权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Identification of sediment contamination source through comprehensive gene expression analysis in benthic organisms

通过底栖生物基因表达综合分析识别沉积物污染源

基本信息

批准号：
19J00074
负责人：
日置恭史郎
金额：
$ 2.83万
依托单位：
National Institute for Environmental Studies
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2019
资助国家：
日本
起止时间：
2019-04-25 至 2022-03-31
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-19J00074/
关键词：
底質汚染ヨコエビ底質毒性農薬金属遺伝子発現 TIE EDA

项目摘要

2年目にあたる今年度（2020年度）は、昨年度毒性試験を実施した底質試料について有機物含量や金属含有量などの分析を実施した。当初の計画では、昨年度影響の見られた底質試料に関して、追加のサンプリングを実施し、致死毒性試験と曝露個体の遺伝子発現解析を実施する予定であったが、コロナ禍によって春季および夏季の底質サンプリングを中止せざるを得なくなった。そのため本年度は、水生生物を用いた水のみ試験に比較して、曝露経路や有害物質の存在形態が複雑である底質毒性試験の再現性や毒性値のばらつきについて改めて考察することを目的として、既存の底質毒性試験データのメタ解析を実施した。ヨコエビHyalella aztecaとユスリカ Chironomus dilutusを用いた既存試験データのうち、2つ以上の同一生物種のデータがある有機化学物質を対象に、毒性値を収集した。メタ解析は、半致死濃度（LC50）を被説明変数とし、その他の試験条件（試験物質、試験生物種、底質の種類、換水の有無など）を説明変数とする線形回帰モデルを構築し、AICc（補正赤池情報量規準）に基づき予測力の高いモデルを選択した。回帰分析の結果、環境中から採取した底質（環境底質）か、ピートモスなどを用いて人工的に作成した底質（人工底質）かを区別する変数を含んだモデルが最も小さいAICcを示した。この結果から、底質の種類が毒性値に対して最も影響の大きい試験条件であることが示された。その他の条件による影響は有意ではないか、または対象とする化学物質によって異なっていた。この結果は、底質中濃度に基づく毒性値は本質的に変動することを示しており、今後の底質毒性試験においてはフリー溶存濃度などbioavailabilityをより反映した指標を活用することが有効だと示された。

In 2020, toxicity tests were carried out on the substrate samples, organic matter content and metal content. The original plan was to implement additional tests on substrate samples, to determine the effects of toxicity tests and to analyze the effects of exposure on individuals in the spring and summer. This year, the water toxicity test for aquatic organisms was compared, the toxicity test for the substrate was repeated, the toxicity test for the substrate was improved, and the analysis of the existing substrate toxicity test was carried out. For example, Hyalella azteca and Chironomus dilutus can be used to collect toxic and toxic organic chemicals from more than 2 species of organisms. The analytical solution, the lethal concentration (LC50), and other test conditions (test substance, test organism species, type of substrate, presence or absence of water change) are described. The linear regression model is constructed. The AICc (Corrected Information Content Standard) is selected from the high range of baseline prediction. The results of the regression analysis show that the substrate (environmental substrate), the substrate (artificial substrate), and the number of samples collected in the environment are different from each other. The results showed that the toxicity of the substrate was the highest. Other conditions affect the chemical composition of the plant. The results show that the concentration of basic toxicity in the substrate is different from that in the future.