• 해양환경안전학회지
• /
• 제13권3호
• /
• pp.173-181
• /
• 2007

3차원 생태계 모델(EMT-3D)을 사용하여 도쿄만의 PFOA을 대상으로 그 적용성을 검토하였으며, 민감도 분석 및 시나리오 분석을 행하여 영향인자를 판별하고 대안에 따른 영향을 평가하였다. 계산치와 대상해역 실측치간의 R값과 $R^2$값이 각각 0.7115${\sim}$0.8759와 0.5062${\sim}$0.7672로 계산되어 모델의 재현성은 비교적 양호한 것으로 나타났다. 민감도 분석결과 용존 PFOA의 경우 계수 변화에 따른 농도변화는 미미한 것으로 나타났으며, 입자성유기물질중 PFOA는 분배계수, 흡착속도, 퇴적속도의 영향이, 식물플랑크톤 체내의 PFOA는 생물농축계수, 섭취속도, 분배계수의 영향이 큰 것으로 나타났다. PFOA에 대한 모델 적용 시에는 목적하는 상태함수에 따라 이들 계수에 대한 정밀한 고찰이 필요할 것으로 사료된다. 도쿄만 인근의 각 지역별 하수처리장으로부터의 유입부하 삭감에 따른 변화는 미미한 것으로 평가되었으며, 각 지역의 하천으로부터 공급되는 PFOA량을 감소시킨 경우는 표층의 경우는 도쿄, 저층의 경우는 치바로부터의 유입부하를 줄였을 경우가 변화가 가장 큰 것으로 나타났다.

• 대한환경공학회지
• /
• 제35권3호
• /
• pp.165-170
• /
• 2013

본 연구에서는 벤즈이소시아졸리논의 초기 생태위해성을 평가하기 위해 물리 화학적 특성과 환경거동 및 경로를 조사하였고, 어류, 물벼룩 및 조류를 이용한 수생태 독성시험을 수행하였다. 조사 결과, 벤즈이소시아졸리논은 비휘발성으로 환경 중 주로 토양과 물에 분포하는 특성이 있으며, 토양 내 이동성과 생물농축 가능성이 낮은 편으로 나타났다. Oryzias laties를 이용한 급성 독성시험 결과 96시간-$LC_{50}$ 값은 4.7 mg/L(측정농도), Daphnia magna를 이용한 48시간-$EC_{50}$ 값은 3.3 mg/L(측정농도)이었다. Pseudokirchneriella subcapitata를 이용한 72시간-$EC_{50}$ 값은 0.456 mg/L(평균 성장률, 설정농도)와 0.262 mg/L(수율, 설정농도)이었다. 시험 종 가운데 독성에 가장 민감한 조류의 수율 $EC_{50}$ 값에 평가 계수 100을 적용한 예측무영향 농도는 2.62 ${\mu}g/L$이었다. 각 시험군의 독성 종말점을 GHS (Globally Harmonized System) 기준에 따라 분류한 결과 조류 독성은 급성독성 1등급, 어류 및 물벼룩 독성은 급성독성 2등급에 해당되었다. 본 결과를 토대로 볼 때 벤즈이소시아졸리논은 생태 환경에 대한 위해성이 예측된다.

• Korean Chemical Engineering Research
• /
• 제61권4호
• /
• pp.523-541
• /
• 2023

3D 프린터의 활용이 높아짐에 따라 발생하는 화학물질에 대한 노출 빈도가 증가하고 있다. 그러나 3D 프린팅 발생 화학물질의 독성 및 유해성에 대한 연구는 미비하며, 분자 구조 데이터의 결측치로 인해 in silico 기법을 사용한 독성예측 연구는 저조한 실정이다. 본 연구에서는 화학물질의 분자구조 정보를 나타내는 주요 분자표현자의 결측치를 보간하여 3D 프린팅의 독성 및 유해성을 예측한 Data-centric QSAR 모델을 개발하였다. 먼저 MissForest 알고리즘을 사용해 3D 프린팅으로 발생되는 유해물질의 분자표현자 결측치를 보완하였으며, 서로 다른 4가지 기계학습 모델(결정트리, 랜덤포레스트, XGBoost, SVM)을 기반으로 Data-centric QSAR 모델을 개발하여 생물 농축 계수(Log BCF)와 옥탄올-공기분배계수(Log Koa), 분배계수(Log P)를 예측하였다. 또한, 설명 가능한 인공지능(XAI) 방법론 중 TreeSHAP (SHapley Additive exPlanations) 기법을 활용하여 Data-centric QSAR 모델의 신뢰성을 입증하였다. MissForest 알고리즘 기반 결측지 보간 기법은, 기존 분자구조 데이터에 비하여 약 2.5배 많은 분자구조 데이터를 확보할 수 있었다. 이를 바탕으로 개발된 Data-centric QSAR 모델의 성능은 Log BCF, Log Koa와 Log P를 각각 73%, 76%, 92% 의 예측 성능으로 예측할 수 있었다. 마지막으로 Tree-SHAP 분석결과 개발된 Data-centric QSAR 모델은 각 독성치와 물리적으로 상관성이 높은 분자표현자를 통하여 선택함을 설명할 수 있었고 독성 정보에 대한 높은 예측 성능을 확보할 수 있었다. 본 연구에서 개발한 방법론은 다른 프린팅 소재나 화학공정, 그리고 반도체/디스플레이 공정에서 발생 가능한 오염물질의 독성 및 인체 위해성 평가에 활용될 수 있을 것으로 사료된다.