Источники изменчивости и видовые особенности микроэлементного состава рыб из минерализованного водоема

Размещено на http://www.allbest.ru/

Источники изменчивости и видовые особенности микроэлементного состава рыб из минерализованного водоема

Д.Ю. Нохрин

Автором изучен химический состав костной и мышечной тканей у плотвы и окуня из минерализованного озера Челябинской области. Отмечено, что в ходе многомерного оптимального шкалирования полученных данных методом нелинейного анализа главных компонент (nonlinear Principal Component Analysis) по алгоритму CATPCA выявлены особенности видовой и тканевой специфики накопления металлов, а также паттерн наиболее вероятных ксенобиотиков: природные Ni, Co, Cr и техногенные Pb и Cd. плотва окунь минерализованный метал

Несмотря на обилие фактического материала, перспектива выработки цельного и структурированного взгляда на характер изменений микроэлементного состава тканей рыб весьма неопределённа. Отчасти это связано с многочисленностью и сложным характером взаимодействия факторов, влияющих на поведение эссенциальных и ксенобиотических микроэлементов в организме. Применительно к рыбам к таким факторам относят: концентрацию металла в среде и пище, размер и темпы роста, физиологическое состояние, предпочитаемые места кормления и др. [1, 2]. Полагаем, что сложность систематизации обнаруженных закономерностей связана во многом с недостаточной разработанностью методологий, позволяющих выявлять из всего многообразия связей интересующие паттерны конкретных форм изменчивости: видовой, географической, возрастной, половой, индивидуальной. В предыдущих работах [3, 4] нами было показано, каким образом многомерная техника оптимального шкалирования помогает находить ассоциации элементов, связанные с географической и видовой изменчивостью. Цель данной работы заключалась в выявлении видовой и тканевой специфики содержания металлов в рыбе минерализованного водоёма и выделении паттерна наиболее вероятных элементов-ксенобиотиков по результатам оптимального шкалирования.

Материал и методы

Отбор проб биоматериала (10 экз. плотвы и 10 экз. окуня) проводили в сентябре 2012 г. на оз. Чебакуль (Челябинская обл., Россия, координаты: 55°39' с.ш., 61°25' в.д.). Это -- крупный водоём с площадью озёрного зеркала 19,8 км2 и объёмом около 97 млн м3. С 1989 г. озеро относится к памятникам природы областного значения в категории «гидрологический»: озеро ценно своими бальнеологическими свойствами. Оно находится в окружении пресноводных озёр, но имеет высокую минерализацию: в 2012 г. её величина составила в среднем 4171 мг/дм3. По классификации О.А.Алекина, вода оз. Чебакуль относится к хлоридному классу, группе натрия, хлоридно-магниевому типу Ша. Техногенное загрязнение водоёма минимально, однако высокий геохимический фон, обусловленный минерализацией воды, проявляется в виде повышенных концентраций металлов в воде: из 10 изученных нами в 2012 г. металлов (Cr, Mn, Fe, Co, Ni, Cu, Zn, Sr, Cd, Pb) превышения ПДКВР были зарегистрированы по всем элементам, кроме Fe и Cr.

Пробоподготовка биоматериала (мышечная и костная ткань рыб) велась методом сухой минерализации [5], анализ -- на атомно-абсорбционном спектрофотометре «AAS-1» («Carl Zeiss Jena», Германия; аналитик -- доктор ветеринарных наук Ю.Г.Грибовский).

Сравнение средних концентраций металлов в рыбе двух видов проводили с использованием U-критерия Манна-Уитни, поиск связей между показателями -- с помощью корреляционного анализа по Спирмену. 95 %-ные доверительные интервалы для средних значений (95 % ДИ) рассчитывали с помощью процедуры бутстрепа (n = 9999). Расчёты выполнены в пакете PAST (v. 2.17c; [6]).

Для выявления наиболее общих закономерностей содержания металлов в тканях рыб данные подвергали процедуре многомерного оптимального шкалирования по алгоритму CATPCA (Categorical Principal Component Analysis), реализованной в пакете SPSS for Windows (v. 15.0., SPSS Inc.) и позволяющей задействовать в анализе главных компонент (АГК) одновременно количественные и качественные показатели [7]. При этом концентрации металлов обрабатывали как количественные переменные с последующим ранжированием, а метки видовой и тканевой принадлежности -- как номинальные категории. При выборе числа латентных переменных в анализе руководствовались критериями Кайзера и «сломанного стержня» («broken stick») [8], а для упрощения полученного решения использовали вращение «варимакс» по технологии, описанной в [9]. Графические построения выполнены в пакете KyPlot (v. 2.0 beta 15; [10]).

Во всех случаях результаты признавали статистически значимыми приp < 0,05, незначимыми -- при p > 0,10; в промежуточных случаях (0,05 < p < 0,10) обсуждали тенденции к различиям.

Результаты и их обсуждение

Сравнение видов

В таблице 1 представлены результаты сравнения плотвы и окуня по содержанию 9 элементов в тканях, которое было проведено в целях обнаружения видовой специфики накопления металлов.

Для обоих видов было характерно концентрирование всех изученных элементов в костной ткани (на рис. 1 отношение более 1).

У окуня в мышечной ткани была обнаружена более высокая концентрация Cr, Mn, Co, Pb, а в костной -- Pb и, вероятно, Cr и Ni, для которых различия были близки к статистически значимым. У плотвы наблюдалось только более высокое содержание Zn в костной ткани. Таким образом, общей для обеих тканей особенностью было более высокое накопление окунем Pb и Cr. Известно, что свинец является типичным ксенобиотиком [11], поэтому вполне закономерно, что хищный вид накапливает его в больших количествах. Хром является микроэлементом, для которого у рыб существуют регуляторные механизмы поступления в организм [12]. Обычно он не накапливается, а, напротив, его становится меньше в цепях питания в водоемах, и хищные виды рыб содержат его в меньших концентрациях [13]. Учитывая невысокие концентрации Cr в воде (<0,003 мг/дм3) и донных отложениях (<5 мг/кг сух. вещ-ва) оз. Чебакуль, причины его повышенного содержания у окуня остаются неизвестными.

Выявление элементов-ксенобиотиков в ходе оптимального шкалирования

Ранее нами был предложен подход, позволяющий выявлять элементы-ксенобиотики с помощью многомерных ординационных техник типа оптимального шкалирования и анализа избыточности [4]. Суть его заключается в том, что совместный анализ данных, содержащих как концентрации микроэлементов, так и метки потенциальных источников их изменчивости (видовые, тканевые, возрастные различия и т. п.), позволяет специфически «связать» первый набор со вторым. При этом появляется возможность интерпретации как паттернов элементов, задаваемых метками инструментальных переменных, так и остаточной изменчивости, представляющей собой неупорядоченный «шум» концентраций элементов-ксенобиотиков. В попытке выявить вероятные ксенобиотики эта техника была применена к данным по рыбам оз. Чебакуль.

Как видно из рисунка 2, критерий «сломанного стержня» указывал на необходимость выделения одного источника нетривиальной изменчивости, а критерий Кайзера -- двух. Однако для решения задачи выделения паттерна ксенобиотиков необходимо, чтобы число латентных переменных, по меньшей мере, на единицу превосходило число инструментальных переменных (виды, ткани). Поэтому в окончательном варианте анализа были оставлены 3 главные компоненты, объясняющие в сумме 89,6 % всей наблюдаемой изменчивости (дисперсии) концентраций элементов.

Как видно из таблицы 2, первая главная компонента (ГК 1), объясняющая 40,4 % микроэлементной изменчивости, была сформирована тканевыми различиями. На неё дали высокие положительные нагрузки все 9 элементов, что указывает на рост концентрации всех металлов в направлении от мышечной ткани к костной. Элементами, по которым у обоих видов тканевые различия проявились максимально, были Fe, Cu и Mn, минимально -- Cd и Ni. Следует подчеркнуть, что это положение лишь отчасти согласуется с данными таблицы 1 и рисунка 1. Так, по степени концентрирования в костной ткани относительно мышечной (рис. 1) изученные элементы образуют следующий убывающий ряд: Fe > Cu > Mn > Zn > Co > Cr > Pb > Cd > Ni, в то время как по нагрузке на ГК 1 этот ряд выглядит иначе: Mn > Cu > Co > Fe > Pb > Cr > Zn > Cd > Ni. Причина такого несовпадения кроется в различии способов оценки тканевых различий. При обычном сравнении данные по каждому элементу анализируются отдельно от других, при этом индивидуальная изменчивость не снижает величины самих различий и проявляется только увеличением границ доверительных интервалов. В АГК все элементы анализируются совместно, при этом выделяется паттерн металлов, проявляющих сходные тканевые различия, а индивидуальная изменчивость ослабляет корреляции, что проявляется в снижении величины факторной нагрузки. Именно поэтому вариабельный Mn, по которому ткани различались в 6-14 раз, оказался лишь на третьем месте в паттерне ГК 1. Тем не менее оба рассматриваемых ряда обнаруживают больше сходства, чем различий: наибольшие тканевые различия проявляются по эссенциальным Cu, Mn, Fe, а наименьшие -- по ксенобиотическим Cd и Ni. Таким образом, в целом данные по ГК 1 соответствуют данным таблицы 1 и рисунка 1, но представляют их в более обобщённом и очищенном от «шума» случайной изменчивости виде.

Видовые различия микроэлементного состава проявились в ГК 3. Она объясняла всего 11,9 % общей изменчивости, из чего можно заключить, что тканевые различия были в целом в 3,4 раза больше видовых. С положительными нагрузками в неё вошли Pb и Cr, а с отрицательными -- Zn, что полностью согласуется с выводом по таблице 1 и обсуждалось выше.

Необъяснённая изменчивость вошла в ГК 2, которая лишь немного уступала по важности компоненте тканевых различий. Из нескольких наборов данных по рыбам из пресноводных водоёмов, проанализированных нами таким образом [4, 14], здесь впервые компонента остаточной изменчивости вобрала в себя все микроэлементы. Это даёт основания предположить, что в условиях повышенных минерализации воды и геохимического фона практически все микроэлементы, включая эссенциальные, ведут себя подобно ксенобиотикам, т.е. не в полной мере контролируются организмом. Тем не менее по значениям факторных нагрузок можно увидеть, что эссенциальные Fe, Cu, Zn, Mn вошли в фактор ксенобиотиков с нагрузками менее 0,5, в то время как Ni, Cd, Pb, Cr, Co -- с нагрузками более 0,5. Вероятнее всего, последние 5 элементов и представляют собой собственно ксенобиотики, тем более, что в этом наборе присутствуют 2 паттерна микроэлементов, которые мы наблюдали ранее в других водоёмах.

Первый паттерн включает Ni, Co и Cr. На Урале эти элементы входят в состав широко распространённых здесь продуктов выветривания древних ультраосновных гипербазитовых массивов [15]. В водоёмы данные элементы поступают с почвенной составляющей стоков, и данный паттерн элементов неоднократно обнаруживался нами в ходе анализа почв и донных отложений на территории Челябинской области [16, 17]. Совместное присутствие Pb и Cd в водоёмах маркирует обычно продукты сжигания углеводородов и автотранспортное загрязнение [11]; данный паттерн также обнаруживался нами ранее [18, 19]. Учитывая невысокую техногенную нагрузку на оз. Чебакуль, единственным объяснением наличия данного паттерна в водоёме является местами полное затопление прибрежных территорий вместе с окружавшими озеро грунтовыми автодорогами, произошедшее в последние годы в результате высокого подъёма уровня воды. Таким образом, исходя из результатов многомерного анализа, а также предшествующего опыта работы на других уральских водоёмах, наиболее вероятными источниками поступления ксенобиотиков в озеро следует признать природный геохимический фон и автотранспортное загрязнение.

Подводя итог проведённому исследованию, необходимо констатировать высокую информативность многомерного подхода к анализу данных. В ходе одного анализа на малых выборках удалось одновременно выявить те же закономерности тканевой и видовой микроэлементной специфики, что и традиционный анализ, а также выделить группу наиболее вероятных элементов-ксенобиотиков и интерпретировать пути их поступления в водоём. Это в очередной раз доказывает перспективность использования ординационных техник в экологических исследованиях для выявления различных источников микроэлементной изменчивости и разграничения паттернов элементов на преимущественно природные или техногенные.

Список литературы

1. Chapman P.M., Allen H.E., Godtfredsen K.Z., Graggen M.N. Evaluation of bioaccumulation factors in regulating metals // Environ. Sci. Technol. -- 1996. -- № 30. -- P. 448-452.

2. Allen-Gil S.M., Gubala C.P., Landers D.H., Lasorsa B.K., Crecelius E.A., Curtis L.R. Heavy metal accumulation in sediment and freshwater fish in U.S. Arctic lakes // Environ. Toxicol. and Chem. -- 1997. -- 16. -- P. 733-741.

3. ^кол Э.В., Нигматулина Е.Н., Нохрин Д.Ю. Пылевая эмиссия хрома из мест складирования шлаков феррохромового производства: на примере окрестностей г. Красногорска, Челябинская область // Сибирский экологический журнал. -- 2010. -- № 6. -- С. 851-863.

4. Нохрин Д.Ю., Грибовский Ю.Г., Давыдова Н.А. Использование необъясненной изменчивости химического состава организмов для идентификации ксенобиотиков в экологических исследованиях // Экология. -- 2011. -- № 4. -- С. 369-375.

5. Методические указания по атомно-абсорбционным методам определения токсичных элементов в пищевых продуктах и пищевом сырье. -- М.: Гос. ком. санэпид. надзора РФ, 1992. -- 27 с.

6. Hammer 0., Harper D.A.T., Ryan P.D. PAST: Paleontological Statistics Software Package for Education and Data Analysis // Palaeontologia Electronica. -- 2001. -- № -- P. 9.

7. Van der Kooij A.J., Meulman J.J. Categorical Principal Components Analysis // SPPS Categories0 / J.J.Meulman, W.J.Heiser, and SPSS Inc. Eds. -- Chicago: SPSS Inc., 1999. -- P. 103-126, 221-237.

8. Jackson D.A. Stopping rules in principal component analysis: a comparison of heuristical and statistical approaches // Ecolo -- 1993. -- No. 8. -- P. 2204-2214.

9. Manisera M., Van der KooijA.J., Dusseldorp E. Identifying the component structure of satisfaction scales by nonlinear principal components analysis // Quality technology & quantitative management. -- 2010. -- № 2. -- 97-115.

10. Yoshioka K. KyPlot -- a user-oriented tool for statistical data analysis and visualization // Computational Statistic -- 2002.3. -- P. 425-437.

11. Мур Дж.В., Рамамурти С. Тяжелые металлы в природных водах. -- М.: Мир, 1987. -- 288 с.

12. Calamari D., Solbe J.F., Howells G. Report on chromium and freshwater fish // Water quality for freshwater fish / Ed. by G.Howells. -- Singapore: Gordon and Breach Science Publishers, -- P. 1-30.

13. Nriagu J.O., Nieboer E. Chromium in the natural and human environments. ---Y.: John Wiley & Sons Inc., 1988. --571 р.

14. Давыдова Н.А., Нохрин Д.Ю., Грибовский Ю.Г. Металлы в рыбе реки Миасс (г. Челябинск) // Проблемы ветеринарной санитарии, гигиены и экологии. -- 2012. -- № -- С. 54-59.

15. Никеленосные коры выветривания Урала / Под ред. Н.В.Павлова. -- М.: Наука, 1970. -- 278 с.

16. Нохрин Д.Ю., Грибовский Ю.Г. Опыт идентификации происхождения повышенных концентраций тяжелых металлов в объектах окружающей среды (на примере почв г. Челябинска) // Геохимическая экология и биогеохимическое изучение таксонов биосферы. -- М.: Наука, 2003. -- С. 299-302.

17. Нохрин Д.Ю., Грибовский Ю.Г., Давыдова Н.А. Подходы к идентификации происхождения тяжелых металлов в донных отложениях и проблемы нормирования на примере двух Уральских водохранилищ ГРЭС // Водные ресурсы. -- 2008.№ 5. -- С. 1-8.

18. Нохрин Д.Ю., Грибовский Ю.Г., Давыдова Н.А., Торчицкий А.Н., Хасанова Г.И. Состав и качество воды крупных водохранилищ Челябинской области // Охрана водных объектов Челябинской области. Современные технологии водопользования: Сб. тезисов обл. науч.-практ. конф. [Электронный ресурс] -- 1 электрон. опт. диск (CD-ROM): зв., цв.; 12 см. -- Челябинск: Мин-во по радиац. и экол. безопасности Челяб. обл., 2010. -- С. 102-104.

19. Нохрин Д.Ю., Грибовский Ю.Г., Сокол Э.В., Давыдова Н.А., Нигматулина Е.Н. Микроэлементный состав донных отложений Магнитогорского водохранилища: методические аспекты и парагенетические ассоциации // Сибирский экологический журнал. -- 2010. -- № 4. -- С. 671-680.

Размещено на Allbest.ru