除草剂单独及混合使用对水生植物的毒性预测阈值:一种基于岭回归的QSAR模型

《Journal of Environmental Chemical Engineering》:Prediction toxicity threshold of herbicides single and combine to submerged plants: A QSAR model with ridge regression

【字体: 大 中 小 】 时间:2026年07月04日 来源:Journal of Environmental Chemical Engineering 7.5

编辑推荐:

  胡敏|朱国杰|张泽鹏|张洋洋|黄旭|安树清|李爱民中国南京210023,南京大学生命科学学院摘要确定除草剂对沉水植物的毒性阈值效率低下,这是评估除草剂对天然湖泊生态风险时的主要障碍。本研究基于定量结构-活性关系,利用岭回归算法建立了除草剂分子结构描述符与其毒性阈值之间的数学模型,

  
胡敏|朱国杰|张泽鹏|张洋洋|黄旭|安树清|李爱民
中国南京210023,南京大学生命科学学院

摘要

确定除草剂对沉水植物的毒性阈值效率低下,这是评估除草剂对天然湖泊生态风险时的主要障碍。本研究基于定量结构-活性关系,利用岭回归算法建立了除草剂分子结构描述符与其毒性阈值之间的数学模型,从而预测那些缺乏实测数据的除草剂毒性阈值。实测结果显示,沉水植物对除草剂的响应具有明显的物种特异性。在多种除草剂共同作用时,高毒成分的毒性效应会逐渐减弱。岭回归为预测单一除草剂的毒性阈值提供了初步方程,R2值为0.13。而采用加权联合分子描述符的核岭回归在预测Elodea nuttallii和Myriophyllum verticillatum受混合除草剂影响的毒性时,R2值分别达到0.872和0.902,预测值分别为实测值的0.62–1.61倍和0.66–1.52倍。这些结果为除草剂的生态风险评估与管理提供了数据支持。

引言

除草剂的广泛使用导致其在全球主要河流流域的地表水中频繁被检测到[1]、[2]、[3]、[4]。越来越多的研究强调了除草剂对这类水生系统生态健康的潜在影响[5]、[6]、[7]。例如,王等人[8]指出,普罗米特林和异丙隆对中国太湖流域的地表水存在重大生态风险,而刘等人[9]则发现克洛马宗在东北中国的地表水中也具有类似的高风险。然而,目前用于生态风险评估的毒性数据主要来自鱼类、藻类和水蚤等经典模式生物[10]、[11]、[12]。作为专门用于除草的化学物质,基于其对大型水生植物的毒性来评估除草剂的生态风险至今尚未得到充分重视。
以水生大型植物为目标的除草剂生态风险评估,首要的前提是获取其对这些水生植物的毒性作用数据,如无观测效应浓度(NOEC)和中效浓度(EC??)[13]、[14]、[15]。但在诸如https://cfpub.epa.gov/ecotox/和https://sitem.herts.ac.uk/aeru/ppdb/en/这样的知名数据库中,通常只能找到除草剂对浮水植物毒性作用的数据,其中以凤眼莲属植物最为常见。相比之下,关于除草剂对其他类型水生植物,如挺水植物和沉水植物的毒性作用的数据则极为有限[16]、[17]。尤其是沉水植物,被视为浅湖生态系统的核心[18]、[19],但近年来有许多研究指出,除草剂可能是导致浅湖中沉水植物数量逐渐减少的关键因素[20]、[21]。因此,完善各类除草剂对沉水植物的基本毒性数据,对于准确评估地表水中除草剂的生态风险具有重要意义。
通常,要获取除草剂对目标沉水植物的毒性作用数据,第一步是进行“毒物-靶标”毒性暴露实验[22]。然后,根据毒物的浓度梯度以及靶标的抑制程度,建立数学模型。最后,利用模型公式得出相应的毒性阈值[23]、[24]。显然,依赖毒理学实验获取毒性数据的传统方法在数据采集方面既繁琐又效率低下,而且沉水植物种类繁多,加之除草剂种类也在不断发展变化[25],传统方法已无法满足评估水环境中除草剂生态风险的实际需求。另一方面,葛等人[26]和赵等人[27]的研究表明,当多种除草剂共存时,它们之间可能会产生难以预料的协同或拮抗效应,此时除草剂对靶植物的毒性效应并不等于各成分毒性效应的简单叠加[28]。更严重的是,在实际水环境中,共存除草剂的浓度是随机的[8],因此仅通过传统实验批量测定混合除草剂对沉水植物的综合毒性,工作量极大且操作性差,亟需新的技术来提高毒性数据采集的效率。
经典的定量结构-活性关系(QSAR)建模有效弥补了传统实验的不足[29]、[30],但目前现有的毒性预测模型仍存在明显局限。首先,用于预测除草剂对沉水植物毒性阈值的专用模型很少[31]、[32],缺乏能够高效预测除草剂对沉水植物毒性阈值的方法,也少有研究针对这一问题进行优化。其次,很少有研究系统地确定多种共存除草剂对沉水植物的综合毒性阈值[28],同样缺乏针对混合除草剂污染系统的定量预测模型,这类模型无法反映自然水体中混合除草剂污染的实际暴露情况[33]。
为填补上述研究空白,本研究首先通过传统的毒理学实验,系统地确定了六种典型除草剂在单一作用及混合作用下对七种沉水植物的毒性阈值。筛选出15个与除草剂毒性密切相关的物理化学参数作为分子描述符,比较了多种回归算法,建立了适用于单一及混合除草剂作用场景的毒性阈值预测模型。本研究旨在构建能够大幅提升相关毒性数据获取效率的模型,为地表水中混合除草剂污染的生态风险评估提供可靠的数据支撑。

章节节选

沉水植物的培育

本研究中,以七种沉水植物作为中毒试验对象,分别是Vallisneria natans、Elodea nuttallii、Hydrilla verticillata、Potamogeton wrightii、Potamogeton crispus、Ceratophyllum demersum和Myriophyllum verticillatum[34]。这些植物均从中国太湖周边的水产品市场购买,然后在温室中的大型水族箱(营养液体积为40升)中水培一个月。水族箱内的温度为

单一除草剂的毒性阈值

根据沉水植物鲜重变化,本文分别拟合了六种除草剂对七种沉水植物的“毒性效应-剂量”方程,相关参数见SI表S4至SI表S6。
总体而言,如图1所示,共用6种除草剂对7种沉水植物进行了毒性胁迫试验,最终得到了42个拟合的剂量-反应方程。其中9种的中间有效浓度(EC??)超过1毫克/升

讨论

第3节的结果表明,几种典型除草剂对浅湖中常见沉水植物的EC??值及毒性分类差异较大,反映出除草剂与沉水植物之间复杂的毒性响应关系。其中,沉水植物对除草剂的响应具有明显的物种特异性,这可能源于它们在生理结构及解毒机制上的差异

结论

本研究系统地确定了六种除草剂及其混合物在单一作用及混合作用条件下对七种典型沉水植物物种的毒性阈值。基于这些实测数据,构建了QSAR模型,分别用于预测单一除草剂及除草剂混合物的毒性阈值。研究结果表明,不同除草剂与沉水植物物种之间的毒性阈值存在显著差异。具体而言,EC??值

CRediT作者贡献说明

李爱民:写作——审稿与编辑,资金获取。黄旭:软件应用。安树清:资金获取。张泽鹏:软件应用。张洋洋:资源提供。胡敏:写作——初稿撰写,软件应用,数据整理,概念设计。朱国杰:数据整理。

利益冲突声明

作者声明不存在任何可能影响本文研究的已知利益冲突或个人关系。

致谢

我们衷心感谢国家自然科学基金委员会(项目编号42227806)、国家关键研发计划(项目编号2023YFE0100900)以及国家自然科学基金委员会的其他项目(编号52300091、52270072)的慷慨支持。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号