解析溴化阻燃剂对水生动物毒性的机制与驱动因素

《Aquatic Toxicology》:Unraveling the Mechanisms and Drivers of Brominated Flame Retardant Toxicity in Aquatic Animals

【字体: 大 中 小 】 时间:2026年08月13日 来源:Aquatic Toxicology 4.6

编辑推荐:

  摘要全球范围内传统溴化阻燃剂正在逐步被淘汰,与此同时,环境中新类型溴化阻燃剂的检测频率也在上升,这就形成了传统污染物与新污染物共存的复杂局面。水生系统是溴化阻燃剂的主要沉积场所,因此有必要评估这些物质对水生动物可能带来的生态风险。本研究通过元分析、机器学习以及Geodetecto

  

摘要

全球范围内传统溴化阻燃剂正在逐步被淘汰,与此同时,环境中新类型溴化阻燃剂的检测频率也在上升,这就形成了传统污染物与新污染物共存的复杂局面。水生系统是溴化阻燃剂的主要沉积场所,因此有必要评估这些物质对水生动物可能带来的生态风险。本研究通过元分析、机器学习以及Geodetector模型,整合了137篇文献中的8009个有效数据点。元分析结果显示,生物因素(如生命阶段和生态位)是决定物种对溴化阻燃剂敏感度的关键因素,其中处于生命早期阶段的生物、成体以及底栖动物表现出更强的反应性。暴露条件(如溴化阻燃剂类型、暴露时长和浓度)也是影响毒性的重要因素,尤其是被禁用的溴化阻燃剂、高浓度暴露(>1000微克/升)以及长期暴露(>14天)所带来的显著影响。研究还发现毒性效应并非遵循简单的线性浓度依赖关系,而是呈现非单调的剂量-反应关系。毒理学终点分析表明,细胞毒性和内分泌紊乱是最主要的毒性表现。机器学习与Geodetector模型则指出,终点效应和溴化阻燃剂类型是最为重要的影响因素,且这些因素之间存在相互作用的增强效应。值得注意的是,作为十溴二苯乙烷的替代品,十二溴二苯乙烷在某些毒性终点(如程序性细胞死亡和甲状腺内分泌功能异常)上的效应强度与BDE-209相当,甚至更为严重,而且其毒性更容易受到暴露条件的调控。这些研究结果质疑了将十二溴二苯乙烷视为“更安全替代品”的观点,同时也凸显出其不容忽视的生态风险。从机制层面来看,不同物种的生态位比较分析表明,同一种溴化阻燃剂在不同物种中可能引发不同的不良后果,这源于物种特有的分子级触发机制。

引言

溴化阻燃剂是一种合成化合物,因其成本低、性能优异,被广泛用于降低纺织品、建筑材料及电子产品的易燃性(Chen等人,2024年)。大多数溴化阻燃剂属于添加剂,这使得它们更容易从成品中释放出来(Jarosiewicz和Krze?lak,2024年)。这类物质的水溶性较低,亲脂性较强,进入水生环境后容易在水中生物体内积累,并可能通过食物链逐渐放大,从而给人类带来潜在的暴露风险(Lyche等人,2015年;Zhang等人,2025年)。尽管《联合国环境规划署斯德哥尔摩公约》及其他国际法规对溴化阻燃剂进行了管控,但由于其环境持久性以及某些豁免条款下的持续使用,传统溴化阻燃剂仍然在多种水生环境中广泛存在(Fu等人,2023年;Xing等人,2023年)。更值得关注的是,随着全球范围内传统溴化阻燃剂的逐步淘汰,近年来新型溴化阻燃剂的生产和使用量大幅增加,导致其在环境中的出现频率也不断上升(Xiong等人,2019年)。因此,系统地阐明溴化阻燃剂的生态毒理效应及其作用机制,已成为生态毒理学领域亟待解决的重要课题。
大多数溴化阻燃剂都是高度疏水的化学物质,能够轻易穿透细胞并积聚在细胞膜和疏水性蛋白质结构等脂质成分中(Jarosiewicz等人,2025年)。它们通过与细胞膜的成分结合,改变其生物物理和生化特性,进而破坏细胞膜的完整性,导致细胞毒性(Khani等人,2023年)。这种细胞损伤会进一步引发全身性毒性,如肝毒性和神经毒性,这些都是溴化阻燃剂暴露后常见的毒性表现(Wang和Dai,2022年;Yang等人,2023年)。近期有研究探讨了溴化阻燃剂对水生动物的毒性,包括氧化应激、内分泌紊乱,以及生长、发育和神经系统功能等方面的损害(Xie等人,2023年;Yang等人,2024年;Xu等人,2025年)。然而,不同研究中使用的测试物种、生命阶段和暴露条件存在差异,这往往会导致研究结果的不确定性和差异性,使得全面理解溴化阻燃剂的毒性仍然面临挑战。为此,相较于依赖单项研究的有限数据,数据挖掘被认为是一种更为有效的手段,它能够整合各类已发表的研究证据(Labouta等人,2019年)。
元分析有助于量化不同研究中因实验操作导致的因变量变化,并可通过特定的调节变量来解释这种差异性(Harrison,2011年)。为了更精准地把握这些复杂的关联关系,人们还采用了先进的计算方法。可解释人工智能技术通过可视化方式展现“黑箱”模型的内部运作机制,从而弥合模型复杂性与其可解释性之间的差距(Ladbury等人,2023年),帮助识别出影响毒性效应的关键因素(Marzidov?ek等人,2024年;Sun等人,2024年)。要全面理解毒性机制,不仅需要分析各个单独的因素,还需要考虑它们之间的相互作用。正因如此,Geodetector模型因其能够检测空间上分层的异质性,且无需假设数据呈线性或正态分布,而被广泛应用(Zhu等人,2025年)。
本研究对有关溴化阻燃剂对水生动物毒性的实验数据进行了宏观层面的定量综合分析。鉴于现有研究之间存在较大差异,本研究旨在揭示不同生物学层次(从细胞层面到整个生物体层面)上溴化阻燃剂引发毒性的整体规律及核心驱动因素。首先通过元分析研究了溴化阻燃剂引发的毒性现象,并分析了毒性反应的差异性。随后又运用机器学习和Geodetector模型,分析了各种影响因素的单独作用及其相互作用。这种综合分析方法有助于揭示毒性的系统性趋势,并确定溴化阻燃剂毒性的关键驱动因素。本研究的具体目标如下:(一)系统量化溴化阻燃剂对水生动物的毒性效应,并阐明其背后的作用机制;(二)识别影响毒性的关键因素;(三)比较传统溴化阻燃剂与新型溴化阻燃剂的毒性效应,以此评估新型溴化阻燃剂作为更安全替代品的潜力。

章节节选

文献检索

为了获取所有关于溴化阻燃剂对鱼类和水生无脊椎动物毒性作用的实验研究资料,我们进行了全面的文献检索,筛选范围为2025年6月之前发表的相关文献。检索工作在PubMed、Google Scholar、Web of Science以及中国国家知识基础设施等数据库中进行,检索关键词为“BFRs或溴化阻燃剂”与“水生或淡水或海洋”与“鱼类或无脊椎动物或甲壳类动物或软体动物或线虫或轮虫或”

数据集概述

本研究基于从137篇文献中提取的8009个数据点,构建了一个关于溴化阻燃剂对水生动物毒性作用的数据集(见图1)。其中浮游生物占比最高,达72.2%,其中斑马鱼、青鳉和鲤鱼是最为常见的研究物种。底栖生物和浮游植物分别占文献总数的24.1%和3.6%,其中底栖生物以双壳类为主,而浮游植物则以轮虫和枝角类为主。涉及传统溴化阻燃剂的研究在所有研究中占比最高

结论

通过结合元分析、机器学习以及Geodetector模型,本研究对溴化阻燃剂的毒性作用及其核心驱动机制进行了全面评估。元分析结果表明,溴化阻燃剂对底栖生物的毒性尤为显著,而成体水生动物则更为敏感。对暴露条件的分析显示,长期暴露(≥14天)和高浓度暴露(≥1000微克/升)会显著增强毒性效应,且毒性效应并非遵循简单的线性关系,而是呈现非单调的剂量-反应模式

未引用参考文献

Ladbury等人,2023年

CRediT作者贡献说明

刘磊:论文撰写——初稿、方法学分析、正式分析。 孙涛:论文撰写——审阅与编辑、正式分析。 季成龙:论文撰写——审阅与编辑、项目管理。 李飞:论文撰写——审阅与编辑、正式分析。 吴慧峰:论文撰写——审阅与编辑、监督工作、项目管理。
刘磊|孙涛|季成龙|李飞|吴慧峰
中国科学院烟台海岸带研究所山东海岸带环境过程与生态安全重点实验室,中国山东省烟台市264003
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