王斌

职称：长聘副教授/研究员，博士生导师

职务：开云app体育 生育健康研究所副所长

邮箱：binwang@pku.edu.cn

地址：北京市海淀区学院路38号

座机：+86-010-82801172

教育工作经历

02/2024至今  开云app体育 ，公共卫生学院，生育健康研究所，长聘副教授

01/2018~01/2024 开云app体育 ，公共卫生学院，生育健康研究所，预聘助理教授

08/2013~12/2017 开云app体育 ，公共卫生学院，生育健康研究所，助理研究员

03/2014~05/2014 美国Michigan State University，访问学者

09/2008~07/2013 开云app体育 ，城市与环境学院，博士

12/2010~12/2011 美国Washington University，访问学者

09/2004~07/2008 大连理工大学，环境科学与工程学院，学士

教学科研简介

主要研究方向为环境与生殖健康，采用暴露组学大数据、人工智能、环境流行病学等技术手段，揭示环境污染暴露对人群生育健康的影响及机制，构建健康风险评价模型。主持国家自然科学面上和青年基金4项，骨干参与国家重点研发项目3项，本科生/研究生教学改革项目2项，以第一或通讯作者在Environ Health Persp、Environ Sci Tech、The Innovation等国际权威期刊发表论文共60余篇 (H指数=45，他引6000余次)。担任环境健康领域TOP期刊Environ Sci Tech副主编，参与多个国内外知名期刊的编委工作（Environ Int、Environment & Health、Eco-Environmental Health、China CDC Weekly和“环境卫生学杂志”）。开设本科生教改课程“暴露组学”，研究生课程“环境暴露组学”，全球健康国际高端公共卫生硕士课程“Environment & Health”。担任中国队列共享平台“环境与人群健康”组长，环境诱变剂学会环境与生育健康专委会副秘书长。获得北京预防医学会科技二等奖、华夏医学科技奖三等奖和“全国科技系统抗击新冠疫情优秀个人”称号。

主要研究方向

环境健康、暴露组学、生物信息与人工智能

代表性科研项目

1. 国家自然科学基金面上基金项目，42477455，基于暴露组学大数据的区域育龄女性血卵中PFASs浓度预测模型构建，2025/01-2028/12，47万元，主持，在研

2. 国家自然科学基金面上基金项目，42077390，育龄妇女多环芳烃血-卵屏障穿透特征及其影响机制研究，2021/01-2024/12，57万元，主持，在研

3. 国家自然科学基金面上基金项目，41771527，华北典型地区育龄妇女多环芳烃的体外及体内暴露水平研究，2018/01-2021/12，63万元，主持，结题

4. 国家自然科学基金青年基金项目，41401583，育龄妇女的细颗粒物暴露水平及其机体氧化损伤的城乡差异，2015/01-2017/12，25万元，主持，结题

5. 典型区域大气污染健康影响评估与应用示范，国家科技部重点研发计划，基金号：2023YFC3708305，课题5：大气污染致病的全链条追因及疾病负担评价研究，子课题：人体内暴露评估和健康风险整合分析模型，2023/12-2027/11，36万元，子课题负责人/骨干，在研

6. 典型新兴农用化学品的暴露特征及其生殖健康风险评估. 科技部政府间国际科技创新合作（中国和美国），基金号：2022YFE0134900，课题1“典型新兴农用化学品的暴露特征及其与生殖健康效应的关联性”，2023/01-2025/12，60万元，课题1负责人/骨干，在研

7. 国家科技部重点研发计划，新型冠状病毒传播的流行病学及防控策略评价研究，基金号：2020YFC0846300，2020/04-2021/04，500万元，骨干，结题

8. 开云app体育 本科生教学改革项目，JG2023137，基于暴露组学大数据平台的环境健康专业教学实践，2023/03-2024/02，4万元，主持，结题

9. 开云app体育 研究生课程建设项目，暴露组学大数据交互平台支撑的环境与健康交叉学科教学，2023/12-2024/12，2万元，主持，在研

10篇代表性论文

1. Zhang G, Lin W, Gao N, Lan C, Ren M, Yan L, Pan B, Xu J, Han B, Hu L, Chen Y, Wu Y, Zhuang L*, Qun Lu*, Bin Wang*, Fang M. Using Machine Learning to Construct the Blood−Follicle Distribution Models of Various Trace Elements and Explore the Transport-Related Pathways with Multiomics Data. Environmental Science & Technology. 2024, 58, 18, 7743–7757.

2. Zhao F, Li L, Lin P, Chen Y, Xing S, Du H, Wang Z, Yang J, Huan T, Long C, Zhang L, Wang B*, Fang M*. HExpPredict: In Vivo Exposure Prediction of Human Blood Exposome using A Random Forest Model and Its Application in Chemical Risk Prioritization, Environ Health Perspect, 2023, 131:37009.

3. Wang B, Pang Y, Li K, Jiang J, Zhu Y, Li Z, Pan B, Zhang L, Zhang Y, Ye R, Li Z*. First evidence on the adverse effect of maternal germanium exposure on fetal neural tube defects, Environ Sci Technol Lett. 2023, 10: 192–197.

4. Feng Y, Su S, Lin W, Ren M, Gao N, Pan B, Zhang L, Jin L, Zhang Y, Li Z, Ye R, Ren A, Wang B*. Using Machine Learning to Expedite the Screening of Environmental Factors Associated with the Risk of Spontaneous Preterm Birth: From Exposure Mixtures to Key Molecular Events, Environ Sci Technol Lett, 2023, 10, 11, 1036–1044.

5. Fang M., Hu L., Chen D., Guo Y, Liu J, Lan C, Gong J*, Wang B*. Exposome in human health: Utopia or wonderland? The Innovation, 2021, 2: 100172.

6. Liu X, Chen D*, Wang B*, Xu F, Pang Y, Zhang L, Zhang Y, Jin L, Li Z, Ren A. Does low maternal exposure to per- and polyfluoroalkyl substances elevate the risk of spontaneous preterm birth? A nested case-control study in China. Environ Sci Technol. 2020, 54: 8259-8268.

7. Ren M#, Pei R#, Jiangtulu B#, Chen J#, Xue T, Shen S, Yuan X, Li K, Lan C, Chen Z, Chen X, Wang Y, Jia X, Li Z, Rashid A, Prapamontol T, Zhao X, Dong Z, Zhang Y, Zhang L, Ye R, Li Z, Guan W*, Wang B*. Contribution of temperature increase to restrain the transmission of COVID-19 in China. The Innovation, 2020, 2: 100071.

8. Jia X#, Chen J#, Li L#, Na Jia*, Jiangtulu B, Xue T, Zhang L, Li Z, Ye R, Wang B*, Modeling the prevalence of asymptomatic COVID-19 infections in the Chinese Mainland. The Innovation, 2020, 1: 100026.

9. Wang B#, Jin L#, Ren A*, Yuan Y, Liu J, Li Z, Zhang L, Yi D, Wang LL, Zhang Y, Wang X, Tao S, Finnell RH. Levels of polycyclic aromatic hydrocarbons in maternal serum and risk of neural tube defects in offspring. Environ Sci Technol, 2015, 49: 588-596.

10. Wang B, Li K, Jin W, Lu Y, Zhang Y, Shen G, Wang R, Shen H, Li W, Huang Y, Zhang Y, Wang X, Li X, Liu W, Cao H, Tao S*. Properties and inflammatory effects of various size fractions of ambient particulate matter from Beijing on A549 and J774A.1 cells. Environ Sci Technol, 2013, 47: 10583-10590.

说明：*通讯作者，#共同第一作者

团队工作进展

环境暴露是影响人体健康的重要危险因素。然而，在真实多污染物暴露条件下的健康风险评估尚存在巨大挑战，这与暴露场景的复杂性、评价方法的局限性、健康结局的多样性均有重要关系。环境污染物排放具有典型的时空异质特征，再加上组分类型、暴露途径、摄入剂量等影响因素，导致暴露评估往往存在较大误差。同时，污染物从外环境到人体内部的过程极为复杂，如何确定人体“内-外”暴露的定量关系成为有效开展环境健康风险评估的瓶颈之一。此外，在污染物暴露导致的健康结局中，孕期不良生育健康结局是较为敏感的一类，选择这种敏感的健康终点所确定的暴露剂量阈值，对于高效开展健康风险评价工作也较为重要。研究团队针对以上制约环境健康风险评价的瓶颈问题，选择污染物排放密度较高的典型地区，采用多学科研究方法，在区域调查上基于“污染暴露—内外关联—生育健康”的思路开展研究工作。典型工作如下：

（一）提出了选择关键暴露窗口开展环境健康研究的新思路，建立多种痕量污染物同步分析方法，论证了特定暴露生物标志物的可靠性。

暴露组学是揭示人类疾病病因的前沿科学，其核心思想是全盘考虑人体整个生命周期中的所有环境暴露，通过暴露组关联分析揭示影响人体健康的重要影响因素。针对其理论和实际应用存在的诸多挑战，申请人提出围绕敏感人群划分关键暴露窗口开展暴露组学研究的思想（图1A），这更易于揭示影响人类疾病的关键环境暴露因素，以及针对易感人群采取有效的疾病预防措施。然而，准确评价个体的环境暴露水平挑战较大，比如：由于人体周围环境的暴露因素较多，且大部分有害物质的含量常处于痕量水平，导致生物标本的可利用量往往不能满足仪器分析的要求。此外，生物样品基质较为复杂，对多组分定量分析带来严重基质效应。申请人克服了相关技术难题，开发了系列同步分析方法（图1B-D），比如血液中的多环芳烃（PAHs）、有机氯农药（OCPs）、多氯联苯（PCBs）、多溴代联苯醚（PBDEs）、无机元素等，头发中多环芳烃、尼古丁/可替宁、卤代内分泌干扰物、无机元素等，获批国内发明专利1项，有力支撑相关暴露评估研究的开展。

（二）明确了影响典型环境污染物人群内外暴露定量关系的关键因素，构建了预测区域人群常见污染物人体内暴露水平的统计模型，为结合人体内、外暴露信息优化区域环境风险因素管控的级别提供新方法。

人体血液中有机物浓度是其内暴露的重要评价指标。研究团队基于人体血液中污染物浓度受到其暴露剂量、暴露途径、代谢特性、物化性质等因素影响的基本假定，进而量化这些因素以开发统计模型预测血液中污染物浓度。研究团队通过检索大量文献构建了区域人群的有机污染物暴露评价数据库；此外，整合了人体暴露组和代谢组数据库（HExpMetDB）、美国环保署（US-EPA）的ExpoCast和ToxCast、美国疾病控制中心的NHANES、国际癌症研究机构（IARC）的Exposome-Explorer等高质量调查数据，一共纳入10大类化学品，包括多环芳烃（PAHs）、全氟烷基类物质（PFASs）、阻燃剂、农药、邻苯二甲酸酯类、双酚类等物质。研究发现，污染物的暴露摄入量、暴露途径、人体内分布体积、代谢半衰期等4个参数是影响模型预测效果的最重要变量。由此，建立了预测人体血液中这10大类有机物（共8074个化合物）的浓度的机器学习模型，获得了重要的模型参数（Environ Health Perspect 2023, 131, 37009）。目前，国际癌症研究机构（IARC）建立的全球最大的暴露组学数据库仅提供274个物质内外暴露关系。本研究相对于既往研究工作在污染物数量、关键影响因素、模型准确性方面均有重要突破。美国密歇根州立大学Courtney Carignan 教授在EHP期刊撰文认为“预测血液中数千种污染物看起来是几乎不可能的，但研究团队团队创新性地提供了巧妙的计算方法”（Environ Health Perspect. 2023, 131:31304）。

（三）定量评估了在高污染区域孕妇人群的污染暴露水平与不良生育健康结局的关联性，尤其提供了母亲孕期锗、多环芳烃（PAHs）等暴露影响胎儿神经管发育的关键证据。

环境污染与人体健康风险的关系较为复杂，相关研究结果的准确性受到多种因素的影响，比如环境暴露的多样性、暴露生物标志物的可靠性、致病机制的复杂性等。针对这些挑战，研究团队主要从四个层面着手解决，包括（1）空间差异：在空间上纳入具有区域代表性的人群进行对比分析，尤其考虑到污染物排放的区域代表性；（2）敏感结局：选择孕妇这一敏感人群的重要生育指标作为健康终点；（3）关键窗口：注重选择关键暴露时间窗口的生物标本；（4）生物学证据：综合利用动物实验模型、可靠的暴露标志物、高质量的生物信息数据库等信息阐释影响机制。基于以上思路，研究团队在具有高污染排放特征的区域开展多项应用案例研究，定量评估孕妇PAHs、PFASs、金属元素暴露与不良生育健康结局的关系，其中代表性的4项工作如下：

（1）在PAHs 排放强度较高的河北和山西地区开展病例-对照研究，发现母亲血清中PAHs浓度与胎儿神经管缺陷（NTDs）风险有明显的剂量-效应关系，且高分子量PAHs相对于低分子量呈现更明显的风险增加趋势（Environ Sci Technol 2015, 49, 588-596）；

（2）对于空气污染较为严重的河北和山西地区，利用头发标本分析的优势，追溯孕妇在神经管闭合关键时间窗口期的暴露特征。首次发现母亲孕早期头发中的锗元素含量与胎儿NTDs风险显著关联，并且在当地两个人群的观察结论一致；同时，采用其他独立的出生队列验证表明，孕妇锗元素暴露可能通过提高体内DNA氧化损伤水平或降低免疫能力，进而导致胎儿NTDs风险增加；此外，动物模型验证发现，大鼠毛发中的锗元素含量能够有效指示其摄入水平，论证了头发锗指示环境摄入剂量的可靠性。总体而言，本研究提供了元素锗与NTDs风险关系的重要证据链（Environ Sci Technol Lett 2023, 10, 192–197.）。这些案例研究得到的风险评价参数，可为深入开展基于内暴露评价的人体健康影响评估提供重要的科学支撑；

（3）在山西、北京和山东三个地区募集育龄女性人群开展队列研究，发现在目前的暴露水平下，PFASs尚不能导致孕早期流产和自发性早产这两个重要生育健康结局风险的增加（Environ Int 2021, 157, 106837; Environ Sci Technol 2020, 54, 8259-8268）；但在分子作用层面，发现即便在较低的PFASs暴露水平下，其也可能抑制血液中非常重要的免疫因子（细胞白介素-8和单核细胞趋化蛋白-1）的表达；

（4）综合PFASs、无机元素、免疫效应、氧化损伤标志物和脂质特征共1080个暴露信息，构建多组学机器学习模型预测自发性早产发生风险，筛选相关的重要生物通路和分子事件，尤其揭示了甘油磷脂和21碳脂肪酸(C21:0)在预测自发性早产风险的重要贡献（Environ Sci Technol Lett, 2023, 10, 11, 1036–1044）。

未来重点工作

拟根据我国新污染物的区域排放特征，选取代表性地区募集育龄女性人群，开展新污染物暴露的区域特征及其生育健康影响评估研究。同时，借助暴露组学大数据与人工智能技术，构建“暴露组-生物学通路-疾病”网络模型，重点回答如下科学问题：

（1）育龄女性人群典型新污染物暴露的区域特征及其影响因素是什么？

（2）如何预测育龄女性人群新污染物的区域内暴露水平？

（3）如何评估这些典型新污染物影响育龄女性人群生育健康的联合作用？