效應加和模式

效應加和模式

化學污染物總是以混合物形式存在於實際環境體系中。化學混合物的毒性評估與預測是環境化學領域當前的研究熱點與難題。要評估與預測一個化學混合物的毒性效應,首先要證明其是否具有加和性。有 3 個加和參考模型即效應相加模型(ES)、濃度加和模型(CA)、獨立作用模型(IA)用於化學混合物毒性的加和性檢驗。

如果混合物毒性與由選定的加和參考模型預測的毒性一致,則認為混合物毒性具有加和性,此時混合物體系的毒性可由該參考模型預測。

基本介紹

  • 中文名:效應加和模式
  • 外文名:effect summation
  • 縮略詞:ES
  • 參考模型:三種
  • 本質:預測參考模型
  • 不足:不能解釋虛擬組合現象
效應加和模式,效應加和模式研究背景,效應加和模式的廣泛套用,“無中生有”不是協同,等效線圖分析毒性相互作用,套用置信區間分析混合物相互作用,CA 與 IA 有不同的套用範圍,

效應加和模式

化學污染物總是以混合物形式存在於實際環境體系中。化學混合物的毒性評估與預測是環境化學領域當前的研究熱點與難題。要評估與預測一個化學混合物的毒性效應,首先要證明其是否具有加和性。有 3 個加和參考模型即效應相加模型(ES)、濃度加和模型(CA)、獨立作用模型(IA)用於化學混合物毒性的加和性檢驗。如果混合物效應明顯偏離加和參考模型預測效應,則認為該混合物產生毒性相互作用,即協同或拮抗。選擇不同的加和參考模型可能得出不同的相互作用結論。ES 模型最早廣泛套用,但不能解釋由同一化合物構成的所謂虛擬組合現象,套用已開始受到限制。IA 模型被認為適用於具有相異作用模式的化學物構成的混合物,而 CA 模型適用於相似作用模式化學物構成的混合物並能合理解釋 ES 模型不能解釋的虛擬組合現象,常常認為是化學混合物毒性預測的標準模型。然而,由於 CA 模型沒有堅實的理論支持,也不能直接聯繫混合物毒性作用機理,同時在濃度-效應曲線的部分區域存在不能預測的所謂“預測盲區”,因此,CA 模型也只是一個工作模型,需謹慎使用。

效應加和模式研究背景

環境體系中化學污染物的聯合效應評估與預測已逐漸成為環境化學領域的研究熱點與難題之一,具有挑戰性。同樣的化學污染物(以下簡稱化學物)組分可以通過不同的組合方式構成多種多樣的混合物,對生物體產生各種不同的毒性效應。這些毒性效應可能是加和的,也可能是非加和的(協同或拮抗)。要正確評估和預測某混合物體系在不同組成時的毒性效應必須首先選擇合適的加和參考模型以確定其毒性是否具有加和性。
如果混合物毒性與由選定的加和參考模型預測的毒性一致,則認為混合物毒性具有加和性,此時混合物體系的毒性可由該參考模型預測。如果混合物毒性偏離預測毒性,則認為該混合物具有毒性相互作用即協同(大於預測毒性)或拮抗(小於預測毒性),其毒性是非加和的,不能由加和模型預測。在化學混合物毒性研究中最流行的加和參考模型是效應相加(effect summation,ES)模型和濃度加和(concentration addition,CA)模型。另外,也常使用獨立作用(independent addi-tion,IA)模型。

效應加和模式的廣泛套用

“無中生有”不是協同

效應加和模型的經典協同或拮抗定義在許多環境毒理學研究中證明是有差異的。例如,多個處於無觀測效應濃度(NOEC)甚至低於 NOEC 的化學物構成的混合物體系,根據效應加和模型分析時其混合物效應應該等於零,而實際效應卻明顯大於零,產生所謂“無中生有”的現象,即效應加和模型認為的經典“協同”作用。Silva 等在測定環境中 8 種雙酚 A 類化學物全部在無觀測效應濃度(NOEC)時構成的混合物的毒性效應時,發現混合物效應明顯大於零。Faust 等發現 18 種三嗪類農藥在低於 NOEC(均為 EC1)進行混合時,其毒性效應達47。1% 。如用效應加和模型來分析這兩個混合物都判別為明顯協同作用。然而,如果用 CA 模型來分析這兩個所謂的“無中生有”混合物,其結果是典型的濃度加和作用,而不存在協同作用。我們[26]在考察具有非單調CRC 特徵的 10 個離子液體混合物的毒性效應時也發現無中生有的現象,但它們均可以用 CA 模型進行解釋。

等效線圖分析毒性相互作用

等效線圖(Isobologram)最早由 Loewe於 1953 年提出。1981 年 Berebaum 給出了多種生物活性物質混合物的等效線圖,分析了混合物毒性相互作用,進而判別這些混合物是1% 聯合毒性檢驗。圖 3A 給出了由化學物 1 和化學物2 組成的所有二元混合物在混合物效應為 50%時各組分的濃度分布。如果這些濃度分布點都在一條對角直線(稱 CA 加和線)上,則認為是(濃度)加和的,沒有相互作用。如果分布在直角線(稱獨立線)上,說明該混合物的效應只與其中某一組分的濃度有關。若在 CA 線之下,則認為有協同作用。若在獨立線之外則認為存在拮抗作用。若位於 CA 線與獨立線之間則稱為部分加和作用。

套用置信區間分析混合物相互作用

化學污染物及其混合物的毒性實驗存在隨機誤差,濃度-效應曲線(CRC)擬合也會產生擬合誤差,因此合理表征濃度-效應曲線及其置信區間非常重要。文獻中存在兩種形式的置信區間(Confidence interval,CI),即擬合函式的置信區間(Function-based confidence in-terval,FCI)和基於實驗觀測值的置信區間(Observation- based confidence interval,OCI)。朱祥偉等[32]在濃度-效應曲線非線性擬合的基礎上,給出了 FCI 和 OCI 的計算原理,分析了 FCI 與 OCI 表征 CRC 曲線的利弊,證明在討論混合物協同、拮抗或加和作用時採用 OCI 表征比FCI 更合理。實驗點及其 95%置信區間位於參考模型預測的加和線的左邊則為協同作用,位於右邊則為拮抗作用。

CA 與 IA 有不同的套用範圍

相比效應加和模型,CA 和 IA 作為加和參考模型近年來經常用於混合污染物的聯合毒性評價。例如 ,Zhang 等以 CA 和 IA 模型為參考模型評估了離子液體與有機磷農藥間產生的毒性相互作用; Backhaus 等也曾用 CA 和 IA 模型對喹諾酮類物質構成的混合物體系進行毒性評估。綜合現有的文獻報導,CA 被認為適用於具有相似作用模式化學物的混合物,而 IA 則適用於具有相異作用模式化學物的混合物。例如,由25 種具有相似作用模式的除草劑構成的混合物,其混合物毒性可用CA模型準確預測; 由 16 種相異作用模式的化學品構成的混合物可以用 IA 模型進行準確預測。然而,由於大多數污染物對相關靶標的作用機理尚不明確以及如何判定“相異”作用模式的難題無法解決,何時套用 CA 或 IA 仍是懸而未決的問題。在實際工作中,CA 預測的 CRC 可能高於、低於或等於 IA 預測的 CRC(圖 5),這取決於混合物包含的組分數目、各組分濃度分數、組分 CRC 特徵等多個因素。16種相異作用物質、均三嗪除草劑混合物[25]、25 種除草劑相似作用物質[41]以及 4 種多環芳烴相似作用物質等構成的混合物體系,其CA模型預測CRC明顯高於 IA 模型預測 CRC。苯酚及其衍生物和苯胺類混合物,其 CA 預測 CRC 則小於 IA 預測。Payne 等[46]發現DDT、木黃酮、丁基酚與壬基酚的混合物,其 CA 與 IA預測 CRC 是相互交叉的。宋曉青等[47]則發現部分除草劑與重金屬混合物體系中有 3 個混合物,在總效應為40%以下時,實驗毒性與 CA 或 IA 預測的毒性基本一致,但隨總濃度增加,CA 與 IA 預測的差別逐漸增大,實驗效應數據點更接近於 CA 預測曲線。

相關詞條

熱門詞條

聯絡我們