环境科学  2014, Vol. 35 Issue (10): 3947-3951   PDF    
引用本文
王万宾, 陈莎, 吴敏, 赵婧. 铜对草鱼及花鲢的毒性预测：基于生物配体模型[J]. 环境科学, 2014, 35(10): 3947-3951.
WANG Wan-bin, CHEN Sha, WU Min, ZHAO Jing. Predicting Copper Toxicity to Hypophthalmichthys molitrix and Ctenopharyngodon idellus Based on Biotic Ligand Model[J]. Environmental Science, 2014, 35(10): 3947-3951.
铜对草鱼及花鲢的毒性预测：基于生物配体模型
王万宾, 陈莎, 吴敏 , 赵婧    
昆明理工大学环境科学与工程学院, 环境土壤科学重点实验室, 昆明 650500
收稿日期: 2014-3-28; 修订日期: 2014-5-6.
基金项目： 国家自然科学基金项目（41303092）；国际铜协会研究项目（ENV-25686 A-02 YEAR 2013）
作者简介：王万宾（1988~），男，硕士研究生，主要研究方向为BLM在地表水中的应用，E-mail：wanbinwang520@gmail.com
通讯联系人,吴敏,E-mail:minwup@hotmail.com
摘要：试验配置不同胡敏酸浓度（DOC浓度为 0.05、0.5、1、2、4 mg ·L-1）下，分别对草鱼及花鲢进行铜的一系列 96 h生物急性毒性试验，结果表明DOC浓度与 LC50呈正相关关系，此与生物配体模型描述一致. 利用两鱼种（Fathead minnow、Rainbow trout）的生物配体模型预测草鱼及花鲢的LC50，得出平均绝对偏差分别为 591.2、157.14 μg ·L-1及 728.18、91.24 μg ·L-1. 在生物配体模型（biotic ligand model，BLM）铜形态分布平台下，得到草鱼及花鲢的 LA50（以湿重计）依次为 10.960 nmol ·g-1和3.978 nmol ·g-1. 通过校正草鱼及花鲢的 LA50，得出平均绝对偏差依次为 280.52 μg ·L-1和92.25 μg ·L-1，预测性能显著提高. 基于所确立的 LA50，通过搜集草鱼及花鲢的毒性数据，预测其 LC50，得到平均绝对偏差分别为 252.37 μg ·L-1和50.26 μg ·L-1，此证实基于生物配体模型的毒性预测具有一定的实用性.
关键词： 草鱼     花鲢     生物配体模型     预测     铜     LA50    
Predicting Copper Toxicity to Hypophthalmichthys molitrix and Ctenopharyngodon idellus Based on Biotic Ligand Model
WANG Wan-bin, CHEN Sha, WU Min , ZHAO Jing    
Key Laboratory of Environmental Soil Science, Faculty of Environmental Science and Engineering, Kunming University of Science and Technology, Kunming 650500, China
Abstract: A series of 96 h copper acute toxicity experiments were conducted with Ctenopharyngodon idellus and Hypophthalmichthys molitrix under different concentrations of DOC [ρ(DOC) 0.05,0.5,1,2,4 mg ·L-1]. Higher DOC resulted in a reduction of toxicity, which was in line with the concepts of the biotic ligand model (BLM). It was concluded that the mean absolute deviation (MAD) of LC50with Ctenopharyngodon idellus and Hypophthalmichthys molitrix was 591.2, 157.14 μg ·L-1 and 728.18, 91.24 μg ·L-1, respectively, by the prediction of copper BLM developed for Fathead minnow and Rainbow trout. Based on speciation analysis of biotic ligand model, it was shown that LA50 values of Ctenopharyngodon idellus and Hypophthalmichthys molitrix were 10.960 and 3.978 nmol ·g-1, respectively. Then the MAD values became 280.52 and 92.25 μg ·L-1 for Ctenopharyngodon idellus and Hypophthalmichthys molitrix using the normalized LA50. Finally by searching toxicity data in literature, the MAD values on Ctenopharyngodon idellus and Hypophthalmichthys molitrix were 252.37 and 50.26 μg ·L-1, successively. This result verified that the toxicity prediction based on biotic ligand model was practical.
Key words: Ctenopharyngodon idellus     Hypophthalmichthys molitrix     biotic ligand model(BLM)     prediction     copper     LA50    

生物配体模型(biotic ligand model,BLM)用于解释及预测水化学环境中重金属对水生生物(鱼类、 藻类等)的急性毒性影响，特别是水质参数变化对重金属生物有效性的影响[1]. 当前，生物配体模型已被广泛用于各类水体中(河流、 湖泊等)的重金属对生物体毒性的预测[2, 3, 4, 5, 6, 7]，并且取到较好的预测效果，已被美国环保署采纳为水质基准及生态风险评价方法. 但是，针对不同的物种及应用于不同特性的水体[8, 9](比如硬度、 DOC、 富营养化等)，生物配体模型需经过一些参数的校正. 不同的物种其LA50相差较大[10, 11, 12]，所以试验确立LA50尤为重要. 草鱼及花鲢均为地表水环境中分布较广泛的鱼类，其中鲢是典型的滤食性鲤科鱼类[13]，已被广泛用于水质的调控及鱼塘养殖； 而草鱼是我国重要的淡水经济鱼种，已为生活食用常见鱼种. 铜对水体的污染及生物的威胁越来越受到关注，因此建立铜对草鱼及花鲢的毒性预测模型较为重要. 本研究基于一般水环境参数，在不同胡敏酸浓度的条件下，进行铜对草鱼及花鲢的96h急性毒性试验. 在Biotic Ligand Model Windows Interface,Version 2.2.3铜形态分布平台下对草鱼及花鲢的LA50进行修改，预测精度明显提升. 为验证所确立的LA50的准确性，通过文献搜索铜对花鲢及草鱼的96h毒性数据(LC50)，基于其LA50预测其LC50，预测结果较吻合. 基于生物配体模型的草鱼及花鲢的急性毒性预测将为河流及湖泊等不同水化学特征中的铜的生态基准建立及生态风险评价提供理论依据，以期为保护我国淡水鱼种的生态安全提供重要参考. 1 材料与方法 1.1 急性毒性试验材料

草鱼及花鲢购自云南陆良水产养殖厂，其鱼苗大小分别为：花鲢(2.15 cm±0.05 cm，0.15 g±0.02 g)，草鱼(3.35 cm±0.25 cm，0.62 g±0.08 g). 试验用鱼在玻璃箱中驯养7 d以上，暂养期间活动正常，无病，死亡率低于5%方可进行试验. 试验前1 d停止投饵,选择身体健康，反应灵敏，大小基本一致的幼鱼随机分组. 试验选用CuSO4为毒性物质. 水质参数配置所需的CaCl2、 KCl、 MgSO4、 NaHCO3等均为分析纯. 试验用水均为纯净水. 96h 急性毒性试验器材为3 L的烧瓶. 1.2 急性毒性试验条件及方法

本研究急性毒性试验水质条件参考一般地表水水化学特征，而DOC采用不同浓度特征，这是因为DOC对铜的生物有效性影响较大[14, 15]. 草鱼及花鲢的试验水质条件见表 1.

表 1 毒性试验水质参数 Table 1 Water quality parameters for toxicity tests

试验方法参照(GB/T 13267-91)《水质物质对淡水鱼(斑马鱼)急性毒性测定方法》和OECD生物毒性测试方法中鱼的急性毒性试验(Fish,Acute Toxicity Test. OECD Guideline For Testing Of Chemicals,203,Adopted: 17.07.92)进行. 1.3 数据处理及评价方法 急性毒性值LC50处理方法为Trimmed Spearman-Karber Method[16]. 预测误差接受范围为0.5MAD=  n i=1 |P-O| n  式中，P代表predicted value，O代表observed value，n代表预测量. 半致死浓度(dissolved LC50,LC50)及半致死累积量(LA50)的预测均在Biotic Ligand Model Windows Interface,Version 2.2.3平台下完成[17]. 毒性数据搜索试验条件为试验标准稀释水，此有利于文献未提供的一些水质参数的校正.

2 结果与讨论 2.1 急性毒性试验结果

在不同HA浓度下，铜对花鲢、 草鱼的LC50值变化见图 1. 从中可知，随着HA浓度的增加，LC50也呈现增加的趋势，表明铜对草鱼及花鲢的毒性减小是因为HA与铜的络合作用. 另外，仍可发现同等条件下，花鲢的LC50值小于草鱼的LC50值，这表明花鲢对铜更为敏感.

黑点为LC50值，条状线为其显著性水平0.05下的置信区间 图 1 不同HA浓度下的LC50值 Fig. 1 LC50 value under different concentration of HA

2.2 草鱼及花鲢的LA50的确立

生物配体模型的基本假设为系统的水化学处于平衡状态，金属可以和无机配体、 溶解性有机物质发生络合作用. 金属在鱼鳃上积累引起毒性效应，其它共存阳离子(Ca、 Mg等)在生物配体(鱼鳃)表面与有毒形态金属存在竞争作用[18]. 可以利用热力学原理和条件结合常数计算系统中不同形态金属的浓度，同样可以通过金属对生物的急性毒性数据，获得该种金属对生物的LA50.

生物配体模型中LA50假设是一个固定值，与水化学性质无关[19]. 由此知对于某一物种来说，LA50是一个确定值，其为引起该生物物种50%死亡率时吸附于生物配体上(鱼鳃)的重金属的量，反映了生物对金属毒性的敏感程度. 所以LA50是物种的标识，因物种而异，此值的确定在模型建立中至关重要. 其确定方法为：通过金属对生物的急性毒性试验获得特定水质条件下某一生物的LC50，利用生物配体模型的形态分析功能“Speciation”，可以获得该水质条件下各种有效态金属与生物配体形成配合物的量，其和即是该生物的LA50[20].

为验证不同物种需对其LA50进行校正，本研究基于Fathead minnow、 Rainbow trout的BLM，在毒性试验水质条件下进行草鱼及花鲢的LC50预测，结果显示MAD值分别为591.2、 157.14 μg ·L-1和728.18、 91.24 μg ·L-1. 从上可以看出，基于Rainbow trout的BLM对花鲢的预测效果较好，其余均较差(图 2). 在生物配体模型(BLM)铜形态分布平台下，得到草鱼及花鲢的LA50(以湿重计，下同)依次为10.960 nmol ·g-1和3.978 nmol ·g-1，花鲢与Rainbow trout的LA50相近(表 2). 通过校正草鱼及花鲢的LA50，得出平均MAD依次为280.52 μg ·L-1和92.25 μg ·L-1，平均绝对偏差显著减小(图 2)，表明此LA50值有效.

虚线代表 0.5<P/O<2的范围 图 2 两物种的预测值与实测值比较 Fig. 2 Log-log plots of predicted versus observed copper concentrations associated with the 50% of mortality (LC50) for two species


表 2 BLM主要参数值 Table 2 Key parameters of BLM
2.3 基于生物配体模型的草鱼及花鲢的毒性预测评价

在Biotic Ligand Model中，LA50为关键参数，不同的物种有着不同的LA50. 本研究通过毒性试验确立了花鲢及草鱼的LA50值，并在试验条件下对其进行验证，结果显示LA50值较为准确.

本研究所建模型其余参数为模型默认值，主要参数见表 2. 从中可知，模型默认中针对不同的物种，这些参数仍不变. 本研究通过对LA50的校正，然后通过试验的验证，证明这些参数默认值有效. 这也间接的证明了模型中除LA50外其余参数选择默认值是合理的.

当然，基于生物配体模型的草鱼及花鲢的毒性预测模型仍需与其他研究人员的毒性试验相吻合. 本研究搜索到关于草鱼及花鲢的毒性数据见表 3[21, 22].

表 3 毒性数据 Table 3 Toxicity data in literature

表 3中，温度，pH，碱度仍为毒性数据文献里的试验值，其余水质参数利用美国环保署的关于标准稀释水的校准标准进行校正[23]. 利用所建模型进行验证，结果见图 3.

虚线代表0.5<P/O<2的范围 图 3 两物种的预测值与实测值比较 Fig. 3 Log-log plots of predicted versus observed copper concentrations associated with the 50% of mortality (LC50) for two species

从图 3可知，基于生物配体模型的草鱼及花鲢的毒性预测可靠，预测值在可接受范围之内，平均绝对偏差分别为252.37 μg ·L-1和50.26 μg ·L-1. 经过以上的论证分析，基于生物配体模型的花鲢及草鱼的毒性预测模型可应用于自然地表水中关于铜的毒性分析，为保护草鱼及花鲢做出定量分析.

3 结论

(1)通过不同HA浓度下的急性毒性试验，得出HA浓度越高，LC50值越大. DOC能有效降低铜对水生生物的生物有效性.

(2)基于生物配体模型铜形态分布分析，通过试验及文献中的数据验证，得出草鱼及花鲢的LA50分别为10.960 nmol ·g-1和3.978 nmol ·g-1，此值合理准确.

(3)基于一系列试验及文献毒性数据，最终验证基于生物配体模型的铜对草鱼及花鲢的毒性预测有效，预测精度较高，可加以推广应用.

致谢： 国际铜业协会 Jennifer Yang和 Benny Lu 提供了有益的建议和鼎力的支持，特此感谢.

参考文献
[1] Di Toro D M, Allen H E, Bergman H L, et al. Biotic ligand model of the acute toxicity of metals. 1. technical basis[J]. Environmental Toxicology and Chemistry, 2001, 20 (10): 2383-2396.
[2] Hayashi T I. Applying biotic ligand models and Bayesian techniques: ecological risk assessment of copper and nickel in Tokyo rivers[J]. Integrated Environmental Assessment and Management, 2013, 9 (1): 63-69.
[3] Arnold W R, Santore R C, Cotsifas J S. Predicting copper toxicity in estuarine and marine waters using the biotic ligand model[J]. Marine Pollution Bulletin, 2005, 50 (12): 1634-1640.
[4] Constantino C, Scrimshaw M, Comber S, et al. An evaluation of biotic ligand models predicting acute copper toxicity to Daphnia magna in wastewater effluent[J]. Environmental Toxicology and Chemistry, 2011, 30 (4): 852-860.
[5] Natale O E, Leis M V. Biotic ligand model estimation of copper bioavailability and toxicity in the Yacyretá Reservoir on the Paraná River[J]. Lakes & Reservoirs: Research & Management, 2008, 13 (3): 231-244.
[6] Villavicencio G, Urrestarazu P, Carvajal C, et al. Biotic ligand model prediction of copper toxicity to daphnids in a range of natural waters in Chile[J]. Environmental Toxicology and Chemistry, 2005, 24 (5): 1287-1299.
[7] Casares M V, De Cabo L I, Seoane R S, et al. Measured copper toxicity to Cnesterodon decemmaculatus (Pisces: Poeciliidae) and predicted by biotic ligand model in Pilcomayo river water: a step for a cross-fish-species extrapolation[J]. Journal of Toxicology, 2012, 2012: Article ID 849315, doi: 10.1155/2012/849315.
[8] Chen H, Zheng B H, Wu F C, et al. Dissolved organic carbon-a practical consideration in application of biotic ligand models in Chinese waters[J]. Environmental Science & Technology, 2011, 45 (23): 9835-9836.
[9] Feng C L, Wu F C, Zheng B H, et al. Biotic ligand models for metals-a practical application in the revision of water quality standards in China[J]. Environmental Science & Technology, 2012, 46 (20): 10877-10878.
[10] De Schamphelaere K A C, Heijerick D G, Janssen C R. Cross-phylum comparison of a chronic biotic ligand model to predict chronic toxicity of copper to a freshwater rotifer, Brachionus calyciflorus (Pallas)[J]. Ecotoxicology and Environmental Safety, 2006, 63 (2): 189-195.
[11] De Schamphelaere K A C, Janssen C R. Cross-phylum extrapolation of the Daphnia magna chronic biotic ligand model for zinc to the snail Lymnaea stagnalis and the rotifer Brachionus calyciflorus[J]. Science of the Total Environment, 2010, 408 (22): 5414-5422.
[12] Schlekat C E, Van Genderen E, De Schamphelaere K A C, et al. Cross-species extrapolation of chronic nickel biotic ligand models[J]. Science of the Total Environment, 2010, 408 (24): 6148-6157.
[13] Dong S L, Li D S, Bing X W, et al. Suction volume and filtering efficiency of silver carp (Hypophthalmichthys molitrix Val.) and bighead carp (Aristichthys nobilis Rich.)[J]. Journal of Fish Biology, 1992, 41 (5): 833-840.
[14] De Schamphelaere K A C, Janssen C R. Effects of dissolved organic carbon concentration and source, pH, and water hardness on chronic toxicity of copper to Daphnia magna[J]. Environmental Toxicology and Chemistry, 2004, 23 (5): 1115-1122.
[15] De Schamphelaere K A C, Vasconcelos F M, Tack F M G, et al. Effect of dissolved organic matter source on acute copper toxicity to Daphnia magna[J]. Environmental Toxicology and Chemistry, 2004, 23 (5): 1248-1255.
[16] Hamilton M A, Russo R C, Thurston R V. Trimmed Spearman-Karber method for estimating median lethal concentrations in toxicity bioassays[J]. Environmental Science & Technology, 1977, 11 (7): 714-719.
[17] HydroQual Inc, Mahwah N J. The biotic ligand model windows interface, version 2. 2. 3: User's guide and reference manual[Z]. April 2005.
[18] Paquin P R, Gorsuch J W, Apte S, et al. The biotic ligand model: a historical overview[J]. Comparative Biochemistry and Physiology C-Toxicology & Pharmacology, 2002, 133 (1): 3-35.
[19] Janssen C R, Heijerick D G, De Schamphelaere K A C, et al. Environmental risk assessment of metals: tools for incorporating bioavailability[J]. Environment International, 2003, 28 (8): 793-800.
[20] Wang C, Chen H, Wu K B, et al. Application of the biotic ligand model to predict copper acute toxicity to Medaka fish in typical Chinese rivers[J]. Water Science and Technology, 2011, 64 (6): 1277-1283.
[21] 周永欣, 周仁珍, 尹伊伟. 在不同水硬度下铜对草鱼, 鲢和大鳞泥鳅的急性毒性[J]. 暨南大学学报(自然科学与医学版), 1992, 13 (3): 62-67.
[22] 张甫英, 周永欣, 周仁珍. 两种金属和两种农药对草鱼不同发育阶段的毒性效应[J]. 环境科学学报, 1988, 8 (1): 67-71.
[23] EPA-822-R-07-001, Aquatic life ambient freshwater quality criteria-copper[S].