没有监测数据，也能算农药风险

做生态毒理的朋友大概率懂这种憋屈：想评估野生动物吃了多少农药，可野生物种的组织监测数据少得可怜，剂量算不出来，风险评估直接卡死
今天这篇 STAR Protocols 给的思路真的很妙——数据不够，模型来凑。
核心是一个基于生理动力学（PBK）的双向建模框架：
✅ 有组织残留？反推！
每日摄入量 = 肝浓度 ÷ 生物转移因子（BTF）÷ 体重，一条公式把"身体里有多少"换算成"每天吃了多少"
✅ 连组织数据都没有？顺推！
用土壤浓度经 Trapp 蒸腾模型模拟植物富集，再沿"植物→食草→食肉"逐级上推
几个设计得很讲究的细节
暴露估计分三级 Tier：实测组织 > 实测植物 > 土壤-植物模拟，证据越靠后不确定性越大，作者把这个取舍逻辑写得明明白白
️ 所有结果直接上国家级空间地图，高风险区域一眼锁定
蒙特卡洛跑 1 万次给 95% 置信区间，再用 Sobol 分析告诉你是体重和摄食率在"捣乱"——不确定性来源也能量化
文献检索限定自然保护区等未受扰环境，排除农田直接施药区，避免了把"施药暴露"混进"背景污染"
当然方案也很坦诚地列了局限：RfD/OSF 是人类健康导向的基准，结果更适合当筛查级指标，不能直接下定论。
这套框架对做生态风险、农药环境归趋、保护生物学的同学都很值得参考，尤其是监测数据永远不够用的野外场景 收藏起来慢慢拆。