基于物种敏感度分布及相平衡法评估四环素类抗生素生态风险

Ecological risk assessment of tetracycline antibiotics based on species sensitivity distribution and phase equilibrium method

摘要

四环素类抗生素（tetracyclines，TCs）是使用最广泛、用量最大的抗生素种类之一，主要包括四环素（tetracycline，TC）、金霉素（chlorotetracycline，CTC）和土霉素（oxytetracycline，OTC）等，水环境中残留的TCs会给淡水生物及水生态系统带来潜在的生态风险。通过收集筛选多营养级水生生物生态毒性数据，分别构建了三种TCs急性、慢性物种敏感度分布（species sensitivity distribution，SSD）模型，由此推导了TCs地表水环境生态风险阈值，即急慢性预测无效应浓度（predicted no effect concentration，PNEC），分别为189.0、11.70 μg/L（TC）；45.9、1.90 μg/L（CTC）；33.8、8.65 μg/L（OTC）。采用相平衡法推导了TCs沉积物急慢性预测PNEC，分别为386、23.90 μg/kg（TC）；130、5.42 μg/kg（CTC）；197、50.60 μg/kg（OTC）。基于我国58个流域TCs在地表水和沉积物中的预测暴露浓度，采用商值法获取风险商值（risk quotient，RQ）进行生态风险评价。结果显示，TCs地表水和沉积物短期风险较低，部分流域特别是沉积物中存在长期中等至高风险，需要引起足够的关注。研究结果指出了我国流域TCs短期/长期生态风险时空差异，从新视角为我国抗生素类物质生态风险评价提供了科学依据和数据支撑。

Abstract

Tetracyclines (TCs) are one of the most widely used types of antibiotics, mainly including tetracycline (TC), chlortetracycline (CTC), and oxytetracycline (OTC). Residual TCs in aquatic environments can pose potential ecological risks to freshwater organisms and aquatic ecosystems. In this study the aquatic toxicity data of TCs were collected on multiple trophic levels and acute/chronic species sensitivity distribution (SSD) models were constructed. Based on this, the ecological risk thresholds (i.e., acute and chronic predicted no effect concentration, PNEC) of TCs of surface water environment were derived, which are 189, 11.7 μg/L (TC); 45.9, 1.90 μg/L (CTC); 33.8, 8.65 μg/L (OTC), respectively. Sediment acute and chronic PNEC were derived using phase equilibrium method, with values of 386, 23.9 μg/kg (TC); 130, 5.42 μg/kg (CTC); 197, 50.6 μg/kg (OTC), respectively. Based on the predicted exposure concentrations of TCs in surface water and sediment from 58 watersheds in China, the risk quotient (RQ) values were used for ecological risk assessment. The results showed that the short-term risk of TCs in surface water and sediment was relatively low, and some watersheds, especially sediment, had long-term moderate to high risks. The research findings can provide scientific basis and data support for the ecological risk assessment of TCs.

Graphical abstract

关键词

生态风险评估 / 四环素类抗生素 / 预测无效应浓度 / 风险商值

Key words

ecological risk assessment / tetracyclines / predicted no effect concentration / risk quotient

抗生素作为一类典型的新污染物在世界范围广受关注^[1-3]。目前广泛使用的抗生素按其化学结构可分为磺胺类、β-内酰胺类、喹诺酮类、大环内酯类和四环素类等。TCs是由链霉菌产生的一类广谱抗生素，其化学结构以氢化并四苯为基本骨架。其中，TC、CTC、OTC是TCs典型代表。TCs对革兰氏阳性菌、革兰氏阴性菌、立克次氏体、螺旋体、衣原体、支原体、放线菌和阿米巴原虫等都有较强的抑制作用，由于价格低廉而被广泛使用。TCs也常用作饲料中的生长促进剂促进机体生长，在全世界范围内被广泛应用于畜禽及水产养殖业等领域^[4]。据统计，在欧盟TCs的年消费量约占总抗生素消费量的46% (2 300 t)^[5-7]。我国是TCs生产、使用大国，在我国畜禽养殖业中，TCs是抗生素中使用量最大的一类^[7]。

据相关报道，临床治疗和畜禽养殖行业所排放的抗生素在环境中抗生素污染占有主要地位^[8-10]。由于TCs不能全部被动物代谢或吸收，少部分的TCs经过代谢反应生成无活性的产物，30%~90%的TCs母体化合物及其活性代谢产物通过粪、尿等排泄物进入水体以及土壤环境中^[11]。传统污水处理工艺对其降解、转化能力有限，TCs等抗生素会随再生水或中水排放进入环境^[12]。如表1所示，TCs具有较高的水溶解度(231~615 mg/L)和较低的正辛醇-水分配系数log Kow(-0.62~-1.37)，表明TCs具有较好的亲水性^[13]。此外，TCs可能扩散进入水底沉积物中并通过地下渗流作用污染地下水^[14]。虽然TCs半衰期较短，但大量持续性使用及排放也会造成TCs在环境中的残留^[15]。近年来，TCs在我国典型地表水体中具有较高的检出频率，其在地表水环境中的赋存水平为ng/L-μg/L量级，在沉积物和土壤中则为μg/kg-mg/kg量级^[14-16]。

近年来，TCs对水生动物、植物及微生物毒性研究日益增多，其生态危害受到广泛关注。一般地，抗生素主要通过抑制细菌细胞壁形成、影响胞浆膜通透性、影响蛋白质合成、影响核酸代谢等机理产生杀菌、抑菌等作用^[17]。排放到水环境的TCs对蓝藻、微藻、植物、动物等非目标生物的生态毒性作用明显。相关毒性试验表明^[14-18]，低浓度OTC会对日本锦鲫产生氧化应激，诱导其肝脏抗氧化防御体系超氧化物歧化酶、过氧化氢酶和谷胱甘肽硫转移酶酶活性增加。OTC能引起鲫鱼肾细胞较大的DNA损伤。酶联免疫吸附试验(ELISA)试剂盒结果显示，OTC能显著抑制鱼体内抗体的产生和减少血液循环中白细胞尤其是淋巴细胞的数量，能轻微抑制白细胞的免疫活性。OTC能严重抑制海胆性腺的生长。OTC能够抑制淡水蓝藻-铜绿微囊藻、淡水绿藻-羊角月牙藻和海洋角毛藻的生长，铜绿微囊藻更敏感。TC暴露能够阻碍铜绿微囊藻的光合作用，破坏抗氧化酶系统平衡，抑制藻类生物量的增长。TC和CTC同样对铜绿微囊藻有显著的生长抑制作用。有研究表明，TCs对微生物的影响顺序为细菌>放线菌>真菌，TCs在已报道的环境暴露剂量下对底泥中的微生物存在毒性作用。TCs可能对环境中微生物的种群数量造成一定影响，进而影响高等生物的种群结构和营养转移方式，破坏生态系统中以食物链为联系的生态系统平衡，造成潜在的生态风险^[18]。

根据生态毒理学数据推导地表水急性和慢性生态毒性阈值，PNEC是生态风险评估的关键步骤。PNEC推导常用方法包括评价因子(assessment factor，AF)法和基于物种敏感度分布(species sensitivity distribution，SSD)法。AF法通过最敏感物种的毒性数据计算得出PNEC，计算过程较为简略，提供PNEC初步的估计。近年来，为了得到更精准的PNEC，研究人员多使用SSD法计算PNEC。SSD法利用化学物质对不同种水生生物的毒性值构建敏感度分布曲线，进而计算受影响物种比例对应的污染物浓度作为风险阈值^[19]。沉积物PNEC亦可采用SSD法直接计算，但是由于沉积物物种毒性值难以获取，近年来研究者们多采用相平衡理论计算沉积物中污染物的PNEC^[20]。相平衡理论认为污染物在水-沉积物之间能达到平衡，进而可以用一个定值来描述平衡状态，基于污染物在水中的PNEC可推导沉积物中的PNEC。该方法优点是理论证据充足，对各类沉积物中的各种污染物均适用，对污染物的生物有效性考虑完整。缺点是理想的平衡状态在实际中难以达到，相平衡分配常数由多种因素控制等。在风险评估实践中，水环境生态毒性数据通常相对丰富，其他评估对象如土壤、沉积物等生态毒理数据相对缺乏，往往无法有效构建SSD模型，故我国《化学物质环境与健康危害评估技术导则（试行）》等相关导则均推荐采用相平衡法计算污染物在沉积物的PNEC值。

目前，已有学者报道我国地表水、沉积物等环境介质中的TCs污染现状，但针对水环境和沉积物中的PNEC及其生态风险，尚无系统的讨论和总结。此外，地表水环境中的TCs由于持续排放将长期存在，因此有必要就TCs的慢性PNEC及长期生态风险进行综合研究。综上，本研究通过收集筛选TCs急慢性毒性数据及我国地表水和沉积物暴露浓度数据，采用SSD法和相平衡法拟合毒性数据获取急慢性PNEC，并采用商值法表征TCs生态风险，以期为我国开展流域或区域水体中TCs等典型抗生素类新污染物生态风险的精准评估提供可靠的方法和技术体系参考。

1 材料和方法

1.1 毒性数据收集与筛选

TC、CTC、OTC水生毒性数据主要来源于美国环保局(USEPA)生态毒理数据库ECOTOX、欧盟化学品管理局(ECHA)及经济合作与发展组织(OECD)联合开发的QSAR Toolbox数据库和公开发表文献等。数据筛选流程严格遵循国内外相关水质基准与风险评价技术导则，包括我国《淡水生物水质基准推导技术指南》(HJ 831—2022)、《生态环境健康风险评估技术指南 总纲》(HJ 1111—2020)和欧盟《风险评估技术指导文件TGD》等。毒性数据的物种组成要能反映我国淡水生物区系特征，优先选择中国本土物种，以及在中国广泛分布和繁殖的非本土物种、典型模式生物以及具有较高经济和娱乐用途的生物。具体而言，毒性数据的试验方法应符合我国《化学品测试方法》、USEPA、OECD发布的标准试验方法。急性毒性数据优先选择终点为半致死浓度(LC₅₀)或半效应浓度(EC₅₀)，其中，对于脊椎动物和藻类，优先选择96h-LC₅₀/EC₅₀。对于无脊椎动物，优先选择48h-LC₅₀/EC₅₀。慢性毒性数据优先选择终点为无观察效应浓度(no observed effect concentration, NOEC)或最低观察效应浓度(lowest observed effect concentration, LOEC)。毒性数据收集与筛选流程如图1所示。

1.2 环境暴露数据来源

TC、CTC、OTC在我国典型地表水体及沉积物中预测暴露浓度数据来源于文献[21]。该文献研究了我国流域尺度各类抗生素的使用量、排放量、环境归趋，首次建立了各类抗生素在全国的使用量和排放量清单，并从流域尺度上使用三级逸度模型模拟预测了各抗生素在全国各流域的环境浓度。文献[21]中详细描述了该模型的构架、传输过程和模型参数，简而言之，该模型基于麦克凯-佩特森(Mackay-Paterson)逸度模型方法开发，根据转移通量建立了4个环境介质（空气、水、土壤和沉积物）之间的质量平衡方程，将水和沉积物环境中人类和动物源的抗生素排放作为输入通量，模拟目标抗生素在不同环境介质的归趋分布。模型共需要53个参数，包括环境参数、物理化学性质、反应活性和排放率等，该研究逸度模型模拟浓度50%以上，与监测结果在一个数量级以内。预测环境浓度显示我国水环境中的抗生素污染主要集中在北方流域。

1.3 物种敏感度分布模型构建

SSD模型数据拟合分布选取主要有对数正态(log-normal)、对数逻辑斯谛(log-logistic)、对数冈布尔(log-Gumbel)和威布尔(Weibull)等。本研究利用开源软件R语言中的ssdtools程序包，采用上述分布平均化计算来规避选择先验分布的主观判定，使用每个分布的拟合优度计算分布的权重。方法详细描述和优劣性分析可在相关文献中得到^[22]。拟合分布的累积分布函数(CDF)如式(1)~式(4)所示。

对数正态(log-normal)

\mathrm{C}\mathrm{D}\mathrm{F}\left(x,\mu ,\sigma \right)=\frac{\mathrm{1}}{\mathrm{2}}+\frac{\mathrm{1}}{\mathrm{2}}\mathrm{e}\mathrm{r}\mathrm{f}\left[\frac{\mathrm{l}\mathrm{n}x-\mu }{\sqrt[]{\mathrm{2}}\sigma }\right](1)

对数逻辑斯谛(log-logistic)

\mathrm{C}\mathrm{D}\mathrm{F}\left(x,\alpha ,\beta \right)=\frac{\mathrm{1}}{\mathrm{1}+{(x/\alpha )}^{-\beta }}(2)

对数冈布尔(log-Gumbel)

\mathrm{C}\mathrm{D}\mathrm{F}\left(x,\mu ,\beta \right)={\mathrm{e}}^{-{\mathrm{e}}^{-(x-\mu )/\beta }}(3)

威布尔(Weibull)

(4)

采用最大似然估计拟合模型，并采用A-D检验、K-S检验等方法评估拟合优度，计算SSD模型平均分布的权重。采用重采样方法估计模型95%置信区间，表征模型拟合不确定度。通过已构建的SSD曲线可获取表示95%物种未受到毒性影响的HC₅值。

1.4 预测无效应浓度推导

TCs水体的PNEC计算方法如下：

\mathrm{P}\mathrm{N}\mathrm{E}{\mathrm{C}}_{\mathrm{w}\mathrm{a}\mathrm{t}\mathrm{e}\mathrm{r}}=\frac{\mathrm{H}{\mathrm{C}}_{\mathrm{5}}}{\mathrm{A}\mathrm{F}}(5)

式中：\mathrm{P}\mathrm{N}\mathrm{E}{\mathrm{C}}_{\mathrm{w}\mathrm{a}\mathrm{t}\mathrm{e}\mathrm{r}}为水体预测无效应浓度，μg/L；HC₅为物种敏感度分布曲线中95%物种未受影响的毒性数据，μg/L；AF为评估因子，表述现有数据的不确定性，通常取值为1~5。本研究构建的SSD模型毒性数据量为8~17，模型拟合置信区间约为1~2个数量级，基于相关文献取值和风险评估技术指导文件TGD推荐值，综合毒性数据量、物种覆盖度、模型置信区间等信息，宜采用较为保守估计，以避免造成“欠保护”情况，因此本研究AF取值为5^[23]。

沉积物中TCs的PNEC使用《风险评估技术指导文件TGD》推荐的相平衡理论计算，如式(6)~式(8)所示。

\mathrm{P}\mathrm{N}\mathrm{E}{\mathrm{C}}_{\mathrm{s}\mathrm{e}\mathrm{d}\mathrm{i}\mathrm{m}\mathrm{e}\mathrm{n}\mathrm{t}}=\frac{K_{\mathrm{s}\mathrm{u}\mathrm{s}\mathrm{p}-\mathrm{w}\mathrm{a}\mathrm{t}\mathrm{e}\mathrm{r}}}{\mathrm{R}\mathrm{H}{\mathrm{O}}_{\mathrm{s}\mathrm{u}\mathrm{s}\mathrm{p}}}\times \mathrm{P}\mathrm{N}\mathrm{E}{\mathrm{C}}_{\mathrm{w}\mathrm{a}\mathrm{t}\mathrm{e}\mathrm{r}}\times \mathrm{1}\mathrm{000}(6)

式中：\mathrm{R}\mathrm{H}{\mathrm{O}}_{\mathrm{s}\mathrm{u}\mathrm{s}\mathrm{p}}为悬浮物的体积密度（默认值为1 150 kg/m³）；K_{\mathrm{s}\mathrm{u}\mathrm{s}\mathrm{p}-\mathrm{w}\mathrm{a}\mathrm{t}\mathrm{e}\mathrm{r}}为悬浮物-水分配系数。

K_{\mathrm{s}\mathrm{u}\mathrm{s}\mathrm{p}-\mathrm{w}\mathrm{a}\mathrm{t}\mathrm{e}\mathrm{r}}=F_{\mathrm{w}\mathrm{a}\mathrm{t}\mathrm{e}\mathrm{r}-\mathrm{s}\mathrm{u}\mathrm{s}\mathrm{p}}+F_{\mathrm{s}\mathrm{o}\mathrm{l}\mathrm{i}\mathrm{d}-\mathrm{s}\mathrm{u}\mathrm{s}\mathrm{p}}\times \frac{\mathrm{K}{\mathrm{p}}_{\mathrm{s}\mathrm{u}\mathrm{s}\mathrm{p}}}{\mathrm{1}\mathrm{000}}\times \mathrm{R}\mathrm{H}{\mathrm{O}}_{\mathrm{s}\mathrm{o}\mathrm{l}\mathrm{i}\mathrm{d}}(7)

\mathrm{K}{\mathrm{p}}_{\mathrm{s}\mathrm{u}\mathrm{s}\mathrm{p}}=\mathrm{F}\mathrm{o}{\mathrm{c}}_{\mathrm{s}\mathrm{u}\mathrm{s}\mathrm{p}}\times \mathrm{K}\mathrm{o}\mathrm{c}(8)

式中：F_{\mathrm{w}\mathrm{a}\mathrm{t}\mathrm{e}\mathrm{r}-\mathrm{s}\mathrm{u}\mathrm{s}\mathrm{p}}为悬浮物中水相的体积分数，默认值为0.9；F_{\mathrm{s}\mathrm{o}\mathrm{l}\mathrm{i}\mathrm{d}-\mathrm{s}\mathrm{u}\mathrm{s}\mathrm{p}}为悬浮物中固相的体积分数，默认值为0.1；\mathrm{K}{\mathrm{p}}_{\mathrm{s}\mathrm{u}\mathrm{s}\mathrm{p}}为悬浮物中固水分配系数，单位为L/kg；\mathrm{R}\mathrm{H}{\mathrm{O}}_{\mathrm{s}\mathrm{o}\mathrm{l}\mathrm{i}\mathrm{d}}为固相密度，默认值2 500 kg/m³；\mathrm{F}\mathrm{o}{\mathrm{c}}_{\mathrm{s}\mathrm{u}\mathrm{s}\mathrm{p}}为悬浮物中有机碳含量，默认值0.1；\mathrm{K}\mathrm{o}\mathrm{c}为有机碳-水分配系数。

1.5 生态风险表征

选择商值法表征生态风险。商值法通过预测暴露浓度(predicted environmental concentration, PEC)和PNEC之间的比率计算得到风险商值RQ，提供对生态风险的粗略估计[如式(9)]。根据RQ将生态风险分为3个等级：高风险(\mathrm{R}\mathrm{Q}\ge \mathrm{1})、中等风险(\mathrm{1}>\mathrm{R}\mathrm{Q}\ge \mathrm{0.1})和低风险()。

\mathrm{R}\mathrm{Q}=\frac{\mathrm{P}\mathrm{E}\mathrm{C}}{\mathrm{P}\mathrm{N}\mathrm{E}\mathrm{C}}(9)

2 结果与讨论

2.1 毒性数据物种分布

通过文献和毒理数据库收集了TC、CTC、OTC的急性和慢性毒性数据（表2）。基于不同的毒性效应终点，收集了大量的脊椎动物、无脊椎动物和藻类的毒性数据。经筛选，TC急性毒性数据涉及10门17个物种，涵盖鱼类、无脊椎动物类、两栖类、藻类和水生植物。TC急性毒性数据范围为0.09~1 818.00 mg/L，最敏感物种为铜绿微囊藻(Microcystis aeruginosa)，最不敏感物种为条纹狼鲈(Morone saxatilis)。TC慢性毒性数据涉及6门9个物种，涵盖鱼类、无脊椎动物类、藻类和水生植物。TC慢性毒性数据范围为0.05~22.40 mg/L，最敏感物种为东部食蚊鱼(Gambusia holbrooki)，最不敏感物种为褶皱臂尾轮虫(Brachionus calyciflorus)。CTC急性毒性数据涉及6门11个物种，涵盖鱼类、无脊椎动物类、两栖类、藻类和水生植物。CTC急性毒性数据范围为0.05~252.00 mg/L，最敏感物种为铜绿微囊藻(Microcystis aeruginosa)，最不敏感物种为多刺裸腹溞(Moina macrocopa)。CTC慢性毒性数据涉及4门8个物种，涵盖鱼类、无脊椎动物类、两栖类、藻类和水生植物。CTC慢性毒性数据范围为0.01~100.00 mg/L，最敏感物种为尼罗罗非鱼(Oreochromis niloticus)，最不敏感物种为非洲爪蟾(Xenopus laevis)。OTC急性毒性数据涉及5门12个物种，涵盖鱼类、无脊椎动物类、藻类。OTC急性毒性数据范围为0.18~831.00 mg/L，最敏感物种为模糊网纹溞(Ceriodaphnia)，最不敏感物种为蓝绿鳞鳃太阳鱼(Lepomis macrochirus)。OTC慢性毒性数据涉及4门9个物种，涵盖鱼类、无脊椎动物类、藻类和水生植物。OTC慢性毒性数据范围为0.07~80.00 mg/L，最敏感物种为水蕴草(Wgeria densa)，最不敏感物种为露斯塔野鲮(Labeo rohita)。

2.2 预测无效应浓度

基于物种急慢性毒性数据，构建TC、CTC、OTC的SSD曲线，如图2所示，并分别计算HC₅。SSD模型拟合优度测试结果显示，模型具有较高稳健性与准确性。拟合结果显示，TC的急慢性HC₅分别为950、59 μg/L；CTC的急慢性HC₅分别为230、9.5 μg/L；OTC的急慢性HC₅分别为170、43 μg/L。基于HC₅计算水环境PNEC（表3），结果显示，TC水环境急慢性PNEC分别为189.0、11.70 μg/L，CTC水环境急慢性PNEC分别为45.9、1.90 μg/L，OTC水环境急慢性PNEC分别为33.8、8.65 μg/L。基于相平衡方法计算结果，TC沉积物急慢性PNEC分别为386、23.90 μg/kg，CTC沉积物急慢性PNEC分别为130、5.42 μg/kg，OTC沉积物急慢性PNEC分别为197、50.60 μg/kg。慢性PNEC远小于急性PNEC，说明在生态风险评价中仅使用急性PNEC易产生风险低估结果。

近年来，相关研究者就TCs水环境PNEC及水质基准已经开展了一系列研究。司静宜^[15]推导了TC、CTC和OTC的短期水质基准分别为173.5、91.1、61.2 μg/L，长期水质基准分别为5.9、8.7、18.7 μg/L。刘萌硕等^[16]利用毒性百分数排序法和SSD法推导了TC的水生生物基准，短期水质基准为61.6 μg/L，长期水质基准为9.44 μg/L。陈丽红等^[6]推导了不同环境介质中TC和OTC的PNEC，结果表明，地表水、淡水沉积物及土壤中TC的PNEC值分别为0.115 μg/L、423 μg/kg、57 μg/kg；OTC的PNEC值分别为4.93 μg/L、1.78×10⁴ μg/kg和3.16×10³ μg/kg。由于毒性数据筛选过程差异、SSD模型构建方法选择差异和物种组成不同，上述研究结果与本研究略有不同，但在总体上保持一致。本研究采用相同的研究方法，分别推导TC、CTC、OTC的水环境、沉积物急慢性PNEC，增加了结果的可比性和可靠性，可为TCs的生态风险管控提供较为精确的数据支撑。

2.3 生态风险商值

基于TCs在我国58个流域地表水和沉积物中的预测暴露浓度，采用商值法计算生态风险分布，如图3所示。地表水中，TC短期RQ值（基于急性PNEC）介于2.1×10^-7~0.000 8之间，平均值为0.000 1，远小于0.1，TC地表水生态风险判定为短期低风险。TC长期RQ值（基于慢性PNEC）介于3.8×10^-6~0.014之间，平均值为0.001，远小于0.1，TC地表水生态风险判定为长期低风险。CTC短期RQ值介于5.5×10^-8~0.005之间，平均值为0.000 3，远小于0.1，CTC地表水生态风险判定为短期低风险。CTC长期RQ值介于1.3×10^-6~0.118之间，平均值为0.006，仅有子牙河流域（海河支流）RQ>0.1，判定为长期中等风险，需要进一步关注，其余流域判定为长期低风险。OTC短期RQ值介于2.3×10^-7~0.007之间，平均值为0.001，远小于0.1，OTC地表水生态风险判定为短期低风险。OTC长期RQ值介于9×10^-7~0.03之间，平均值为0.003，远小于0.1，OTC地表水生态风险判定为长期低风险。

沉积物中，TC短期RQ值介于1.3×10^-5~0.144之间，平均值为0.001，仅有东江流域（珠江水系干流之一）RQ>0.1，判定为短期中等风险，需要进一步关注，其余流域判定为短期低风险。TC长期RQ值介于0.000 2~2.32之间，平均值为0.16，58个流域中有17个RQ超过0.1，其中，永定河流域（海河流域七大水系之一）和东江流域RQ值超过1，判定为长期高风险。CTC短期RQ值介于1.5×10^-6~0.09之间，平均值为0.007，均小于0.1，CTC沉积物生态风险判定为短期低风险。CTC长期RQ值介于3.6×10^-5~2.18之间，平均值为0.18，58个流域中有24个RQ超过0.1，其中，永定河流域和子牙河流域RQ值超过1，判定为长期高风险。OTC短期RQ值介于1.2×10^-6~0.07之间，平均值为0.006，均小于0.1，OTC沉积物生态风险判定为短期低风险。OTC长期RQ值介于4.8×10^-6~0.27之间，平均值为0.025，仅有永定河流域和东江流域RQ值超过0.1，判定为长期中等风险。

从整体上看，我国58个流域中TCs地表水和沉积物短期风险较低，大部分流域处于风险可忽略状态。但是从长期来看，部分流域仍有中等和高风险，需要引起足够的关注。TCs中等和高风险水平主要集中分布在华北（海河流域）、华南（珠江流域）等区域，均为中国人口最稠密的地区。从TCs种类上看，TC和CTC风险水平接近，比OTC风险水平略高。类似报道中，陈丽红等^[6]评估了我国TCs生态风险，结果表明，淡水沉积物风险区域主要集中在海河区域，土壤风险区域主要集中在山东省、四川省彭州市、沈阳市等区域，部分区域点位存在潜在的生态风险。基于慢性PNEC的生态风险评价，较基于急性PNEC的生态风险评价更为保守且合理，可以较大限度地表征生态系统受到TCs污染的长期胁迫。仅基于短期风险结论可能不足以反映实际情况，造成生态风险的低估。表征长期风险水平提高了风险评价的准确性和保守性，较为全面地反映了我国地表水和沉积物TCs的生态风险。

2.4 不确定性及局限性

尽管本研究筛选收集了TCs急慢性毒性数据，采用较为精确的SSD模型和相平衡方法推导地表水和沉积物PNEC评估生态风险，其不确定性仍是无法避免的，甚至评估结果可能与实际情况相差较远。本研究生态风险评估不确定性主要来源于以下几个方面：一是水环境和沉积物中TCs时空分布不均。尽管参考文献证实预测暴露浓度和实测浓度整体上接近，但是现有选取的预测暴露浓度数据可能无法反映真实情况。二是实验室条件下获得的毒性数据不足以反映真实的生态环境。三是SSD模型构建和相平衡等方法误差等。综合考虑数据质量和数量等因素，本研究AF选择为5，最为保守，可能会高估生态风险。此外，沉积物风险研究中，由于沉积物中的毒性数据有限，采用相平衡方法计算PNEC未能反映水-沉积物的区域特征，且分配系数在不同区域差别较大，故该方法存在一定的局限性。

3 结论

以典型抗生素TCs中代表性物质TC、CTC、OTC为例，收集筛选了多营养级水生生物急慢性生态毒性数据，构建SSD模型获取TCs的水环境急慢性PNEC，并采用相平衡方法计算沉积物急慢性PNEC。TC水环境急慢性PNEC分别为189.0、11.70 μg/L，CTC水环境急慢性PNEC分别为45.9、1.90 μg/L，OTC水环境急慢性PNEC分别为33.8、8.65 μg/L；TC沉积物急慢性PNEC分别为386、23.90 μg/kg，CTC沉积物急慢性PNEC分别为130、5.42 μg/kg，OTC沉积物急慢性PNEC分别为197、50.60 μg/kg。基于我国58个流域TCs在地表水和沉积物中的预测暴露浓度，采用商值法获取RQ进行生态风险评价。结果显示，TCs地表水和沉积物短期风险较低，部分流域特别是沉积物中存在长期中等至高风险，需要引起足够的关注。

参考文献

[1] LU S, LIN C Y, LEI K, et al. Occurrence, spatiotemporal variation, and ecological risk of antibiotics in the water of the semi-enclosed urbanized Jiaozhou Bay in eastern China[J]. Water Research, 2020, 184: 116187.

[2] 王浩博, 陈景文, 马芳芳, 等. 筛查持久性、生物蓄积性有毒化学品的环境计算毒理学: 进展与展望[J]. 科学通报, 2024, 69(6): 688-702.

[3] 阚西平, 隋倩, 俞霞, 等. 我国省级行政区新污染物治理工作方案分析及需求展望[J]. 环境科学研究, 2023, 36(10): 1845-1856.

[4] 敖蒙蒙, 魏健, 陈忠林, 等. 四环素类抗生素环境行为及其生态毒性研究进展[J]. 环境工程技术学报, 2021, 11(2): 314-324.

[5] 陈小平, 王萌, 杨长明, 等. 四环素类抗生素在我国水环境污染现状及其对水生生物的毒性研究进展[J]. 应用化工, 2021, 50(10): 2780-2785.

[6] 陈丽红, 李强, 肖欣欣, 等. 典型四环素类抗生素的预测无效应浓度和风险评估[J]. 生态毒理学报, 2021, 16(5): 334-346.

[7] 王娜, 王昝畅, 郭欣妍, 等. 兽药抗生素环境风险控制管理政策探析[J]. 生态与农村环境学报, 2017, 33(7): 586-591.

[8] DAGHRIR R, DROGUI P. Tetracycline antibiotics in the environment: a review[J]. Environmental Chemistry Letters, 2013, 11(3): 209-227.

[9] KOVALAKOVA P, CIZMAS L, MCDONALD T J, et al. Occurrence and toxicity of antibiotics in the aquatic environment: A review[J]. Chemosphere, 2020, 251: 126351.

[10] LI Z, LI M, ZHANG Z Y, et al. Antibiotics in aquatic environments of China: A review and meta-analysis[J]. Ecotoxicology and Environmental Safety, 2020, 199: 110668.

[11] LUNDSTRÖM S V, ÖSTMAN M, BENGTSSON-PALME J, et al. Minimal selective concentrations of tetracycline in complex aquatic bacterial biofilms[J]. Science of the Total Environment, 2016, 553: 587-595.

[12] DEBLONDE T, COSSU-LEGUILLE C, HARTEMANN P. Emerging pollutants in wastewater: a review of the literature[J]. International Journal of Hygiene and Environmental Health, 2011, 214(6): 442-448.

[13] XU L Y, ZHANG H, XIONG P, et al. Occurrence, fate, and risk assessment of typical tetracycline antibiotics in the aquatic environment: A review[J]. Science of the Total Environment, 2021, 753: 141975.

[14] 展海银, 周启星. 环境中四环素类抗生素污染处理技术研究进展[J]. 环境工程技术学报, 2021, 11(3): 571-581.

[15] 司静宜. 三种典型四环素类抗生素的水质基准研究[D]. 北京: 中国环境科学研究院, 2023.

[16] 刘萌硕, 陈浩林, 郝子垚, 等. 四环素水生生物基准及对中国部分水体的生态风险评估[J]. 环境工程技术学报, 2022, 12(5): 1703-1710.

[17] 张浩, 罗义, 周启星. 四环素类抗生素生态毒性研究进展[J]. 农业环境科学学报, 2008, 27(2): 407-413.

[18] 徐永刚, 宇万太, 马强, 等. 环境中抗生素及其生态毒性效应研究进展[J]. 生态毒理学报, 2015, 10(3): 11-27.

[19] 张家玮, 齐观景, 赵昊铎, 等. 基于物种敏感性分布评价长三角地区地表水壬基酚生态风险[J]. 生态毒理学报, 2020, 15(3): 134-148.

[20] 刘瑞民, 赵静, 韩文辉, 等. 基于物种敏感度分布及相平衡理论的汾河流域磺胺类抗生素生态风险阈值研究[J]. 生态毒理学报, 2024, 19(1): 115-126.

[21] ZHANG Q Q, YING G G, PAN C G, et al. Comprehensive evaluation of antibiotics emission and fate in the river basins of China: source analysis, multimedia modeling, and linkage to bacterial resistance[J]. Environmental Science & Technology, 2015, 49(11): 6772-6782.

[22] FOX D R, VAN DAM R A, FISHER R, et al. Recent developments in species sensitivity distribution modeling[J]. Environmental Toxicology and Chemistry, 2021, 40(2): 293-308.

[23] ZHANG J W, GE H, SHI J H, et al. A tiered probabilistic approach to assess antibiotic ecological and resistance development risks in the fresh surface waters of China[J]. Ecotoxicology and Environmental Safety, 2022, 243: 114018.

基金资助

中国博士后科学基金资助项目(2024M752165)