新陈代谢至关重要：生物转化动力学的种间差异与生态特征

《Ecotoxicology and Environmental Safety》：Metabolism matters: Interspecies variability and ecological traits of biotransformation kinetics

　　戴夫·T.F. 郭 | 谢丽·Q. 陈 | 马克·S. 约翰逊 | 桑德琳·查尔斯 | 桑德琳·德格林 | 米歇尔·恩布里
台湾国立大学环境工程研究生院，台北市，台湾

**摘要**
生物转化对化学物质的生物累积/生物放大及其毒性具有关键影响，因此是理解不同物种在各种生态毒性特征上差异的关键。本研究试图使用芘作为示例母体化合物，来表征和比较不同物种间生物转化速率常数kM的差异及其依赖性。通过早期时间法从61个独特物种（属于24个分类群和13个门）的实验数据中得出了241个kM值（范围为4.9×10^-5至6.7×10^-1 h^-1）。利用物种敏感性分布（SSD）对物种间的kM值进行了可视化分析。物种内的kM值不确定性通常在±0.5对数单位范围内，额外的变异性可由kM对暴露条件和环境参数的依赖性解释。无论暴露介质如何，kM值通常会随着暴露浓度的增加而降低。温度、抑制剂和生物利用度修饰剂对kM的影响相对较小，且次于暴露水平或物种内变异的影响；组织特异性的生物转化可能非常显著（例如，Carcinus maenas）。在鱼类、双壳类动物、蠕虫和藻类中观察到了显著的物种间kM差异（例如，牡蛎 > 贻贝或蛤蜊；多毛类 > 寡毛类）。分析表明，杂食性物种的kM值高于其他食性类型的物种。这种对食性生态的依赖性与普遍认为的假设一致，即具有广泛食物选择的物种可能进化出了更多机制和多样的肠道微生物群来中和/解毒/排出有毒物质。本文提出的方法、数据和发现可以支持将毒代动力学与生态毒性特征联系起来，进一步验证体外-体内外推，并促进下一代特定于生物的生态风险评估的发展。同时，也强调了需要针对特定物种的代谢物谱、中间体选择性和途径特异性动力学的研究。

**1. 引言**
化学物质的生物转化对于理解人为化合物在不同生态系统和环境中的生物命运和生态影响至关重要（Kuo等人，2022年）。有机化合物的野外生物累积和营养级放大与其生物转化能力呈负相关（Huang等人，2023年；Rust等人，2004年），而化学物质的分配和生物转化是生物富集的主要建模因素（Kuo和Di Toro，2013b年）。生物转化还反映了有机化合物在各种环境中的持久性，并可作为化学物质毒性的次要指标或生物体解毒能力的指标。此外，中间代谢物可能比母体化合物更具毒性，或在生物转化后被激活（Baillie，2008年；Na??cz-Jawecki，2007年；Vasileiadis等人，2018年）。尽管生物转化对化学物质的持久性、生物累积和毒性有影响，但由于难以准确确定其生物转化动力学（Kuo和Di Toro，2022年；Kuo等人，2022年），它在当前的生态风险评估框架或化学监管框架中尚未发挥关键作用。

一个值得关注的问题是生物转化是否依赖于生物体的生物学和生态学特性。传统上，生态毒性和毒代动力学是作为化合物化学性质（例如，log KOW）或基本生理特性（例如，脂质含量、体型等）的函数来研究和建模的，而没有明确考虑物种的生物学或生态学特性（Arnot等人，2008年；Kuo和Di Toro，2013a年；Kuo和Di Toro，2013b年；Zhao等人，2008年）。然而，大量证据表明，不同物种间的生态毒性和潜在的生化机制确实存在且具有显著性。这一点从细胞色素P450家族的物种间差异（James和Boyle，1998年；Nambiar等人，2025年；Nauen等人，2022年；Snyder，2000年）、基线麻醉模型中采用物种特有的临界身体负担（Kipka和Di Toro，2009年），以及通过物种间相关性开发的跨分类群毒性模型（Dyer等人，2008年；Raimondo等人，2007年）中可以得到证实。

不同物种对化学物质的生态毒性反应的差异对于制定各种化学监管标准也非常重要。物种敏感性分布（SSD）——一种物种毒性的累积概率分布——用于推导化学物质的第5百分位数危险浓度（HC5），以保护物种和进行化学监管（Del Signore等人，2016年；Dhond和Barron，2022年）。虽然已经对多种毒性（例如，LD50、LC50等）进行了物种间比较，但对生物累积或生物转化模型的类似物种间研究却很少（Jager，1998年；Kuo和Di Toro，2013b年；Meylan等人，1999年；Zhao等人，2008年）。这可能反映了获取高质量生物转化和毒代动力学测量的普遍困难（Ashauer等人，2012年；Kuo和Chen，2016年；Kuo等人，2022年；R?sch等人，2016年）。

物种间生物转化动力学的比较主要受到有限的动力学研究限制。代谢通常通过给定暴露时间内的代谢百分比来量化（J?rgensen等人，2008年；McElroy等人，2000年；Rust等人，2004年），偶尔也有报道全身的体内生物转化速率常数（Nyman等人，2014年；Schuler等人，2003年）。也有报道对更多物种（即14-17种）进行物种间比较，包括哺乳动物（Mizukawa等人，2017年；Saengtienchai等人，2014年）和鱼类（Ikenaka等人，2013年），尽管主要关注的是代谢物分数和谱型。体内生物转化动力学的普遍缺乏限制了跨多个分类群和生态系统的有意义比较。然而，最近开发的一种方法可能允许从代谢物分数测量中推导出生物转化动力学，前提是已知相应的采样时间（Kuo和Di Toro，2022年）。

最后，理解物种内生物转化动力学的不确定性及其潜在来源对于物种间比较至关重要，因为这种不确定性限制了不同物种间生物转化的统计显著性差异。不确定性对于化学风险评估（Baudrot和Charles，2019年；Charles等人，2021年；Larras等人，2022年）和构建统计上可靠的毒代动力学模型（Baudrot和Charles，2019年；Ratier等人，2021年）至关重要。因此，需要明确量化物种内的不确定性，以支持稳健的物种间推断和基于模型的评估。

芘是一种四环多环芳烃（PAH），其基本环境和生态毒性行为已被广泛研究。它被用作理解吸附（Accardi-Dey和Gschwend，2003年；Karickhoff等人，1979年）、生物降解（Heitkamp等人，1988年）和毒性（Kagan等人，1985年；Lee等人，2002年）的模型化合物。在生物转化的背景下，芘是体外生物转化表征（Lo等人，2015年）以及体外-体内代谢清除（Nichols等人，2018年；Nichols等人，2023年）和生物累积（Laue等人，2020年）的基准化合物。从毒理学角度来看，芘通过膜分配引起基线麻醉（Di Toro等人，2000年；Sikkema等人，1995年）。它是芳烃受体（AhR）和过氧化物酶体增殖激活受体（PPAR）的激动剂（Kim等人，2015年；Kramer等人，2024年），并可能干扰脂质代谢（He等人，2024年）。芘的代谢通常从含有血红素的单加氧酶（即细胞色素P450酶）形成1-羟基芘开始，这些酶存在于多种生物物种中（Darabi等人，2017年；Harris等人，2022年）。在不同生物体中观察到多种细胞色素P450酶家族对芘的氧化作用（James和Boyle，1998年；Snyder，2000年），但由于某些CYP家族在不同物种间的重叠，全面比较这些家族的工作仍待进行（James和Boyle，1998年；Moorthy等人，2015年；Nambiar等人，2025年；Nauen等人，2022年；Reed等人，2018年；Snyder，2000年）。不同的CYP家族在不同生物体中对异生物质的不同生物转化过程中扮演不同角色。现有文献表明，对于PAH的代谢，CYP1在脊椎动物（例如人类、鱼类）中起主导作用（Nebert等人，2004年；Scornaienchi等人，2010年），而非CYP1家族在无脊椎动物中起关键作用（James和Boyle，1998年；Jesus等人，2022年；Rewitz等人，2006年；Snyder，2000年）。由于芘在不同命运和毒理学方面的广泛研究，它特别适合用于这项工作。

本研究旨在利用芘作为模型化合物，展示不同生物体中有机物质生物转化的生物学/生态学特征，具体任务包括：（i）使用物种敏感性分布来展示和比较物种间的生物转化动力学；（ii）研究体内kM对暴露条件和环境参数的依赖性；（iii）量化物种内kM的不确定性和物种间差异；（iv）研究kM对生物学、分类学和食性生态的依赖性。kM变异性的表征为评估物种内不确定性和研究物种间差异及其可能原因提供了可靠的参考点。这些任务共同探讨了生物转化的不同方面，提供了定量信息和比较，从而全面了解了控制生物转化的因素以及物种间差异相对于化学暴露或环境影响的重要性。

**2. 材料与方法**
2.1. 文献搜索
2019年至2021年间，通过直接搜索和引用追踪获取了关于芘生物转化的主要实验文献。使用标准学术搜索引擎（例如Web of Science、Science Direct、Google Scholar）和特定关键词（芘、多环芳烃、PAH、生物转化、代谢）进行了文献搜索。系统地检查了这些初始文章及其引用的文献中的额外实验生物转化数据。共收集并筛选了自20世纪80年代初以来发表的200多篇研究文章和综述。只有65篇研究包含用于推导kM的芘相关原始数据；如果未研究芘或未报告kM或无法推导/计算kM，则排除这些研究。大约有30项研究仅报告了芘的代谢物谱型和/或生物转化途径，因此无法使用。一些优秀的研究提供了广泛的哺乳动物、鸟类和鱼类的详细物种间芘代谢物谱型及其生物体水平（Ikenaka等人，2013年；Saengtienchai等人，2014年）。遗憾的是，这些研究无法使用，因为计算kM需要母体化合物的分数。

2.2. kM和早期时间法
一级生物转化速率常数kM提供了给定化学物质生物转化的最基本定量毒代动力学测量，可以与其他吸收和消除过程的毒代动力学一起用于描述化学物质在目标生物体内的累积（或消耗）（公式1）：
(1)
dBdt = ∑ikup,iCi ? BkT = ∑ikup,iCi ? BkM + ∑jkj
其中B是时间t（小时）时生物体内的化学物质浓度（mol/kg湿重）；∑ikup,iCi表示通过不同吸收途径（例如，鳃呼吸、空气呼吸、饮食/捕食、沉积物/土壤口服吸收、皮肤吸收等）吸收的化学物质总量，每种途径具有特定的一级吸收速率常数kup,i（kg介质/kg湿重·小时^-1或L/kg湿重·小时^-1）；Ci是暴露介质浓度（mol/kg介质或mol/L）；kT是总消除速率常数（小时^-1）；kM是化学物质的一级生物转化速率常数（小时^-1）；∑jkj（小时^-1）代表其他消除途径的贡献，j表示生长稀释、饥饿浓度、呼吸消除、皮肤消除、排泄等（Kuo等人，2022年）。

如果已知化学暴露后时间t时生物体内的母体化合物残留分数fPC(t)（molPC/molPC），则可以容易地计算出kM（公式2）（Kuo和Di Toro，2022年）。该表达式通过对fPC(t)的分析解进行泰勒级数展开得到，其中展开的一级项用于近似kM。该公式在化学上直观，因为高（或低）的kM对应于易于生物转化（或抗性）的化合物。此外，该公式不会产生负的速率常数，这是通过速率平衡方法从总净化速率常数获得kM时常见的问题（Arnot等人，2008年；Kuo和Chen，2021年；van der Linde等人，2001年）。

(2)
kM = 2tln1fPC(t)
fPC = BPCt / (BPCt + ∑alli(BMBi(t)/ζi)
其中BMBi表示第i种代谢物的总摩尔浓度；ζi是第i种代谢物相对于1摩尔PC的化学计量系数；t是自吸收实验开始以来的时间。因此，fPC表示基于PC摩尔当量的PC剩余分数（即BPC(t) + ΣBMBi(t)/ζi）。公式2允许在不使用复杂算法或优化来拟合多种代谢物和母体化合物的浓度谱型的情况下直接获得母体化合物的kM（Ashauer等人，2010年）。量化单个代谢物和理解转化途径的繁琐任务（R?sch等人，2016年）也被避免了，因为只需要使用放射性标记的母体化合物即可轻松获得fPC(t)来推导kM。最重要的是，该方法得出的kM值的准确性与原始实验研究报道的结果相匹配（即通过一阶微分动力学方程对母体和代谢物的时间演变进行最佳拟合得出），其误差小于或可与生物累积指标BCF和其他毒代动力学速率常数的直接实验不确定性相媲美（即kM的误差为0.5–0.7；Kuo和Di Toro，2022年）。理论上，（方程2）应仅在早期时间fPC(t)时应用（即t≤t1/2,M），尽管违反早期时间条件仍可以得出有用的kM下限估计（Kuo和Di Toro，2022年）。这些内容在补充信息S1.2.3中有进一步说明。原始实验数据使用方程3中的表达式转换为报告时间点的残留PC分数fPC(t)。这些数据包括母体化合物（PC）和代谢物（ΣMB）的浓度或量、总代谢分数fΣMB，以及PC和PC+ΣMB的各种生物累积指标（即BCF、生物体-沉积物/土壤累积因子BSAF或生物放大因子BMF）。注意，ζi（molMBi/molPC）是第i种代谢物从母体化合物形成的化学计量/分子比例。

2.4. 数据选择、组织和处理
研究进一步根据以下标准进行了筛选和审查：水生暴露实验中的芘浓度应在溶解度限制范围内，或者使用了溶解剂（例如丙酮、甲醇）；饮食、沉积物或土壤暴露未进行溶解度筛选。实验程序有充分的记录，以确保可重复性。PC和MB的化学分析和测量结果清晰呈现，并使用一致的单位。一些研究考察了化学代谢作为化学和环境条件的函数，例如代谢抑制剂的存在（Akkanen和Kukkonen，2003年；Carrasco Navarro等人，2011年），或者添加表面活性剂或溶解有机物改变了化学生物利用度。这些数据也包含在本研究中，并附有具体的实验条件作为实验注释。由于原始数据有限，未考虑暴露期间的死亡率（Kuperman等人，2016年），因为这可能会影响生物转化能力。

与kM的推导和解释相关的原始实验测量数据和实验细节被汇编起来。记录了fPC(t)、fΣMB(t)、kM、采样时间t以及数据特征（即单点或时间过程；从原始PC-MBs水平得出，或报告为降解速率常数）。实验细节还包括暴露介质、芘暴露水平、暴露方式和温度。还包括了测试生物的生物学特征：体重、分类学分类（门/纲、目、属）、生物群组、栖息地类别和食物群。记录了检查的组织，包括全身样本、器官和其他生物基质（例如尿液、血浆、粪便），尽管后者未用于进一步分析。其他条件，如使用生物利用度降低剂（例如溶解有机物或表面活性剂）或代谢抑制剂，也作为额外的实验注释记录下来。研究和数据及信息的整理由两位作者（SC和DK）在两年期间（2019-2021年）完成，并在分析前系统地进行了方法一致性和数据准确性检查（DK）。所有汇编的kM值和信息/数据都记录在补充信息S2中。所有整理的kM值经过处理，每个独特实验得到一个kM值。报告的kM值要么与单点观察相关（即每个实验只有一个fPC观察），要么与时间过程相关（即随时间演变有多个fPC观察）。单点数据按原样采用，而多点观察则需要根据是否满足早期时间标准（即t≤t1/2,M，其中t1/2,M=ln2/kM）对数据进行平均。所有处理的kM值都符合早期时间标准（见补充信息S2中的流程图）。

所有分析和可视化都是使用R语言编写的脚本准备的（R Core Team，2022年）。

3. 结果和讨论
3.1. 种间kM分布和不确定性
3.1.1. 基本kM数据和分布
从实验文献中汇编了519个芘生物转化的原始kM值，这些值可以简化为241个特定组织的独特实验kM值。它们对应于属于24个纲和13个门的61个独特物种。无脊椎动物、细菌和真菌分别占所有kM值的48%、28%和10%，范围从4.9×10^-5到6.7×10^-1 h^-1（或对数尺度上的-4.3到-0.2）。这些数据主要由全身样本组成（85%），而较大和更复杂的物种则报告了器官特异性测量结果（例如，体重W > 100 g湿重）。超过一半的kM值来自水生芘暴露（55%），其次是沉积物（20%）和饮食（15%）。独特的实验kM值大致在时间过程和单点观察之间均匀分布，65%的kM值满足早期时间标准。kM值的诊断图显示，不符合早期时间要求的kM值的误差相当低（即≤0.7 log单位；见图S3a）。

图1显示了芘生物转化的平均log kM的累积种间分布（或物种敏感性分布，SSD）。图中仅选择了与全身、器官或肌肉测量相关的kM值；体液样本（例如血浆、牛奶、尿液）被排除在外。图1中包含了几种常见的生态毒性测试的标准物种，它们对芘的代谢能力差异很大。具有最高芘转化潜力的物种是大鼠（Rattus norvegicus）、非叮咬蚊子（Chironomus riparius）、水蚤（Daphnia magna）和太平洋牡蛎（Crassostrea gigas），其kM值位于前25百分位数（kM = 10–1.7 to 10–0.3 h^-1）；然而，水生黑虫（Lumbriculus variegatus）和土壤栖息的昆虫弹尾虫（Folsomia candida）的kM值位于较低90百分位数（kM = 10–4.3 to 10–3.0 h^-1）。一般来说，代谢外源物质能力较低的物种可能会在体内积累更多的化学物质（Huang等人，2023年；Rust等人，2004年），因此可能更容易受到化学物质的影响。

图2显示了具有多个实验kM值的物种的log kM的种内变异性。图中可视化了所有13个具有多个kM值（n≥3）的物种的范围和中位数。图表显示，大多数物种的log kM值大约在1 log单位范围内（即±0.5 log单位），除了Daphnia magna、Pseudomonas sp.和Carcinus maenas，它们的log kM值跨越了2–2.5个数量级。进一步检查这13个物种的log kM值发现，种内log kM的差异与kM测量次数无关（Pearson相关系数ρ < 0.3；图S3b）。

量化并理解种内变异性对于评估与kM值相关的不确定性以及随后在生态风险建模或评估背景中的应用或解释这些值非常重要。如果种内变异性是生物系统固有的，因此难以克服，那么有意义的种间kM比较将很困难。尽管log kM的变化可能表明个体生物或生物代际之间的噪声，但它也可能源于可控的实验条件和环境因素。实际情况可能介于生物变异性和可控条件或因素之间。

3.1.2. 暴露水平对kM的影响
为了更好地理解影响log kM变化的因素，进一步检查了几个可能对生物转化动力学产生影响的因素。图3显示了10个物种的log kM与相对暴露水平之间的相关性，范围从约1–3.5 log单位。在大多数情况下，log kM通常与暴露浓度呈负相关（斜率 = -1.4至-0.2；R2 = 0.82–1.00；表1）。这种趋势似乎不依赖于暴露介质，因为在水生、沉积物或饮食暴露的实验中都发现了浓度下降（表1）。暴露浓度的差异可以解释Daphnia magna中观察到的高变异性（即图2）；这也表明，如果能够标准化/规范暴露水平的影响，其他物种的log kM变化可能更加受限。然而，在Lumbriculus variegatus数据中观察到了不同的浓度依赖性，其中一个系列的log kM随着暴露水平的增加而增加（斜率 = 0.38；R2 = 0.94）。在另一组Lumbriculus variegatus数据中，尽管芘浓度从6到160 μg/L变化，但log kM与log(C/Cmin)的相关性在统计上不显著（斜率 = 0.03 ± 0.07；R2 = 0.04）（表1）。Lumbriculus variegatus数据中缺乏浓度依赖性的原因尚不清楚。由于所有涉及的研究都由同一研究小组/实验室发表（Carrasco Navarro等人，2011年；Lepp?nen和Kukkonen，2000年；Lyytik?inen等人，2007年；M?enp??等人，2009年），因此排除了组间变异性。尽管诱导或酶饱和可能是L. variegatus不同浓度依赖性的一个可能解释，但需要解释为什么在其他物种中没有出现类似的现象，尤其是它们的芘转化能力高出几个数量级（图3）。log kM对暴露浓度的总体依赖性（图3）也意味着其累积种间分布最好基于特定的化学活性或 fugacity（例如水溶性0.1）。由于暴露动力学数据有限，图1没有采用这一方法。

3.2. 结果和讨论
3.2.1. 种间kM分布和不确定性
3.2.1.1. 基本kM数据和分布
从实验文献中汇编了519个芘生物转化的原始kM值，这些值可以简化为241个特定组织的独特实验kM值。它们对应于属于24个纲和13个门的61个独特物种。无脊椎动物、细菌和真菌分别占所有kM值的48%、28%和10%，范围从4.9×10^-5到6.7×10^-1 h^-1（或对数尺度上的-4.3到-0.2）。这些数据主要由全身样本组成（85%），而较大和更复杂的物种则报告了器官特异性测量结果（例如体重W > 100 g湿重）。超过一半的kM值来自水生芘暴露（55%），其次是沉积物（20%）和饮食（15%）。独特的实验kM值在时间过程和单点观察之间大致均匀分布，65%的kM值满足早期时间标准。kM值的诊断图显示，不符合早期时间要求的kM值的误差相当低（即≤0.7 log单位；见图S3a）。

图1显示了芘生物转化的平均log kM的累积种间分布（或物种敏感性分布，SSD）。只有与全身、器官或肌肉测量相关的kM值被选入累积图；体液样本（例如血浆、牛奶、尿液）被排除在外。图1中包含了几种常见的生态毒性测试标准物种，它们对芘的代谢能力差异很大。具有最高芘转化潜力的物种是大鼠（Rattus norvegicus）、非叮咬蚊子（Chironomus riparius）、水蚤（Daphnia magna）和太平洋牡蛎（Crassostrea gigas），其kM值位于前25百分位数（kM = 10–1.7 to 10–0.3 h^-1）；而水生黑虫（Lumbriculus variegatus）和土壤栖息的昆虫弹尾虫（Folsomia candida）的kM值则位于较低90百分位数（kM = 10–4.3 to 10–3.0 h^-1）。一般来说，代谢外源物质能力较低的物种可能会在体内积累更多的化学物质（Huang等人，2023年；Rust等人，2004年），因此可能更容易受到化学物质的影响。

图2显示了具有多个实验kM值的物种的log kM的种内变异性。图中可视化了所有13个具有多个kM值（n≥3）的物种的范围和中位数。图表显示，大多数物种的log kM值大约在1 log单位范围内（即±0.5 log单位），除了Daphnia magna、Pseudomonas sp.和Carcinus maenas，它们的log kM值跨越了2–2.5个数量级。进一步检查这13个物种的log kM值发现，种内log kM的差异与kM测量次数无关（Pearson相关系数ρ < 0.3；图S3b）。

量化并理解种内变异性对于评估与kM值相关的不确定性以及这些值在生态风险建模或评估背景中的任何后续应用或解释非常重要。如果种内变异性是生物系统固有的，因此难以克服，那么有意义的种间kM比较也将很困难。尽管log kM的变化可能表明个体生物或生物代际之间的噪声，但它也可能源于可控的实验条件和环境因素。实际情况可能介于生物变异性和可控条件或因素之间。

3.2.2. 暴露水平对kM的影响
为了更好地理解log kM变化的背后因素，进一步检查了几个可能对生物转化动力学产生影响的因素。图3显示了10个物种的log kM与相对暴露水平之间的相关性，范围从约1–3.5 log单位。在大多数情况下，log kM通常与暴露浓度呈负相关（斜率 = -1.4至-0.2；R2 = 0.82–1.00；表1）。这种趋势似乎不依赖于暴露介质，因为在水生、沉积物或饮食暴露的实验中都发现了浓度下降（表1）。暴露浓度的差异可以解释Daphnia magna中观察到的高变异性；这也表明，如果能够标准化/规范暴露水平的影响，其他物种的log kM变化可能更加受限。然而，在Lumbriculus variegatus数据中观察到了不同的浓度依赖性，其中一个系列的log kM随着暴露水平的增加而增加（斜率 = 0.38；R2 = 0.94）。在另一组Lumbriculus variegatus数据中，尽管芘浓度从6到160 μg/L变化，但log kM与log(C/Cmin)的相关性在统计上不显著（斜率 = 0.03 ± 0.07；R2 = 0.04）（表1）。Lumbriculus variegatus数据中缺乏浓度依赖性的原因尚不清楚。由于所有涉及的研究都由同一研究小组/实验室发表（Carrasco Navarro等人，2011年；Lepp?nen和Kukkonen，2000年；Lyytik?inen等人，2007年；M?enp??等人，2009年），因此排除了组间变异性。尽管诱导或酶饱和可能是L. variegatus不同浓度依赖性的一个可能解释，但需要解释为什么在其他物种中没有出现类似的现象，尤其是它们的芘转化能力高出几个数量级（图3）。log kM对暴露浓度的总体依赖性（图3）也意味着其累积种间分布最好基于特定的化学活性或 fugacity（例如水溶性0.1）。由于暴露动力学数据有限，图1没有采用这一方法。

表1显示了芘生物转化的kM的依赖性和变异性。
空单元
log kM = m log C/Cmin + b
空单元
物种
暴露
m (=斜率) (±误差) * R2
数据参考
Daphnia magna
水生 -1.32 ± 0.30 0.863 (Ruotsalainen等人，2010)
Pseudomonas sp. (A)
水生 -0.54 ± 0.12 0.909 (Ma等人，2013)
沉积物-微生物
沉积物 -0.86 ± 0.08 0.975 (Chang等人，2008)
Pseudomonas sp. (B)
水生 -0.72 ± 0.05 0.995 (Lu等人，2014)
Hediste diversicolor
沉积物 -0.29 ± 0.01 0.999 (Tairova等人，2009)
Pseudomonas aeruginosa
水生 -0.52 ± 0.09 0.900 (Ghosh等人，2014)
Arthrobacter sp.
水生 -0.29 ± 0.05 0.832 (Aryal和Liakopoulou-Kyriakides，2013)
Ilyanassa obsoleta
饮食 -0.22 ± 0.07 0.819 (Erskine等人，2010)
Coriolopsis byrsina
水生 -0.60 ± 0.03 0.993 (Agrawal和Shahi，2017)
Sphingomonas sp.
水生 -1.42 ± 0.09 0.996 (Lu等人，2014)
Lumbriculus variegatus
沉积物 0.03 ± 0.07 0.043 (Giessing等人，2003)
Lumbriculus variegatus
水生 0.38 ± 0.07 0.944 (M?enp??等人，2009)
空单元
因素
范围
斜率范围
**Δlog kM范围
种内
N.A.
N.A.
0.3 – 2.5
温度 (°C) 2 – 28
-0.9 – 0.6
0.0 – 1.3
[表面活性剂] (g/L) 0.2 – 2.5
-0.2 – -0.1
0.2 – 0.4
[DOM] (mgC/L) 5 – 10
N.A.
0.4
[PBO] (μg/L) 0 – 1000
N.A.
0.3 – 1.0
pH 5 – 10
-0.007 – 0.05
0.2 – 0.5*
*：根据图2a和2b定义。
**Δlog kM定义为一组因素变化实验中最大log kM与最小log kM的差值。
生物因素可能解释了两组Pseudomonas sp.数据之间log kM的差异（图3a）。两组Pseudomonas sp.显示出相似的浓度依赖性，尽管其中一个组的log kM比另一个组高2 log单位（p < 0.05）。由于两组都基于水生暴露且实验条件相似，因此显著的log kM差异可能归因于生物因素。一个可能的解释是，这些研究中的Pseudomonas sp.属于同一属的不同物种。在多种微生物和真菌上，也记录了降解效率的显著种内差异（Bose等人，2021年；Field和Sierra-Alvarez，2008年）。例如，不同的Pseudomonas物种和菌株在转化/降解2,4,6-三硝基甲苯方面表现出不同的能力（Cabrera等人，2020年；Chien等人，2014年）。这些差异可能是由于化学适应或微生物进化造成的。这种kM的差异可能对微生物和真菌物种更为相关，而不是寿命较长的更复杂物种。

3.2.3. 组织差异对kM的影响
不同器官和组织之间的生物转化能力差异也可能解释同一物种内kM的差异。图4显示了大鼠（Rattus norvegicus）和螃蟹（Carcinus maenas）的特定组织log kM值。蟹的不同组织中kM的变异性很高，这些组织/器官间的差异具有统计学意义（即，组织间差异大于组织内不确定性）。这种组织间差异是图2中Carcinus maenas的log kM变异性的主要原因。值得注意的是，大鼠的log kM数据展示了另一个极端情况，即在不同组织/器官之间观察到的差异不明显（即，所有大鼠的log kM值都在0.5对数单位范围内；见图4）。肝脏或肝胰腺作为主要生物转化场所的重要性也得到了体现（Livingstone, 1998, Walker和Ronis, 1989），因为它们在蟹和大鼠中的log kM值最高，而其他组织通常在代谢中起的作用较小（例如，蟹的肌肉、生殖腺和鳃的kM值比肝胰腺低1.5-2对数单位）。在大鼠中，肾脏和胃肠道（包括胃和肠道系统的各个部分）具有与肝脏相当的生物转化能力。遗憾的是，由于没有采集到蟹的肠道样本，因此无法进行类似的比较。

图4. 蟹（Carcinus maenas）和大鼠（Rattus norvegicus）的组织特异性log kM。数据被可视化为5个子组：(i) 核心代谢器官（肝胰腺/肝脏、肾脏和胃肠道），(ii) 其他器官和肌肉，(iii) 生殖器官（生殖腺/睾丸），(iv) 化学物质吸收器官（皮肤、鳃/肺），以及(v) 体液（血淋巴、血浆）。

3.1.4. 影响kM的其他因素
尽管实验数据有限，但也研究了其他一些实验条件和环境因素对log kM的影响。这些因素包括温度、代谢抑制剂和改变生物利用度的物质（表1）。温度似乎不会一致地影响不同物种的log kM（图S4a）。在这项工作中记录的5组温度数据中，有3组（Gammarus setosus、Daphnia magna）表明在所研究的温度范围内温度对log kM没有影响，而另外2组（Hediste diversicolor、Chara rudi）则显示出相反的趋势。进一步使用整个芘log kM数据分析温度效应也未能发现明确的趋势（图S4a）。有机相或成分的存在会降低可被吸收的游离芘的量，因此可以预期在有机表面活性剂或溶解有机物（DOM）存在的情况下生物转化会下降。正如预期的那样，随着表面活性剂和DOM水平的增加，log kM会下降（图S4b、S4c），这也与在较高暴露水平下观察到的log kM下降一致（图3）。然而，由于生物利用度降低导致的log kM下降幅度似乎相当有限，对于5-10 mgC/L的DOM或500-2000 mg/L的表面活性剂，log kM下降不超过0.5对数单位。这些效应通常与观察结果一致，即随着生物利用度的降低，有机物的生物降解也会降低（Lamoureux和Brownawell, 1999, Lemaire等人, 2013；Kuo等人, 2007），尽管需要更多的实验观察来确定它们对kM的影响程度（例如，关于DOM或表面活性剂效应的参考文献很少）。最后，在抑制剂piperonyl butoxide（PBO）存在的情况下，kM也会下降，尽管不同物种之间的抑制程度有所不同（图S4d）。这些额外因素的影响在表1中进行了总结。总体而言，这些因素的影响在所研究的范围内是有限的，与暴露水平、物种间差异和组织间差异相比，它们的影响可能是次要的。

已知还有其他可能增加kM变异性的因素，但由于缺乏测量数据，这里无法进行探讨。这些因素包括不同研究或实验中暴露条件的不一致性。在不同的暴露介质、不同的个体与沉积物比例下，已经证明了生物积累水平和总消除速率常数的显著差异（Kukkonen和Landrum, 1994）。类似的差异也可能出现在暴露于新添加的化学物质与天然存在的化学物质之间，或者暴露于单一化学物质与混合物之间（Tairova等人, 2009），这两种情况都显著影响生物利用度和毒理学反应（Lamoureux和Brownawell, 1999, Lepp?nen和Kukkonen, 2006）。肠道微生物群的多样性和对污染的适应性也可能导致物种内的kM差异。

3.1.5. 组内kM的变异
当比较较大生物群体内不同物种的芘kM时，也可以注意到有趣的物种间差异。图5显示，在鱼类、双壳类动物、蠕虫和藻类中，生物转化能力的物种间差异可能相当显著。有6种鱼类的kM范围从10-3.1 h-1（Perca fluviatilis）到10-0.9 h-1（Cyprinodon variegatus）。在双壳类动物中，太平洋牡蛎（Crassostrea gigas）表现出较高的芘生物转化能力（kM = 10-1.7 h-1，位于前25百分位），而其他5种蛤蜊（Protothaca staminea、Mya arenaria、Limecola balthica、Macoma calcarean、Sphaerium corneum）的kM范围从10-3.1到10-2.4 h-1（大约位于后60%到90%）。在环节动物中，Lumbriculus variegatus（纲：Citellata）的kM明显较慢，为10-3.0 h-1，而其他4种多毛类动物（纲：Polychaeta）的kM范围从10-2.8到10-2.2 h-1。同样，在藻类中，位于前5%到30%的7种藻类的kM（kM：10-1.8 – 10-1.2 h-1）都属于绿藻门（Chlorophyta）和Trebouxiophyceae纲，而Chara rudis和Rhodomonas baltica分别属于其他藻类纲：Charophyceae（绿藻门）和Cryptophyceae（隐藻门）。这些物种间的差异在统计上具有显著性（即，差异大于0.5对数单位），可能反映了生物学、遗传学、生态学或行为学差异的贡献。

图5. 各摄食类群的芘生物转化实验中log kM的敏感性。图中显示了8个主要摄食类群的log kM中位数和四分位数范围。每个类别的测量次数用括号表示。组I = 杂食性动物；组II = 过滤食者 + 自养生物；组III = 其他摄食类群。图6b显示了常见生物类群的芘代谢log kM的平均值和标准差。组I = 杂食性动物；组II = 过滤食者 + 自养生物；组III = 其他摄食类群。图6c显示了组I、II和III之间平均log kM的Tukey成对差异。所有可能的组间对（即I-II、I-III、II-III）的差异均具有显著的非零log kM差异（Tukey成对检验，见图6c；p < 0.001）。

3.2. 意义和局限性
3.2.1. kM的局限性
虽然kM在定量上有助于模拟有机化学物质的生物积累和营养级转移，并进行新型化合物结构的生物积累潜力计算机评估，但仅凭kM本身很难全面了解化学物质在生物体内的完整生物学命运。在仅讨论kM时，完全忽略了转化途径和代谢物谱的多样性（Kuo和Chen, 2016; Kuo和Di Toro, 2022）。特定代谢物的动力学（Honey等人, 2000; Ikenaka等人, 2013; R?sch等人, 2016）为生物转化提供了机制层面的信息，而这正是本研究所缺乏的。由于暴露水平会影响kM，因此忽略暴露水平以及死亡率筛选也限制了仅用kM进行的解释。此外，要理解外源物质的毒代动力学和毒效学，掌握完整的代谢物谱是不可或缺的（Ashauer和Escher, 2010）。代谢中间体的测量和动态可以支持代谢物母体浓度因子（MPCF）的计算（Hou等人, 2020; Hou等人, 2019; Kuo和Chen, 2016），这是衍生代谢物的生物浓缩因子（BCF）的等效指标。还需要更具创造性的框架和方法来表征途径和代谢物谱，以便进行特定代谢物的毒性或谱预测（Garcia de Lomana等人, 2022; Ikenaka等人, 2013; R?sch等人, 2016）。例如，可以根据它们的功能组、物理化学性质（如通过反相色谱法确定的log KOW）或作用方式对它们进行分组，以推断代谢物的保留谱和可能的生化后果。虽然通过其他分组检查kM似乎无法揭示出任何一致的机制解释来支持相应的图表（图S5a至S5e），但这些图表仍然包含在内。

3.2.2. 实验和评估中的kM SSD
kM的敏感性分布或排名可以用作生态毒理学实验的规划工具，以及通过预测目标物种相对于其他生物的代谢潜力来进行化学评估和管理。这包括选择适合进行毒性或生物积累测试的物种，或确定化学调控的潜在基准物种。从环境和野生动物保护的角度来看，kM的SSD可以作为提供给定目标化学物质总体风险的额外证据，或其在大生态系统中的营养级放大/稀释的可能性。未来的工作显然需要更多定量体内生物转化研究，研究不同参考生物物种中的物种内变异性和组织间差异，以及了解暴露水平对生物转化动力学的影响（例如，解释图3中的组织或全身水平的对数线性动力学与酶水平饱和动力学或酶诱导的关系）。类似的SSD应用可以扩展到其他类型的化学物质和其他毒代动力学参数或体外酶动力学（例如，Michaelis-Menten动力学中的Vmax和Km）。需要更深入地探索组织间生物转化的差异，因为这些差异直接影响体外-体内外推法的程序和有效性。3.2.3 体外-体内外推法的验证尽管体外测试在经济、实验和伦理方面具有优势，但尚未在关键分类群中完成这种策略的最终验证，因为大多数用于生态风险评估的体外-体内外推法都是针对鱼类进行的（Bischof等人，2016年；Brinkmann等人，2016年；Laue等人，2014年），通常是在常见的测试物种中（例如，普通鲤鱼、虹鳟鱼）。最近的一项鱼类体外验证研究指出，需要改进这种外推方法的应用（Laue等人，2020年）。因此，体内生物转化研究以及组织/器官特异性的动力学和代谢物谱对于完善体外-体内外推法仍然是不可或缺的。3.2.4 生态风险评估的生物学和生态学描述符目前对kM依赖性的研究（例如，图6）显示，缺乏与生物转化更直接相关的全面生物学和生态学描述符（例如，遗传或酶/CYP特征），以帮助理解生态毒理学数据。传统的生态毒理学模型主要关注化学特性和描述符（例如，log KOW、功能基团）（Kuo和Di Toro，2013a；Meylan等人，1999年；Zhao等人，2008年），而忽略了除基本生理参数（如体型/重量、肠道pH值或脂质含量）之外的许多生物学复杂性。要在物种间生态毒理学方面取得实质性进展，需要以全面的、高质量的物种特征为基础。这些特征包括不同物种的遗传、表型/生理、行为和生态特征。只有通过与更广泛的生物科学界的紧密合作，才能实现这一目标。已经在某些物种领域发布了生物特征数据库，例如鸟类（Wilman等人，2014年），以及更全面的遗传序列数据库（Feng等人，2020年）。即使在研究摄食生态学和饮食多样性对生物转化影响的有限范围内，这项工作也只是通过一个粗糙、简化的摄食行为描述符来初步了解这一问题。一种更理想的方法是研究不同物种的摄食策略比例（例如，物种可以在滤食和食腐之间切换，或者根据需要充当肉食动物或碎屑食者）、平均饮食组成、机会性摄食和食腐的定量测量以及肠道特征。为了在生态毒理学和生态风险评估方面实现有意义的下一代进展，需要采取持续、长期的方法来构建定量的生物学和生态学描述符。4. 结论本研究为探讨有机化学物质的物种间动力学差异（从而了解其毒性和生物累积潜力）提供了定量基础。系统地检查和量化了生物转化速率常数的化学、生物学和环境依赖性。分析表明，暴露水平和物种间差异对于理解kM的大小很重要，而温度、抑制剂和生物利用度修饰因子（例如，DOM、表面活性剂）的作用相对较小。在同一生物群体内的不同物种之间也观察到了kM的差异（即双壳类动物、蠕虫、藻类）。虽然无法将特定物种的kM与明确的生物学描述符相关联，但芘kM SSD所显示的总体趋势可以通过以下假设进行定性解释：通过进化和适应，具有多样化饮食和更被动/通用摄食策略的物种的代谢能力得到了增强。这些初步发现可能有助于更好地理解和预测不同物种的关键生态毒理学特征，并促进下一代生物敏感型生态风险评估模型的发展。作者贡献声明Kuo Dave Ta Fu：撰写——审稿与编辑、撰写——初稿、可视化、监督、正式分析、概念化。Chen Sherry Q：撰写——审稿与编辑、可视化、方法学、调查、数据管理。Johnson Mark S：撰写——审稿与编辑。Sandrine Charles：撰写——审稿与编辑。Sandrine Deglin：撰写——审稿与编辑、资金获取、概念化。Membry Michelle：撰写——审稿与编辑、资金获取、概念化。