综述：环境DNA宏基因组学在海洋溢油后生物群落监测与评估中的应用

这篇综述系统阐述了环境DNA（eDNA）宏基因组学在海洋溢油生态监测中的革新性应用，通过非破坏性采样、多营养级同步检测（如PAHs降解菌、浮游生物）及AI辅助分析（如机器学习算法R2=0.66），克服了传统形态学方法（仅鉴定45类 vs. eDNA检出44种）的低灵敏度缺陷，为溢油后生物群落动态（如α多样性变化）和功能基因（如烃类降解通路）研究提供了全链条解决方案。

　　

摘要

海洋溢油事件对生态系统造成多层次破坏，而环境DNA（eDNA）宏基因组学凭借非破坏性采样和高通量测序技术（如Illumina平台），实现了从微生物到底栖生物的多营养级同步监测。研究表明，eDNA技术对低丰度物种（如溢油敏感种）的检出率显著优于传统方法（27.9种 vs. 19.6种），并能通过功能基因注释揭示PAHs降解菌（如Alcanivorax）的修复潜力。

引言

随着海上石油活动增加，溢油事故（如2010年Deepwater Horizon事件）导致珊瑚礁退化与深海沉积物长期污染。传统监测受限于形态分类主观性（仅5%物种种级鉴定），而eDNA技术通过标准化流程（采样→DNA提取→纳米孔测序）和全球数据库构建，解析了压力指数（R²=0.66）与群落结构的关系。

eDNA提取与分析方法

针对不同介质（海水/沉积物），CTAB法可高效提取微生物eDNA，而qPCR和机器学习算法能追踪烃类降解基因（如alkB）的动态表达。值得注意的是，自动化采样器可降低人为误差，但需警惕PCR抑制剂（如腐殖酸）干扰。

应用案例

在东海Sanchi油轮事故中，eDNA揭示了PAHs沿食物链的富集效应，同时检测到烃降解菌群（如Cycloclasticus）的快速增殖。对比形态学数据，eDNA的nMDS分析更清晰区分平台邻近区群落（应力值0.141）。

未来方向

当前挑战包括eDNA降解动力学模型优化和跨区域数据标准化。整合AI预测（如α多样性变化）与降解菌接种策略，将推动溢油监测从“描述性”向“机制驱动”转变，为《全球海洋治理框架》提供技术支撑。

（注：以上内容严格基于原文缩编，未新增观点，专业术语如PAHs=多环芳烃，nMDS=非度量多维标度分析）