编辑推荐：
在生态毒理学领域，传统无脊椎动物胚胎生物测定耗时且依赖专家判断。研究人员开展海胆胚胎形态计量自动化分析研究。结果显示自动化方法检测正常胚胎准确率达 82%，优于手动观察。该成果有助于评估海洋污染及模拟未来场景。
在广袤的海洋世界里，人类活动不断向其中倾倒各种污染物，这些污染物如同隐藏在暗处的 “杀手”，严重威胁着海洋生态系统和人类自身的健康。以往，单纯依靠化学调查根本无法全面了解新释放到环境中的物质对生物物种和生态系统的潜在危害。为了更准确地评估这些危害，生态毒理学生物测定应运而生，其中无脊椎动物胚胎生物测定成为评估海洋环境生态质量的重要手段 。
然而，传统的胚胎生物测定存在诸多弊端。在实际操作中，研究人员需要耗费大量时间对胚胎进行观察和分类，而且最终的结果在很大程度上依赖于操作人员的专业判断。不同的操作人员可能会因为技术水平、经验等差异，导致判断结果出现偏差，进而影响整个研究的准确性和可靠性。这些问题就像一道道屏障，阻碍着生态毒理学研究的发展，也使得我们难以精准地评估海洋环境的真实状况。
为了突破这些困境，来自国外的研究人员积极展开探索，聚焦于海胆胚胎形态计量分析的自动化研究。他们希望通过研发新的技术和方法，实现对海胆胚胎形态的快速、准确分析，从而为海洋污染评估和未来场景模拟提供有力支持。经过不懈努力，研究取得了令人瞩目的成果。该研究成果发表在《Ecological Indicators》上，为相关领域的研究开辟了新的方向。
研究人员在此次研究中运用了多种关键技术方法。首先是样本处理技术，他们从意大利的 Piombino 港采集海洋沉积物样本，并按照特定的规范制备洗脱液；同时，采集地中海海胆（Paracentrotus lividus）的成体，进行胚胎毒性测试。其次是图像采集与分析技术，当胚胎发育到 4 臂长腕幼虫阶段时，使用 Lugol 碘溶液固定样本，利用立体显微镜和倒置显微镜搭配数码相机进行图像采集；之后借助 ImageJ 软件对图像进行处理和分析，获取胚胎的形态计量参数。最后，采用线性判别分析（LDA）这一统计方法，对胚胎进行分类和评估。
3. 研究结果
3.1 自动模型结果
在样本处理环节，研究人员发现使用 Lugol 碘溶液固定样本，相较于传统的福尔马林，能使胚胎更加透明，这一特性为后续利用图像分析软件进行处理提供了极大的便利，显著优化了照片采集效果，获得了对比度良好的胚胎图像。
在分析效率方面，传统的专家判断方式，对 1000 个幼虫进行分类大约需要 3 个小时，而自动化方法处理相同数量的幼虫却用时不到 1 分钟，效率提升十分显著。
在胚胎分类的准确性上，线性判别分析（LDA）结果显示，自动化方法在检测发育良好的长腕幼虫时，性能可达 77%；检测异常胚胎时，性能为 87%，综合平均性能达到 82%。相比之下，人工观察识别发育良好的长腕幼虫的性能为 65%，识别异常胚胎的性能为 93%，平均性能为 79%。在识别五类形态型方面，自动化方法同样表现出色，训练集和测试集都能达到较高的识别频率，这表明该模型具有良好的类别区分能力。
3.2 分类模型的验证
研究人员利用 Piombino 港的洗脱液生成剂量 - 反应曲线来验证分类模型。结果发现，专家分类和自动化分类的结果高度重叠。通过 ITI 方法评估胚胎毒性，能区分六种严重程度等级，相较于仅基于畸形与正常胚胎的曲线，能更清晰地呈现发病情况。而自动化方法生成的曲线更为敏感，充分展现了其在胚胎毒性评估中的巨大潜力。
4. 研究结论与讨论
此次研究成功开发出一套全面的海胆胚胎自动化数据采集和分析系统。通过使用 Lugol 碘溶液染色固定胚胎、借助成像软件自动去除干扰颗粒和重叠胚胎、运用线性判别分析（LDA）对胚胎发育畸形程度进行自动分类这一系列操作，实现了胚胎的高效分类，并且在数据标准化分析方面无需专家介入，极大地提高了分析的准确性和效率。经 Piombino 港受污染沉积物样本验证，该方法切实有效。
这一研究成果意义重大。在技术层面，它突破了传统胚胎生物测定的局限，为生态毒理学研究提供了一种快速、精确、准确且可重复的工具。在实际应用中，有助于评估海洋污染状况，对未来海洋环境变化场景的模拟也具有重要价值，能为海洋环境保护和管理决策提供可靠依据。
然而，研究也存在一些有待完善的地方。虽然当前的方法为形态型分类奠定了良好基础，但未来仍需借助更先进的计算方法，如椭圆傅里叶分析（EFA）等，进一步提升幼虫自动分类的分辨率和准确性。同时，还需要深入探究每个形态计量描述符在定义六个 ITI 类别中的具体权重，通过整合其他计算工具和方法，不断优化自动分类方法。例如，可以引入机器学习方法中的随机森林和推理树等，更精准地识别畸形类别，明确不同参数在形态异常分类中的作用。
从长远来看，自动化数据采集技术有望发现那些因发生率低、需要大量胚胎分析才能检测到的细微影响。在未来的海洋环境研究中，这些细微影响对于模拟海洋酸化、温度和盐度变化以及新兴污染物等场景可能至关重要。此外，建立特定胚胎表型与毒性之间的关联网络，对于评估复杂介质（如化学混合物）的危害以及它们与物理因素的相互作用也具有重要意义。
在实际应用场景中，生物测定是评估港口区域沉积物质量等级的关键环节。该研究提出的机器学习应用协议，提高了海胆胚胎生物测定的准确性，便于环境机构等众多实体进行数据采集，有力推动了其在港口沉积物环境质量评估中的实际应用。未来，若能开发出更便于使用的特定软件，将进一步促进实验室间的比较，增强该方法在生态风险评估中的适用性，为全球海洋环境保护事业贡献更大的力量。
