Abteilung Umwelttoxikologie

Europäische Partnerschaft für die Bewertung von Risiken durch Chemikalien (PARC)

Eawag und das Ökotoxzentrum bearbeiten mehrere Projekte im Rahmen des PARC Konsortiums. (Erstellt mit BioRender)


Die Risikobewertung von Chemikalien soll die Sicherheit von Chemikalien für die menschliche Gesundheit und die Umwelt gewährleisten. Die steigende Zahl sehr unterschiedlicher Chemikalien auf dem Markt, für die nicht immer toxikologische und Expositionsdaten verfügbar sind, stellt jedoch eine Herausforderung für das derzeitige Regulierungssystem dar. Hier können neue toxikologische Methoden dazu beitragen, den Prozess der Schließung dieser Datenlücken zu schneller zu gestalten. Ebenso kann die Verbesserung des Dialogs zwischen Wissenschaft, politischen Entscheidungsträgern und der Öffentlichkeit zu einer raschen Priorisierung neuer Chemikalien im Hinblick auf den Forschungs- und Regulierungsbedarf führen. Dies fließt dann in die flexible Anpassung des Regulierungsprozesses ein und gewährleistet eine höhere Sicherheit für die Öffentlichkeit bei gleichzeitiger Reduzierung der derzeit erforderlichen Tierversuche, wodurch sowohl Ressourcen als auch Tierleben eingespart werden.

Die PARC (Partnership for the Assessment of Risks from Chemicals) ist ein von der Europäischen Union finanziertes Horizon-Europe-Projekt. Es zielt darauf ab, den Prozess der Risikobewertung von Chemikalien zu überarbeiten und zu verbessern, um ihn an die Möglichkeiten und Bedürfnisse des 21. Jahrhunderts anzupassen. Dieses Bestreben wird durch Forschung und Innovation mit engem gesellschaftlichem Bezug vorangetrieben. Durch die Einbeziehung von über 200 Partnern aus 29 Ländern, die verschiedenste Disziplinen abdecken, legt PARC einen besonderen Schwerpunkt auf die interdisziplinäre Zusammenarbeit zwischen Forschungsbereichen und Interessengruppen. Die PARC-Aktivitäten unterstützen das EU-Ziel zum "Green Deal – Zero Pollution" sowie die EU-Chemikalienstrategie für Nachhaltigkeit.

An der Eawag und am Oekotoxzentrum ist PARC mit mehreren Projekten vertreten, die eine Vielzahl von Aspekten abdecken:

WP4 Monitoring and Exposure

Im Rahmen des PARC WP4 Monitoring and Exposure, dessen übergeordnetes Ziel es ist, "die Überwachung von Chemikalien in Mensch und Umwelt unter Berücksichtigung verschiedener Quellen, chemischer Verläufe und Expositionspfade" zu gewährleisten:

  • Beitrag zum Projektdesign von gezielten Monitoringaktivitäten (WP 4.2.3) und Priorisierung von Chemikalien und Aktivitäten auf Grundlage des vorhandenen Wissens (WP 4.2.1, 4.2.2)

Team

Prof. Dr. Juliane Hollender Senior scientist / Gruppenleiterin Tel. +41 58 765 5493 E-Mail senden
Dr. Etienne Vermeirssen Tel. +41 58 765 5295 E-Mail senden
  • Verdachtsscreening von Metaboliten industrieller Verbindungen und Pharmazeutika in der aquatischen Umwelt durch Zusammenstellung geeigneter Verdachtslisten einschließlich der Verwendung von Systemen zur Vorhersage von Stoffwechselwegen und Anwendung auf verschiedene Probentypen im Rahmen des Projekts "Wastewater-based epidemiology for community-wide human exposure assessment" (WP 4.3.3)

Team

Prof. Dr. Juliane Hollender Senior scientist / Gruppenleiterin Tel. +41 58 765 5493 E-Mail senden
Dr. Kasia Arturi Wissenschaftlerin Tel. +41 58 765 6816 E-Mail senden
Corina Meyer Doktorandin Tel. +41 58 765 6799 E-Mail senden

WP5 Hazard Assessment

Im Rahmen von PARC WP5 Hazard Assessment liegt der allgemeine Schwerpunkt auf der Gefahrenabschätzung für die Gesundheit von Mensch und Umwelt in drei verschiedenen Richtungen: Schließen von Datenlücken, Entwickeln und/oder Verbessern von Methoden zur Gefahrenabschätzung, um Fortschritte beim Next Generation Risk Assessment (NGRA) zu erzielen", alle Projekte unter WP5.2.b:

  • Im Projekt zum maschinellen Lernen, werden verfügbare Daten aus freien Datenbanken gesichtet und für die weitere Verarbeitung bereinigt. Der Schwerpunkt liegt einerseits auf Daten zur akuten Toxizität über taxonomische Gruppen hinweg und andererseits auf Informationen zur spezifischen Wirkungsweise von Assays.

Team

Prof. Dr. Kristin Schirmer Abteilungsleiterin Tel. +41 58 765 5266 E-Mail senden
Dr. Christoph Schuer Postdoktorand Tel. +41 58 765 5684 E-Mail senden
  • Im Projekt über ein mikrofluidisches System mit immobilisierten synthetischen phototrophen Biofilmen, werden die optimalen Bedingungen für eine reproduzierbare Biofilmbildung identifiziert. Dies wird durch das Testen verschiedener Inokulationsbedingungen sowie verschiedener Strömungsgeschwindigkeiten in der mikrofluidischen Kammer erreicht.

Team

Prof. Dr. Kristin Schirmer Abteilungsleiterin Tel. +41 58 765 5266 E-Mail senden
Emera Forni Wissenschaftliche Assistentin Tel. +41 58 765 5271 E-Mail senden
Bettina Wagner Technische Mitarbeiterin Tel. +41 58 765 5342 E-Mail senden
  • Das Projekt über die Auswirkungen von neurotoxischen Substanzen auf das Verhalten von Zebrafischen wird sich auf die Konsolidierung der Pipeline für die gleichzeitige Bewertung von Verhaltensänderungen und der zugrunde liegenden strukturellen und molekularen Veränderungen im Nervensystem von larvalen Zebrafischen konzentrieren, die während der Exposition gegenüber neurotoxischen Substanzen sowie während der Depurationsphase auftreten.

Team

Dr. Ksenia Groh Gruppenleiterin Tel. +41 58 765 5182 E-Mail senden
Dr. Colette vom Berg Stv Abteilungsleiterin Tel. +41 58 765 5535 E-Mail senden
Melissa von Wyl Wissenschaftliche Assistentin Tel. +41 58 765 5586 E-Mail senden
Severin Ammann Technischer Mitarbeiter Tel. +41 58 765 6407 E-Mail senden
René Schönenberger Technischer Mitarbeiter Tel. +41 58 765 5105 E-Mail senden

WP6 Innovation in der regulatorischen Risikobewertung

Das Hauptziel des PARC WP6 Innovation in der regulatorischen Risikobewertung ist es, "die Innovation in der regulatorischen Risikobewertung voranzutreiben, indem die wissenschaftliche Basis gestärkt wird, mit der Umsetzung des NGRA als Endziel":

  • Beitrag zu einer Überprüfung der Risikobewertungsmethodik anhand einer Fallstudie unter der Leitung von BAFU und Eawag, die die Unterschiede und Gemeinsamkeiten bei der Umweltrisikobewertung von Pestiziden unter verschiedenen prospektiven und retrospektiven Vorschriften analysiert, um das Ziel von "ein Stoff - eine Bewertung" voranzutreiben (WP 6.3). Dieses Projekt wird sich die umfangreichen Erfahrungen mit der Risikobewertung von Pestiziden in der Schweiz und in Europa zunutze machen, die das Projektteam in den letzten zehn Jahren gesammelt hat.

Team

Dr. Marion Junghans Oekotoxzentrum Tel. +41 58 765 5401 E-Mail senden
Dr. Alexandra Kroll Tel. +41 58 765 5487 E-Mail senden
Dr. Carmen Casado-Martinez Tel. +41 58 765 5747 E-Mail senden
  • Fallstudie als Beitrag zur aktuellen Diskussion über Mischungszuordnungsfaktoren (MAF) für die prospektive Risikobewertung von Chemikalien. Verschiedene MAF-Typen werden auf Süßwassermonitoringsdatensätze angewandt, um statistische Beweise für einen MAF zu finden, der die Mischungseffekte einzelner Substanzen minimiert, und um die Grenzen jedes MAF-Typs im Zusammenhang mit realen Überwachungsdaten zu diskutieren (WP 6.4.1)

Team

Dr. Marion Junghans Oekotoxzentrum Tel. +41 58 765 5401 E-Mail senden
Fabian Balk Wissenschaftler Tel. +41 58 765 6478 E-Mail senden
  • In dieser Fallstudie wird die derzeitige Mischungsrisikobewertung für Wasserkörper, die von einigen Schweizer Kantonen verwendet wird (Junghans et al., 2013, Aqua & Gas, 93(5), 54-61), um Endpunkte erweitert, die für die europäische Wasserrahmenrichtlinie (WRRL) relevant sind, die Methodik mit konventionellen Mischungsrisikobewertungen verglichen und im Hinblick auf eine Änderung der WRRL bewertet (WP 6.4.1)

Team

Dr. Marion Junghans Oekotoxzentrum Tel. +41 58 765 5401 E-Mail senden
Fabian Balk Wissenschaftler Tel. +41 58 765 6478 E-Mail senden
  • In WP 6.4.4 werden Modelle für die landschaftsbasierte Umweltrisikobewertung entwickelt. Verschiedene Fallstudien liefern Daten für die Modellentwicklung. Eawag/OZ leiten eine Fallstudie zur Verknüpfung des Pestizideinsatzes mit Monitoringdaten: Basierend auf chemischen Überwachungsdaten (Wasser, Sediment, Fische) und Biotestdaten für fünf landwirtschaftliche Standorte wollen wir Expositions-Aktivitäts-Verhältnisse berechnen, die dann mit biologischen Monitoringdaten verglichen werden. Die Hauptziele sind, (1) die Vorhersagekraft des EAR-Ansatzes an den ausgewählten Standorten zu verstehen und (2) zu prüfen, ob es etablierte adverse outcome pathways (AOPs) gibt, die von den Daten für weitere Untersuchungen belegt werden.

Team

Dr. Alexandra Kroll Tel. +41 58 765 5487 E-Mail senden
Dr. Carmen Casado-Martinez Tel. +41 58 765 5747 E-Mail senden

Publikationen

Machine learning-based prediction of fish acute mortality: implementation, interpretation, and regulatory relevance

Regulation of chemicals requires knowledge of their toxicological effects on a large number of species, which has traditionally been acquired through in vivo testing. The recent effort to find alternatives based on machine learning, however, has not focused on guaranteeing transparency, comparability and reproducibility, which makes it difficult to assess advantages and disadvantages of these methods. Also, comparable baseline performances are needed. In this study, we trained regression models on the ADORE “t-F2F” challenge proposed in [Schür et al., Nature Scientific data, 2023] to predict acute mortality, measured as LC50 (lethal concentration 50), of organic compounds on fishes. We trained LASSO, random forest (RF), XGBoost, Gaussian process (GP) regression models, and found a series of aspects that are stable across models: (i) using mass or molar concentrations does not affect performances; (ii) the performances are only weakly dependent on the molecular representations of the chemicals, but (iii) strongly on how the data is split. Overall, the tree-based models RF and XGBoost performed best and we were able to predict the log10-transformed LC50 with a root mean square error of 0.90, which corresponds to an order of magnitude on the original LC50 scale. On a local level, on the other hand, the models are not able to consistently predict the toxicity of individual chemicals accurately enough. Predictions for single chemicals are mostly influenced by a few chemical properties while taxonomic traits are not captured sufficiently by the models. We discuss technical and conceptual improvements for these challenges to enhance the suitability of in silico methods to environmental hazard assessment. Accordingly, this work showcases state-of-the-art models and contributes to the ongoing discussion on regulatory integration.
Gasser, L.; Schür, C.; Perez-Cruz, F.; Schirmer, K.; Baity-Jesi, M. (2024) Machine learning-based prediction of fish acute mortality: implementation, interpretation, and regulatory relevance, Environmental Science: Advances, doi:10.1039/d4va00072b, Institutional Repository

Exploring BPA alternatives - environmental levels and toxicity review

Bisphenol A alternatives are manufactured as potentially less harmful substitutes of bisphenol A (BPA) that offer similar functionality. These alternatives are already in the market, entering the environment and thus raising ecological concerns. However, it can be expected that levels of BPA alternatives will dominate in the future, they are limited information on their environmental safety. The EU PARC project highlights BPA alternatives as priority chemicals and consolidates information on BPA alternatives, with a focus on environmental relevance and on the identification of the research gaps. The review highlighted aspects and future perspectives. In brief, an extension of environmental monitoring is crucial, extending it to cover BPA alternatives to track their levels and facilitate the timely implementation of mitigation measures. The biological activity has been studied for BPA alternatives, but in a non-systematic way and prioritized a limited number of chemicals. For several BPA alternatives, the data has already provided substantial evidence regarding their potential harm to the environment. We stress the importance of conducting more comprehensive assessments that go beyond the traditional reproductive studies and focus on overlooked relevant endpoints. Future research should also consider mixture effects, realistic environmental concentrations, and the long-term consequences on biota and ecosystems.
Adamovsky, O.; Groh, K. J.; Białk-Bielińska, A.; Escher, B. I.; Beaudouin, R.; Mora Lagares, L.; Tollefsen, K. E.; Fenske, M.; Mulkiewicz, E.; Creusot, N.; Sosnowska, A.; Loureiro, S.; Beyer, J.; Repetto, G.; Štern, A.; Lopes, I.; Monteiro, M.; Zikova-Kloas, A.; Eleršek, T.; Vračko, M.; Zdybel, S.; Puzyn, T.; Koczur, W.; Ebsen Morthorst, J.; Holbech, H.; Carlsson, G.; Örn, S.; Herrero, Ó.; Siddique, A.; Liess, M.; Braun, G.; Srebny, V.; Žegura, B.; Hinfray, N.; Brion, F.; Knapen, D.; Vandeputte, E.; Stinckens, E.; Vergauwen, L.; Behrendt, L.; João Silva, M.; Blaha, L.; Kyriakopoulou, K. (2024) Exploring BPA alternatives - environmental levels and toxicity review, Environment International, 189, 108728 (29 pp.), doi:10.1016/j.envint.2024.108728, Institutional Repository

Green Swans countering chemical pollution

If a problem has exponential features, its solution asks for counter-exponential approaches. Chemical pollution appears to be such a problem. Analyses of chemical hazards to human health, biodiversity, and ecosystem services and estimates of the cost of inaction suggest the potential for adverse impacts, and analyses of trends in the chemical economy appear exponential in kind. Here, we argue that we need and can develop an exponential and application-focused mindset in thinking about solutions.
Posthuma, L.; Bloor, M.; Campos, B.; Groh, K.; Leopold, A.; Sanderson, H.; Schreiber, H.; Schür, C.; Thomas, P. (2024) Green Swans countering chemical pollution, Integrated Environmental Assessment and Management, 20(3), 888-891, doi:10.1002/ieam.4915, Institutional Repository

A benchmark dataset for machine learning in ecotoxicology

The use of machine learning for predicting ecotoxicological outcomes is promising, but underutilized. The curation of data with informative features requires both expertise in machine learning as well as a strong biological and ecotoxicological background, which we consider a barrier of entry for this kind of research. Additionally, model performances can only be compared across studies when the same dataset, cleaning, and splittings were used. Therefore, we provide ADORE, an extensive and well-described dataset on acute aquatic toxicity in three relevant taxonomic groups (fish, crustaceans, and algae). The core dataset describes ecotoxicological experiments and is expanded with phylogenetic and species-specific data on the species as well as chemical properties and molecular representations. Apart from challenging other researchers to try and achieve the best model performances across the whole dataset, we propose specific relevant challenges on subsets of the data and include datasets and splittings corresponding to each of these challenge as well as in-depth characterization and discussion of train-test splitting approaches.
Schür, C.; Gasser, L.; Perez-Cruz, F.; Schirmer, K.; Baity-Jesi, M. (2023) A benchmark dataset for machine learning in ecotoxicology, Scientific Data, 10(1), 718 (20 pp.), doi:10.1038/s41597-023-02612-2, Institutional Repository

Kontakt

WP 4 Monitoring and Exposure

WP 4 Monitoring and Exposure
Prof. Dr. Juliane Hollender Senior scientist / Gruppenleiterin Tel. +41 58 765 5493 E-Mail senden
WP 4 Monitoring and Exposure

WP5 Hazard Assessment

Dr. Colette vom Berg Stv Abteilungsleiterin Tel. +41 58 765 5535 E-Mail senden

WP6 Innovation in der regulatorischen Risikobewertung

Dr. Marion Junghans Oekotoxzentrum Tel. +41 58 765 5401 E-Mail senden

Beteiligte Forschungsabteilungen der Eawag

Umwelttoxikologie
Umweltchemie
Ökotoxzentrum
Systemanalyse, Integrated Assessment und Modellierung

In Zusammenarbeit mit

Swiss Data Science Center

Finanzierung

Europäische Union
Staatssekretariat für Bildung, Forschung und Innovation (SBFI)
Eawag