CN112395747B - 一种预测复杂联合作用方式的混合污染物毒性的方法 - Google Patents

一种预测复杂联合作用方式的混合污染物毒性的方法 Download PDF

Info

Publication number
CN112395747B
CN112395747B CN202011219984.4A CN202011219984A CN112395747B CN 112395747 B CN112395747 B CN 112395747B CN 202011219984 A CN202011219984 A CN 202011219984A CN 112395747 B CN112395747 B CN 112395747B
Authority
CN
China
Prior art keywords
toxicity
component
effect
concentration
combined
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202011219984.4A
Other languages
English (en)
Other versions
CN112395747A (zh
Inventor
王壮
张帆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Information Science and Technology
Original Assignee
Nanjing University of Information Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing University of Information Science and Technology filed Critical Nanjing University of Information Science and Technology
Priority to CN202011219984.4A priority Critical patent/CN112395747B/zh
Publication of CN112395747A publication Critical patent/CN112395747A/zh
Application granted granted Critical
Publication of CN112395747B publication Critical patent/CN112395747B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Investigating Or Analyzing Non-Biological Materials By The Use Of Chemical Means (AREA)

Abstract

一种预测复杂联合作用方式的混合污染物毒性的方法，包括如下步骤，通过典型的S‑型非线性拟合模型对毒性测试数据进行拟合，建立各组分及各组分按某一比例混合的混合物对受试物种的浓度‑反应关系；根据浓度‑反应关系得出各组分的效应浓度值；然后计算各组分及混合物在设置浓度下的毒性单位值；并通过联合毒性评价方法判别在系列浓度条件下混合组分的联合毒性作用方式；再计算在系列浓度条件下，混合物的联合毒性效应对各组分单一效应的影响程度；最后结合毒性单位值及影响程度构建MMOJA模型；本发明的MMOJA模型相比于现有技术的CA和IA模型在预测混合污染物的联合毒性作用时的预测能力更强。

Description

一种预测复杂联合作用方式的混合污染物毒性的方法
技术领域
本发明涉及一种预测复杂联合作用方式的混合污染物毒性的方法，属于环境科学技术领域。
背景技术
污染物往往以混合形式暴露在环境中。传统的风险评价体系多是在实验室模拟条件下以单一物质的急性或慢性毒性试验为依据，往往很难正确反映实际环境中污染物混合存在时的生态行为及环境危害。因此，关注的焦点集中在发展计算模型对环境污染物的联合毒性进行定性的评价及定量的预测。学者们普遍认识到污染物的联合毒性作用方式主要有：浓度加和、效应加和、拮抗和协同作用。对污染物联合毒性作用方式的定性评价方法有多种，例如毒性单位、相加指数、混合毒性指数、相似性参数等。假设污染物的联合作用方式以“浓度加和”及“效应加和”为主导，经典的联合毒性定量预测方法分别是浓度加和(CA)模型和独立作用(IA)模型。CA和IA模型可有效的预测具有单一、明确作用方式的混合污染物的联合毒性。国内学者提出应用主成分回归方法对CA和IA预测结果进行分析，并用于预测混合物毒性的方法。但主成分回归方法需要具备一些先验知识，同时主成分分析得出的主元并非最优解。此外，主成分回归结合CA和IA方法是否适用于预测混合组分间具有相互作用(协同/拮抗)的联合毒性仍有待进一步研究。然而，考虑到实际环境中的污染物种类繁多，毒性作用方式在不同的暴露浓度和暴露条件下呈现多样化、复杂化等特征，进而应用经典联合毒性定量预测模型方法研究多种联合作用方式共存的环境复合污染物毒性时将面临着重大的挑战。因此，亟需发展可定量预测以多种联合作用方式(Multiple Modes ofJoint Action,MMOJA)为表现形式的混合污染物的联合毒性。
发明内容
本发明为了解决现有技术中存在的问题，提供一种在预测混合污染物的联合毒性作用时的预测能力更强的混合污染物毒性的方法。
为了达到上述目的，本发明提出的技术方案为：一种预测复杂联合作用方式的混合污染物毒性的方法，包括如下步骤：
通过典型的S-型非线性拟合模型对毒性测试数据进行拟合，建立各组分及各组分按某一比例混合的混合物对受试物种的浓度-反应关系；
根据浓度-反应关系得出各组分的效应浓度值；
通过下式计算各组分及混合物在设置浓度下的毒性单位值；
Figure BDA0002760535820000021
式中，TUi为混合组分i的毒性单位值；Ci为混合组分i在混合物中的浓度；ECx,i为混合组分i单独存在时产生的某一效应浓度值；一般为均值效应浓度EC50值。
通过联合毒性评价方法判别在系列浓度条件下混合组分的联合毒性作用方式；
如果混合组分的联合毒性作用方式表现为多种作用方式共存，那么通过下式计算在系列浓度条件下，混合物的联合毒性效应对各组分单一效应的影响程度；
Figure BDA0002760535820000022
式中，Di为混合物的联合毒性效应对组分i单一效应的影响程度；Emix为混合物的联合毒性效应值；Ei为组分i在单独存在时所对应的效应值；
结合毒性单位值及影响程度构建MMOJA模型：
Figure BDA0002760535820000023
式中，EMMOJA mix为MMOJA模型预测的混合物联合毒性效应；Emaxi为混合组分i所产生的最大效应，Emaxj为混合组分j所产生的最大效应,…Emaxn为混合组分n所产生的最大效应；Di为混合物的联合毒性效应对组分i单一效应的影响程度，Dj为混合物的联合毒性效应对组分j单一效应的影响程度，…Dn为混合物的联合毒性效应对组分n单一效应的影响程度；TUx,i为混合组分i在某一效应时对应的毒性单位值，TUx,j为混合组分j在某一效应时对应的毒性单位值，…TUx,n为混合组分n在某一效应时对应的毒性单位值。
所述典型的S-型非线性拟合模型为logistic模型。
所述设置浓度为50％效应浓度。
所述联合毒性评价方法为毒性单位法、相加指数法、相似性指数法或混合毒性指数法。
本发明的有益效果为：
本发明方法突破了现有定量方法无法预测具有多种联合作用方式共存的多元污染物间联合毒性的瓶颈问题，建立了具有简明性、透明性及机理性的联合毒性预测模型。
本发明的MMOJA模型相比于现有技术的CA和IA模型在预测混合污染物的联合毒性作用时的预测能力更强。
附图说明
图1为本发明实施例的流程框图。
具体实施方式
下面结合附图以及具体实施例对本发明进行详细说明。
实施例
本实施例以两种抗生素类新兴污染物环丙沙星与土霉素，对一种淡水生物斜生栅藻(Scenedesmus obliquus)的联合毒性作用为例，预测联合作用方式的混合污染物毒性的方法如图1所示，步骤如下
(1)考察一系列浓度下，环丙沙星和土霉素分别对斜生栅藻96小时的单一急性毒性；
(2)通过Logistic模型对毒性测试数据进行拟合建立环丙沙星和土霉素对斜生栅藻的浓度-反应关系；
(3)通过Logistic模型得到的浓度-反应关系计算环丙沙星和土霉素对斜生栅藻的效应浓度值，例如50％效应浓度(EC50)和10％效应浓度(EC10)值，如表1所示，环丙沙星对斜生栅藻96小时生长毒性的EC50和EC10值分别为152和20μmol/L；土霉素对斜生栅藻96小时生长毒性的EC50和EC10值分别为13和6μmol/L。
表1.不同模型对两种抗生素环丙沙星与土霉素对斜生栅藻联合毒性效应浓度值的预测比较
Figure BDA0002760535820000031
(4)按EC50和EC10混合比例分别为12:1和3:1对环丙沙星和土霉素进行混合；
(5)考察环丙沙星和土霉素的混合物对斜生栅藻96小时联合急性毒性；
(6)通过Logistic模型对毒性测试数据进行拟合建立环丙沙星和土霉素混合物对斜生栅藻的浓度-反应关系；计算得到环丙沙星和土霉素的混合物对斜生栅藻的效应浓度值；
(7)分别计算混合组分环丙沙星和土霉素及其二元混合物在实验中所设置的系列浓度下对斜生栅藻的毒性单位(TU)值：
Figure BDA0002760535820000041
式中，TU环丙沙星为混合组分环丙沙星在某一效应时对应的毒性单位值；TU土霉素为混合组分土霉素在某一效应时对应的毒性单位值；C环丙沙星为混合组分环丙沙星在混合物中的浓度；C土霉素为混合组分土霉素在混合物中的浓度；EC50环丙沙星为混合组分环丙沙星单独存在时的均值效应浓度；EC50土霉素为混合组分土霉素单独存在时的均值效应浓度；TU环丙沙星+土霉素为环丙沙星与土霉素的混合物在某一效应时对应的毒性单位值；C环丙沙星+土霉素为环丙沙星与土霉素的混合物浓度；EC50环丙沙星+土霉素为环丙沙星与土霉素的混合物的均值效应浓度。
利用如公式5所示毒性单位方法确定在系列浓度下，环丙沙星和土霉素的联合毒性作用方式表现为协同作用、拮抗作用及部分加和作用共存；
TUtotal，x＝∑TUsingle,x   (5)
式中，TUtotal,x为混合物在某一浓度x时对应总毒性单位的预测值；TUsingle,x为单个组分在混合物中的某一浓度x对应的毒性单位值。
一般而言，TUtotal,x＝1，那么混合组分之间呈现加和作用；TUtotal,x>TU0(TU0＝TUtotal,x/(TUsingle,x)max)，混合组分之间呈拮抗作用；TUtotal,x<1，混合组分之间呈协同作用；TUtotal,x＝TU0，混合组分之间呈独立作用；TU0>TUtotal,x>1，混合组分之间呈部分加和作用。
(8)通过公式(6)确定环丙沙星和土霉素混合后产生的联合毒理效应对各混合组分单一效应的影响程度(D)；
Figure BDA0002760535820000042
式中，D环丙沙星为该二元混合物的联合毒性效应对环丙沙星单一效应的影响程度；D土霉素为该二元混合物的联合毒性效应对土霉素单一反应的影响程度。
(9)基于毒性单位和单一组分最大效应(Emax)构建可预测环丙沙星与土霉素二元联合毒性的MMOJA模型：
Figure BDA0002760535820000043
式中，EMMOJA 环丙沙星+土霉素为MMOJA模型预测的环丙沙星和土霉素的二元混合物的联合毒性效应；Emax 环丙沙星为混合组分环丙沙星单独存在时所产生的最大效应，Emax 土霉素为混合组分土霉素单独存在时所产生的最大效应；D环丙沙星为该二元混合物的联合毒性效应对组分环丙沙星单一效应的影响程度，D土霉素为该二元混合物的联合毒性效应对组分土霉素单一效应的影响程度；TU环丙沙星为混合组分环丙沙星的毒性单位值，TU土霉素为混合组分土霉素的毒性单位值。
对比本实施例得到的MMOJA模型与经典的CA和IA模型在预测该混合体系的联合毒性作用时的预测能力。如表1所示，在混合比例为EC10时，本发明的MMOJA模型对环丙沙星与土霉素的联合毒性的预测能力比经典CA和IA模型提高最大分别可达46％和43％；在混合比例为EC50时，本发明的MMOJA模型对环丙沙星与土霉素的联合毒性的预测能力比经典CA和IA模型提高最大分别可达41％和51％。
本发明的技术方案不局限于上述各实施例，凡采用等同替换方式得到的技术方案均落在本发明要求保护的范围内。

Claims (4)

1.一种预测复杂联合作用方式的混合污染物毒性的方法，其特征在于：
通过典型的S-型非线性拟合模型对毒性测试数据进行拟合，建立各组分及各组分按某一比例混合的混合物对受试物种的浓度-反应关系；
根据浓度-反应关系得出各组分的效应浓度值；
通过下式计算各组分及混合物在设置浓度下的毒性单位值；
Figure FDA0004162241170000011
式中，TUi为混合组分i的毒性单位值；Ci为混合组分i在混合物中的浓度；ECx,i为混合组分i单独存在时产生的某一效应浓度值；
通过联合毒性评价方法判别在系列浓度条件下混合组分的联合毒性作用方式；
如果混合组分的联合毒性作用方式表现为多种作用方式共存，那么通过下式计算在系列浓度条件下，混合物的联合毒性效应对各组分单一效应的影响程度；
Figure FDA0004162241170000012
式中，Di为混合物的联合毒性效应对组分i单一效应的影响程度；Emix为混合物的联合毒性效应值；Ei为组分i在单独存在时所对应的效应值；
结合毒性单位值及影响程度构建MMOJA模型：
Figure FDA0004162241170000013
式中，EMMOJA mix为MMOJA模型预测的混合物联合毒性效应；Emaxi为混合组分i所产生的最大效应，Emaxj为混合组分j所产生的最大效应,…Emaxn为混合组分n所产生的最大效应；Di为混合物的联合毒性效应对组分i单一效应的影响程度，Dj为混合物的联合毒性效应对组分j单一效应的影响程度，…Dn为混合物的联合毒性效应对组分n单一效应的影响程度；TUx,i为混合组分i在某一效应时对应的毒性单位值，TUx,j为混合组分j在某一效应时对应的毒性单位值，…TUx,n为混合组分n在某一效应时对应的毒性单位值。
2.根据权利要求1所述预测复杂联合作用方式的混合污染物毒性的方法，其特征在于：所述典型的S-型非线性拟合模型为logistic模型。
3.根据权利要求1所述预测复杂联合作用方式的混合污染物毒性的方法，其特征在于：所述设置浓度为50％效应浓度。
4.根据权利要求1所述预测复杂联合作用方式的混合污染物毒性的方法，其特征在于：所述联合毒性评价方法为毒性单位法、相加指数法、相似性指数法或混合毒性指数法。
CN202011219984.4A 2020-11-04 2020-11-04 一种预测复杂联合作用方式的混合污染物毒性的方法 Active CN112395747B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011219984.4A CN112395747B (zh) 2020-11-04 2020-11-04 一种预测复杂联合作用方式的混合污染物毒性的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011219984.4A CN112395747B (zh) 2020-11-04 2020-11-04 一种预测复杂联合作用方式的混合污染物毒性的方法

Publications (2)

Publication Number Publication Date
CN112395747A CN112395747A (zh) 2021-02-23
CN112395747B true CN112395747B (zh) 2023-05-09

Family

ID=74597480

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011219984.4A Active CN112395747B (zh) 2020-11-04 2020-11-04 一种预测复杂联合作用方式的混合污染物毒性的方法

Country Status (1)

Country Link
CN (1) CN112395747B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113205859B (zh) * 2021-03-15 2023-02-17 安徽建筑大学 一种用于定量表征复合污染物联合毒性相互作用的面积均值法
CN115618637B (zh) * 2022-10-31 2024-01-23 中国农业科学院农业质量标准与检测技术研究所 一种内分泌干扰物的二元联合毒性效应的评价方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102226806A (zh) * 2011-04-11 2011-10-26 同济大学 一种测定二元混合物获得最佳联合生物效应的配伍方法
RU2012124448A (ru) * 2012-06-13 2013-12-20 Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Уфимский государственный нефтяной технический университет" Способ моделирования возможного токсического эффекта при совместном использовании нескольких лекарственных препаратов
CN103472194A (zh) * 2013-10-08 2013-12-25 南京信息工程大学 一种环境污染物生态毒性效应阈值浓度测算方法
CN103577714A (zh) * 2013-11-17 2014-02-12 桂林理工大学 一种定量预测环境复合污染物联合毒性的方法
CN108885204A (zh) * 2015-11-20 2018-11-23 新加坡科技研究局 用于预测具有不同化学结构的异生物的细胞类型特异性毒性的基于高通量成像的方法
CN110241172A (zh) * 2019-05-22 2019-09-17 桂林理工大学 一种预测典型抗生素与农药联合毒性相互作用的方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102226806A (zh) * 2011-04-11 2011-10-26 同济大学 一种测定二元混合物获得最佳联合生物效应的配伍方法
RU2012124448A (ru) * 2012-06-13 2013-12-20 Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Уфимский государственный нефтяной технический университет" Способ моделирования возможного токсического эффекта при совместном использовании нескольких лекарственных препаратов
CN103472194A (zh) * 2013-10-08 2013-12-25 南京信息工程大学 一种环境污染物生态毒性效应阈值浓度测算方法
CN103577714A (zh) * 2013-11-17 2014-02-12 桂林理工大学 一种定量预测环境复合污染物联合毒性的方法
CN108885204A (zh) * 2015-11-20 2018-11-23 新加坡科技研究局 用于预测具有不同化学结构的异生物的细胞类型特异性毒性的基于高通量成像的方法
CN110241172A (zh) * 2019-05-22 2019-09-17 桂林理工大学 一种预测典型抗生素与农药联合毒性相互作用的方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
有机污染物的混合毒性效应研究;王壮;中国优秀硕士学位论文全文数据库 (工程科技Ⅰ辑)(第06期);B027-31 *
氧化锌和二氧化钛纳米颗粒对淡水绿藻的单一及联合毒性研究;王壮 等;农业环境科学学报;第40卷(第10期);2095-2105 *
混合污染物联合毒性研究进展;曾鸣 等;环境科学与技术;第32卷(第2期);80-85 *

Also Published As

Publication number Publication date
CN112395747A (zh) 2021-02-23

Similar Documents

Publication Publication Date Title
Gouin et al. Toward the development and application of an environmental risk assessment framework for microplastic
CN112395747B (zh) 一种预测复杂联合作用方式的混合污染物毒性的方法
Mauderly et al. Is the air pollution health research community prepared to support a multipollutant air quality management framework?
Håkanson et al. On the issue of limiting nutrient and predictions of cyanobacteria in aquatic systems
Zhang et al. Rare species-driven diversity–ecosystem multifunctionality relationships are promoted by stochastic community assembly
Mostovaya et al. Emergence of the reactivity continuum of organic matter from kinetics of a multitude of individual molecular constituents
Posthuma et al. Eco-epidemiology of aquatic ecosystems: Separating chemicals from multiple stressors
Lee et al. The synergistic effect of green trade and economic complexity on sustainable environment: A new perspective on the economic and ecological components of sustainable development
Li et al. Economic growth and environmental quality: a meta-analysis of environmental Kuznets curve studies
Sparks et al. Preference on cash-choice task predicts externalizing outcomes in 17-year-olds
de Celis et al. Niche differentiation drives microbial community assembly and succession in full-scale activated sludge bioreactors
Farrukh et al. The impact of natural resource management, innovation, and tourism development on environmental sustainability in low-income countries
Asiedu Do international investment contribute to environmental pollution? Evidence from 20 African countries
Dieste et al. Comparative analysis of meta-analysis methods: when to use which?
Mawejje Renewable and nonrenewable energy consumption, economic growth, and CO2 emissions in Eastern and South African countries: the role of informality
Kheder French FDI and pollution emissions: an empirical investigation
Donis et al. Economic complexity, property rights and the judicial system as drivers of eco-innovations: An analysis of OECD countries
Slymen et al. Hypothesis testing with values below detection limit in environmental studies
De La Rey et al. On the use of diatom-based biological monitoring Part 2: A comparison of the response of SASS 5 and diatom indices to water quality and habitat variation
Bekoe et al. Assessing the economic implications of free trade on environmental quality: Empirical evidence from Africa
Concordet et al. A multicentric retrospective study of serum/plasma urea and creatinine concentrations in dogs using univariate and multivariate decision rules to evaluate diagnostic efficiency
Sánchez et al. A software system for the microbial source tracking problem
Lancellotti et al. Accuracy of rapid tests used for analysis of advanced onsite wastewater treatment system effluent
Moosa et al. The environmental effects of FDI: Evidence from MENA countries
Bargnoux et al. Evaluation of a new point-of-care testing for creatinine and urea measurement

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant