基于食物网中心框架的水生生态系统全氟和多氟烷基物质营养放大效应解析

《Environmental Chemistry and Ecotoxicology》：A food-web-centered framework for interpreting PFAS trophic magnification in aquatic ecosystems

　　

全氟和多氟烷基物质（PFAS）已成为水生生态系统中普遍存在的污染物，存在于水、沉积物以及不同营养级（TL）的生物体内。一些PFAS的持久性和累积性对水生野生动物以及食用受污染鱼类和贝类的人群构成了暴露风险。因此，理解PFAS浓度如何在食物网中变化，对于评估消费者的暴露风险以及解释不同化合物和生态系统之间的差异至关重要。营养放大因子（TMF）总结了采样食物网中污染物浓度与营养级之间的关系。高于或低于1的值分别描述浓度随营养级的升高或降低，证据强度取决于估计值的不确定性。同一PFAS在不同研究中报告的TMF可能存在显著差异。化合物特异性性质影响吸收、分配和消除，但其表现取决于暴露条件以及所代表的生物体和摄食途径。野外衍生的TMF还取决于如何测量浓度和营养级并将其纳入回归分析。因此，观测到的TMF既反映了决定生物体浓度的过程，也反映了用于表征其营养模式的研究设计。在此，研究人员提出了一个以食物网为中心的解释框架，围绕四个互补层面组织：方法论构建、生物转运路径、环境调节和化学转化。这些层面将浓度-营养级关系的估计与支配PFAS暴露、转移和形成的机制联系起来。通过结合结构化证据映射和对已发表TMF的探索性分析，研究人员评估了跨研究模式，区分了机制性证据与假设，并识别了可比性方面的局限性。随后，研究人员将这些综合发现转化为报告建议和评估观测TMF替代解释的指南。该框架旨在阐明观测到的TMF支持什么结论，其解释在何处仍存在不确定性，以及哪些额外测量可以解决这种不确定性。

论文解读：基于食物网中心框架解析水生生态系统中PFAS的营养放大效应

一、研究背景、现存问题与研究意义

全氟和多氟烷基物质（PFAS）作为一类持久性有机污染物，已广泛分布于全球水生生态系统的水体、沉积物及各级生物体中。由于部分PFAS具有极强的环境持久性和生物累积性，其对水生野生动物以及通过食用受污染水产品而暴露的人类健康构成了潜在威胁。因此，准确理解PFAS在水生食物网中的浓度变化规律，即其营养传递行为，对于科学评估高营养级消费者的暴露风险以及比较不同化合物与生态系统间的差异至关重要。

目前，营养放大因子（TMF）是定量描述污染物浓度随营养级（TL）变化的常用指标。然而，大量研究表明，即使针对同一种PFAS，不同研究报道的TMF值也可能存在巨大差异。这种差异的产生，一方面源于PFAS自身理化性质（如吸收、分配和消除速率）的差异，另一方面则更深刻地受到研究所在食物网的生态结构、环境暴露条件以及研究方法学选择的影响。现有的综合分析虽已识别出部分变异来源，但仍缺乏一个能够系统连接“观测到的TMF数值”与“背后驱动机制”的理论框架。相似数值可能由完全不同的暴露、滞留和转化过程组合产生，而研究间的差异也可能混淆了真实的生态过程变化与方法学差异。因此，亟需建立一个整合性的解释框架，以指导研究者正确解读TMF的生态学含义，并推动不同研究间的有效比较。

本研究正是为了填补这一理论空白而开展的。研究人员提出了一套以食物网为中心的四层解释框架，旨在系统梳理影响TMF估计和解读的各种因素，并通过结构化证据映射和探索性数据分析，评估现有研究的可比性，最终为未来研究提供标准化的报告建议和因果推断指导。该论文发表于《Environmental Chemistry and Ecotoxicology》。

二、主要技术方法

研究人员采用了文献综述与统计建模相结合的方法。首先，通过系统性检索Web of Science、Scopus、PubMed及Google Scholar等数据库，收集了2004年1月1日至2025年4月26日期间发表的关于PFAS在水生食物网中营养放大的原始研究。最终数据集包含来自51篇出版物的704个TMF估计值。在数据分析方面，研究人员并未进行传统的效应量荟萃分析，而是采用线性混合效应模型（linear mixed-effects model）对TMF进行探索性分析。模型以ln(TMF)为响应变量，将研究ID（Study ID）和PFAS身份（PFAS identity）作为随机截距项，固定效应包括营养跨度（trophic span）、初级生产者是否纳入、顶级捕食者是否纳入、生态系统类型、气候带以及组织基础（tissue basis）。所有统计分析均在R语言（版本4.5.1）中完成，使用了lme4和lmerTest等软件包。

三、研究结果

3.1 TMF作为构建的生态斜率

本部分明确了TMF的本质是一个统计学上的回归斜率，它描述了采样食物网中log₁₀转换后的污染物浓度与TL之间的线性关系。TMF的计算公式为10^a（其中a为回归斜率）。研究强调，TMF不同于单个捕食者-猎物间的生物放大因子（BMF），它是一个整合了整个采样食物网营养梯度的宏观指标。高于1表示浓度随TL增加而增加（营养放大），低于1则表示稀释。但置信区间跨越1的情况不能证明不存在营养传递。

3.2 TMF斜率的方法论构建

这是框架的第一层，揭示了研究设计如何直接影响TMF的估计值。

• •
  组织和浓度基础影响浓度轴：研究发现，低营养级生物常被整均质化分析，而高营养级消费者则可能仅分析肌肉、肝脏等特定组织。这种组织基础的差异会引入系统性偏差，因为PFAS在不同组织中分布不均（如肝、血中浓度通常高于肌肉）。多变量分析显示，组织基础是解释TMF变异贡献最大的特征之一（ΔR2_m = 0.021, q = 0.003），基于肌肉的TMF估计值显著低于基于全体的估计值（调整后TMF比值=0.661, 95% CI=0.507–0.862, p=0.003）。
• •
  同位素假设影响营养级轴：TL通常通过氮稳定同位素（δ1?N）计算得出。研究指出，营养富集因子（TEF）的选择范围（约2.3‰至3.8‰）会显著改变推断出的营养梯度宽度，从而影响回归斜率和TMF值。此外，基线生物的选择不当（如在河口或大型湖泊中底栖与浮游基线差异较大）会导致TL的估算反映的是同位素地理而非真实的营养层级。化合物特异性氨基酸氮同位素分析（CSIA-AA）被认为是减少基线依赖的有效手段。

3.3 证据库的特征化

通过对704个TMF估计值的分析，研究揭示了当前证据库的几个重要特征：

• •
  时空分布不均：研究数量在2019年后激增，但地理覆盖极不平衡。中国贡献了28项研究，北美和欧洲分别贡献了13和8项，而热带和南半球食物网的代表性严重不足。
• •
  化合物间差异巨大：例如，全氟辛酸（PFOA）的区域平均TMF约为1.2，而全氟辛烷磺酸（PFOS）在某些加拿大北部食物网中的TMF值可超过10。
• •
  生态系统类型偏倚：海洋和湖泊系统各占约三分之一，而河流和河口系统的研究相对较少，限制了跨生态系统类型的比较。

3.4 统计分析

通过拟合多变量线性混合效应模型，研究人员量化了多种研究特征对TMF的调整后关联。除了上述的组织基础外，模型还分析了营养跨度、初级生产者和顶级捕食者的纳入与否、生态系统类型和气候带等因素。结果显示，这些因素共同解释了TMF的一部分变异，但仍有大量变异无法被当前模型捕捉，这强调了未来研究需要更系统地记录和报告方法学细节。

四、讨论总结与研究结论

在讨论部分，研究人员进一步阐释了框架的其余两层——生物转运路径、环境调节和化学转化。生物转运路径关注PFAS如何通过摄食进入生物体、在体内分配（如与蛋白结合）以及沿食物网路径传递。环境调节涉及水温、盐度、溶解有机碳等环境因子如何改变PFAS的生物可利用性。化学转化则强调前体物质在生物体内或环境中降解为终端的全氟烷基酸（PFAA），可能导致对某些母体化合物的TMF低估。

研究结论：

研究人员提出了一个以食物网为中心的四层解释框架，用于解读野外衍生的PFAS营养放大因子。该框架将TMF视为一个依赖于具体食物网情境的结果，而非一个固定的化学属性。方法论构建决定了浓度-TL关系的估计方式；生物转运路径描述了PFAS通过食物网路径的滞留与传递；环境调节和化学转化改变了TMF的表达。通过结构化证据映射和探索性分析，研究人员发现现有研究在组织基础、同位素假设和采样覆盖等方面存在显著的方法学异质性，这严重限制了跨研究比较的有效性。为此，研究人员提供了详细的报告建议，以增强未来研究的透明度和可比性。最终，该框架有助于研究者更严谨地判断观测到的TMF究竟支持何种生态过程，在哪些环节仍存在不确定性，以及需要补充哪些测量才能消除这些不确定性。