摘要: 随着化学物质数量和种类的持续增加及其潜在环境风险问题的加剧，传统毒性测试方法已难以满足高通量筛查与系统性风险评估的需求。人工智能技术，特别是大数据与机器学习技术，在化学物质毒性预测中展现出显著的应用潜力。本文系统综述了人工智能关键技术在化学物质毒性预测模型构建全过程中的应用进展，涵盖数据收集、清洗与预处理、分子描述符计算、特征提取与选择、模型训练与验证、模型适用域界定与可解释性分析等核心环节。此外，还结合了国内在人工智能毒性预测领域的主要研究成果与本研究团队在人工智能辅助毒性预测领域的研究实践，展示了本团队在数据标准化、分子特征工程、模型开发、适用域与模型可解释性等方面的关键成果。最后，针对当前毒性预测模型在数据异质性、多模态数据融合、复杂毒性终点预测及预测结果认可度等方面存在的挑战，提出了未来发展方向。本文旨在推动人工智能技术在化学物质毒性预测中的深度应用，为高效、可靠的环境污染物风险评估提供理论基础与技术支持。