全球每年约有150万吨纳米材料废物进入环境,危害人类健康。纳米颗粒组成的超细颗粒物极容易悬浮在空气中,被人类吸入。因此肺部是纳米颗粒进入人体的主要途径,和其毒性作用的主要靶器官。面向纳米呼吸暴露导致的”人民生命健康”重大需求,需要发展纳米材料肺部健康风险高效评估方法。依赖活体动物实验的评价方法具有伦理问Dolutegravir IC50题、效率低下和机理不明等局限性。亟需发展计算毒理学模型替代动物实验。本研究基于高通量细胞测试和动物实验,构建了涵盖37种纳米材料理化性质、细胞毒性和动物毒性的数据库;开发了预测纳米材料诱导免疫细胞死亡和炎症效应的机器学习模型,测试集预测准确率分别达到96%和90%;模型的实验验证方面,选择了建模数据集范围之外的新材料对其免疫细胞毒性和炎症效应分别进行实验检测,然后将实验数据与两个模型预测结果相比对。经验证,免疫毒性和炎症效应模型对全新的实验数据预测准确率高达91%和86%。结构-效应关系分析和细Nirogacestat使用方法胞内成像实验结果共同表明,溶酶体中释放的有毒离子是MeONPs诱导免疫细胞毒性的重要决定因素。材料的ζ-电位、电负性和尺寸也是预测纳米毒性的关键特性。机器学习分析、密度泛函理论(DFT)计算和实验结果共同说明,细胞摄取,溶酶体损伤及组蛋白酶cathepsin B释放是金属氧化物造成炎症的关键事件。本研究通过人工智能和机器学习实现了金属氧化物诱导免疫毒性和炎症效应的高通量准确预测,并识别和证明了毒性机理。该研究开发的软件平台操作便利,可实现大批量纳米产品风险预测,为未来实现以计算模拟替代大规模动物实验SARS-CoV2 virus infection提供了可能。