近年来，受气候变化、营养盐输入及水文条件变化等多重因素影响，淡水水体蓝藻水华发生的频率、持续时间和空间范围不断增加，由此产生的微囊藻毒素等蓝藻毒素已成为威胁饮用水安全的重要水质风险之一。传统蓝藻水华预警主要依赖叶绿素a、藻蓝蛋白、藻细胞丰度以及卫星遥感等指标，但“水华强度”并不等同于“毒素风险”：高生物量水华可能以非产毒藻株为主，而在部分低生物量条件下，环境胁迫、细胞裂解及毒素释放又可能导致水体中毒素浓度升高。因此，如何从“预测蓝藻多少”进一步转向“直接预测毒素多少”，成为蓝藻水华风险管理和饮用水安全保障中的关键科学与工程问题。论文指出，蓝藻生物量与实际毒素浓度之间存在由基因型组成、毒素基因表达、细胞毒素配额、细胞裂解以及水动力输运等多尺度过程共同造成的“生物量—毒性解耦”现象。

对此，课题组联合相关研究团队在 Water Research 发表综述论文，系统梳理了蓝藻毒素预测从传统环境因子和经验模型，到分子生物标志物、多源数据融合、机器学习以及机理约束人工智能的发展路径。文章特别区分了三个容易混淆的预测任务：蓝藻水华或生物量预测、毒素出现或超标风险预测，以及蓝藻毒素浓度的直接定量预测。研究指出，只有针对总毒素、特定毒素异构体以及胞内/胞外毒素浓度等直接终点开展独立验证，才能真正支撑饮用水风险预警。已有研究中，部分短期毒素预测的阈值识别准确率可达到约85%–94%，但跨水体迁移时模型性能差异显著，例如基于10个湖泊、12个监测点数据开展留一地点验证时，AUC可从0.54变化至0.96，说明模型在一个水体中表现良好，并不意味着能够直接迁移至另一个水体。

文章进一步提出，未来蓝藻毒素精准预测需要从单一数据源走向多尺度、多模态数据融合。卫星遥感能够提供水华的大尺度空间信息，在线水质传感器能够获得高频环境变化，qPCR和RT-qPCR等分子检测则能够进一步识别产毒基因及其表达状态。已有现场研究表明，在部分水体中，产毒相关分子指标可比毒素浓度升高提前约1–2周出现，为早期预警提供新的可能。但文章同时强调，这一时间窗口并非普适常数，其有效性受到目标基因、蓝藻生理状态、毒素形态、采样频率以及具体水体条件等因素影响。因此，未来的智能预警系统需要同时考虑不同数据的时间分辨率、检测延迟、空间尺度以及跨区域迁移能力，避免将实验室事后获得的信息错误地作为实时预测输入。

在人工智能方法方面，文章重点讨论了可解释人工智能（XAI）和物理/机理约束机器学习（PIML）在蓝藻毒素预测中的潜力。XAI能够帮助研究人员识别模型在发出某一次高风险预警时主要依赖哪些环境变量，并审查模型是否学习到了合理的环境响应关系；PIML则可以进一步将毒素生成、胞内外分配、降解以及水动力输运等过程知识纳入模型训练，从而减少出现明显违背环境过程规律的预测结果。不过，文章也指出，模型“可解释”并不意味着因果关系已经建立，加入物理约束也不意味着模型一定更加准确。目前针对蓝藻毒素浓度和胞内外分布开展直接现场验证的PIML研究仍然有限，模型可靠性仍需要通过跨年份、跨站点甚至跨湖泊的独立验证加以检验。

更重要的是，文章将蓝藻毒素预测进一步延伸至饮用水厂的实际风险控制。研究提出构建“生态观测—人工智能预测—不确定性评估—化学检测验证—水厂处理响应—运行反馈”的闭环框架：首先利用遥感、在线水质、分子指标等信息形成毒素风险预测，再通过LC-MS/MS等直接检测手段进行确认，并结合水厂自身的混凝沉淀、活性炭吸附和氧化等工艺条件，判断是否需要调整取水、增加监测或优化处理参数。特别是，对于胞内毒素和胞外溶解态毒素，应采用不同的处理策略；未来人工智能的作用并非简单替代水厂操作人员，而是形成具有不确定性边界、能够被验证并由运行人员监督的智能决策支持系统。

在此基础上，文章提出未来值得重点推进的四个方向：建立标准化、毒素特异性的高质量数据库；缩短分子指标及直接毒素检测的分析延迟；发展能够应对不同湖泊和水源地“域偏移”的跨区域迁移模型；进一步由总毒素浓度预测发展至不同毒素异构体和毒性当量预测，并最终与水厂处理响应模型连接。该框架推动蓝藻水华风险管理从传统的“看到水华后响应”，逐步走向面向毒素风险的提前感知、精准预测和动态干预。

本研究以“Predicting Cyanotoxin Concentrations in Freshwater Ecosystems: Bridging Molecular Indicators and Explainable Artificial Intelligence”为题，发表于水环境领域顶尖期刊 Water Research（DOI：10.1016/j.watres.2026.127005）。侯璇、刘雨馨为论文共同第一作者，殷冉副教授等为通讯作者。研究得到国家自然科学基金、生态环境部长江连通湖泊保护与修复重点实验室开放基金、河口海岸学国家重点实验室开放基金、江苏省半导体激光与传感技术重点实验室开放基金、江苏省自然科学基金及苏州市创新创业领军人才计划等项目资助。