《Journal of Hazardous Materials》：Flow-Dependent Modulation of Microplastic Toxicity in Grass Carp: Insights from Multi-Level Biological Endpoints and Machine Learning
编辑推荐：
本研究针对淡水系统中微塑料(MPs)污染与水流动力交互作用的生态毒理机制尚不明确的问题，通过模拟不同流速（1/3/5 BL/s）与5μm聚苯乙烯微塑料（1000μg/L）的复合暴露实验，发现高流速会加剧MPs在草鱼鳃和肠道中的积累，诱发组织病理损伤、免疫基因（IL-6、TNF-α等）显著上调及肠道菌群失调（如气单胞菌属富集）。机器学习进一步识别出IL-1β、黏膜厚度等关键生物标志物。研究首次揭示水流动力学可放大MPs的生态毒性，为河流污染风险评估提供新视角。
在当今塑料污染席卷全球水体的背景下，微塑料（MPs）作为新兴污染物已成为淡水生态系统的隐形杀手。尤其河流作为水资源枢纽，其动态水文条件如何影响MPs的归趋与生物效应，仍是环境毒理学领域的认知盲区。以往研究多聚焦静态暴露场景，却忽略自然水体中湍流、流速变化可能显著改变MPs的悬浮状态、生物可利用性及毒性效应。草鱼（Ctenopharyngodon idella）作为我国重要经济鱼种和生态指示生物，其鳃与肠道是MPs入侵的主要门户，但水流这一关键环境因子是否会“推波助澜”加剧MPs危害，尚未有系统阐释。
为破解这一难题，中国三峡大学研究团队在《Journal of Hazardous Materials》发表论文，通过创新性构建“流速-MPs”复合暴露体系，整合组织病理学、免疫分子检测、肠道微生物组测序与机器学习算法，揭示水流对MPs生物累积与毒性的调控规律。研究发现，高流速（5 BL/s）不仅直接引发草鱼鳃丝坏死、肠黏膜脱落等损伤，更使MPs在鳃部积累量提升至1.08×105μg/kg，且与MPs协同诱发免疫基因“风暴式”响应（如IL-6表达量Cohen's d效应值达6.0）。更值得关注的是，肠道菌群在复合胁迫下呈现“多样性丧失-致病菌富集”的失衡特征，随机森林模型将IL-1β识别为最具预测力的生物标志物。这些发现首次证实水文动力可成为MPs环境风险的“放大器”，为河流污染精准治理提供理论依据。
研究关键技术包括：①开放式循环水槽流速控制系统（模拟1/3/5 BL/s流速梯度）；②荧光光谱法与显微成像定量MPs组织积累；③组织切片H&E染色与形态计量学分析；④qPCR检测6种免疫基因（IL-6、IL-8、IL-10、IL-1β、TNF-α、IFN-γ2）；⑤16S rRNA基因V3-V4区测序解析肠道菌群；⑥机器学习分类（随机森林、支持向量机等）识别关键生物标志物。
3.1. 微塑料积累
通过荧光分光光度计与显微成像双验证，发现MPs在鳃部积累量始终高于肠道，高流速（5 BL/s）使MPs+HV组鳃部积累量达（1.08±0.09）×105μg/kg，较静态暴露组提升约33%。流速与MPs积累呈正相关，且肠道积累增幅百分比高于鳃部，提示高速水流可能通过增加摄食机会促进MPs肠道入侵。
3.2. 组织学分析
流速与MPs复合暴露引发进行性组织损伤：鳃部出现坏死、鳃小瓣融合及淋巴细胞浸润；肠道黏膜上皮剥脱、纤维蛋白沉积，MPs+HV组病变最严重。形态计量显示，高流速使鳃丝长度极端延长152%，而肠黏膜与肌层厚度分别减少33%与28%。方差分解表明流速贡献55.6%的鳃组织变异，MPs贡献26.8%，但二者交互作用不显著（0.07%），提示效应以叠加为主。
3.3. 免疫相关基因表达
MPs暴露显著上调促炎因子（IL-6、TNF-α、IL-1β），效应值均达大或极大标准（Cohen's d>3.0）。流速单独作用仅引起轻微免疫激活，但与MPs叠加后，MPs+HV组IL-1β表达较对照提升约157%。主成分分析（PCA）显示MPs暴露是免疫响应的主驱动力（PC1解释66.6%方差）。随机森林特征重要性排序中，IL-1β居首位（100%），IL-10与炎症指数呈负调控关系，体现抗炎反馈机制。
3.4. 草鱼肠道微生物组
微生物α多样性（Shannon指数）在MPs+HV组降至3.23±0.77，显著低于对照组（6.44±2.49）。门水平上，变形菌门（Proteobacteria）与 Fusobacteria 在高速流组富集；属水平中，气单胞菌属（Aeromonas）和弧菌属（Vibrio）等条件致病菌在复合暴露组扩增2.6倍。NMDS分析（R2=0.303, p<0.001）证实群落结构随处理分组显著分离。
3.5. 肠道细菌α和β多样性
ACE和Chao1指数显示MPs与高流速单独及复合暴露均降低物种丰富度（MPs组ACE=68.01±18.22，HV组Chao1=64.17±7.82）。β多样性分析（Bray-Curtis距离）表明处理间群落差异显著，MPs+HV组形成独立聚类。方差分解表明流速对α多样性的影响（26.4%）大于MPs（7.7%），但交互作用仍不显著。
3.6. 细菌分类群相对丰度
在门水平，厚壁菌门（Firmicutes）比例在应激组下降，而变形菌门上升；属水平中，MPs+LV组弧菌属LDA值>4（p<0.05）。致病菌总负荷在MPs+HV组达0.52（对照组0.20），且与Shannon多样性呈负相关（r=-0.82, p=0.013）。
3.7. 探索性风险分类
机器学习对微生物失调的分类性能最优（AUC=1.00），黏膜平均厚度、IL-1β为关键预测因子。综合风险分类中，流速与MPs互作特征重要性低于下游生物响应指标，提示毒性评估应侧重宿主生理反应而非暴露浓度本身。
3.8. 线性判别生物标志物分析
LEfSe分析鉴定出7组中32个差异菌群，LV组富集Rhodobacteraceae科，MPs+LV组弧菌属显著富集（LDA>4）。聚类分析显示流速与MPs共同塑造菌群结构特征。
3.9. 菌群失调相关因素探索性分析
炎症指数与菌群失调评分显著相关（R2=0.402），IL-6为最强预测因子（r=0.821）。IL-10通过负向调节炎症-失调关系（β=-13.16, p=0.0075）发挥保护作用。网络模块分析显示免疫-微生物组分间存在高度连通性（模块性Q=0.312）。
研究结论强调，水流动力学不仅是MPs迁移的载体，更是其毒性效应的“调节阀”。尽管样本量限制需谨慎推断协同作用，但多层级证据表明高流速通过增加MPs生物可利用性、加剧组织损伤和免疫紊乱，最终导致菌群失调。讨论部分指出，未来需结合真实河流水文数据扩大样本量，并引入代谢组学等技术揭示因果链条。此研究为水力工程与生态毒理的交叉研究树立范式，对制定动态水体MPs安全阈值具有迫切现实意义。
