苏省“双创人才引进计划”、江苏省“六大人才高峰支持计划”、南京大学“登峰人才支持计划”。主要研究方向为水污染控制与生物风险防控化学。
课题组主页：
https://hjxy.nju.edu.cn/szdw/hjgcx/js/20210604/i201783.html
https://www.x-mol.com/university/faculty/336034
点击“阅读原文”，查看
化学 • 材料 领域所有收录期刊
