Modelling of toxic effects of mixtures at different levels of biological organisation

Mgr. Soňa Smetanová, Ph.D.

Disertační práce

Anotace:

V dnešní ekotoxikologii existují (mimo jiné) dvě velké výzvy. Tou první je propojení účinků toxických látek na různých stupních biologické organizace a pochopení cesty těchto účinků od expozice až po celkovou odpověď organismu nebo např. celého ekosystému. Druhou výzvou je predikce toxického účinku směsí látek, protože laboratorní otestování všech kombinací polutantů reálně nebo potenciálně se vyskytujících v životním prostředí není možné. S ohledem na již zmíněnou snahu o propojení různých efektů toxických látek je důležité modelovat účinky směsí nejenom na úrovni organismů (což je již nyní široce aplikováno a studováno), ale také na úrovni nižší (např. molekulární) a vyšší (např. společenstev či ekosystémů). Tyto přístupy stále ještě nejsou plně zavedeny a stávají se tak předmětem velkého výzkumného zájmu. Tato disertační práce je zaměřena na možnosti predikce efektů směsí toxických látek jednak na úrovni společenstev organismů a jednak na úrovni molekulární. První dvě studie byly zaměřeny na zhodnocení použití metody rozložení citlivosti druhů (Species Sensitivity Distribution; SSD) pro retrospektivní hodnocení rizik směsí pesticidů ve vodním prostředí. Ve třetí části práce bylo využito regresních modelů pro statistickou analýzu genomických dat, jako metody nezbytné pro budoucí kvantitativní modelování toxicity směsí na molekulární úrovni. Práce obsahuje úvodní teoretickou část a shrnutí metodiky a výsledků tří samostatných studií. V přílohách jsou uvedeny vědecké publikace (I‐III), které obsahují podrobnosti. V první části disertační práce byl studován vliv rozdílného výběru ekotoxikologických dat na výstupy SSD modelu použitého pro hodnocení rizik směsí herbicidů monitorovaných v povodí řeky Scheldt (publikace I). Bylo zjištěno, že různé přístupy v selekci a validaci dat použitých pro modelování výrazně ovlivnily SSD modely jednotlivých herbicidů. Nicméně výstupy SSD použitého v retrospektivním hodnocení rizik směsí (tzv. hodnoty msPAF; frakce druhů potenciálně negativně zasažené danou směsí) byly významně ovlivněny pouze výběrem taxonomických skupin a způsobem zacházení s více ekotoxikologickými daty pro jeden druh. Další mnohdy časově náročné selekční a validační kroky (jako odstranění v databázi se opakujících údajů či odlehlých hodnot, kontrola čistoty testovaných herbicidů atd.) měly pouze zanedbatelný vliv na hodnoty msPAF a proto by eventuálně mohly být vynechány. Ve druhé studii byly hodnoty msPAF vypočítané pro směsi pesticidů monitorovaných ve vyšších říčních tocích v Německu, Francii a Finsku porovnávány s jejich reálnými efekty na místních společenstvech makroskopických bezobratlých popsanými pomocí bioindexu SPEARpesticide (publikace II). Studie ukázala, že hodnoty msPAF dobře korelují s hodnotami SPEARpesticide. Nicméně hodnota msPAF 0,05 (5 % druhů je potenciálně negativně ovlivněno) obecně používaná v SSD jako prahová, podceňuje efekty pozorované v prostředí (msPAF hodnoty způsobující významnou změnu SPEAR indexu byly 2 až 1000krát nižší než 0,05). Tyto výsledky demonstrují fakt, že SSD metoda aplikovaná na směsi by měla být v budoucnu dále validována pomocí dat z biomonitoringu. Ve třetí studii se téma práce posunulo od společenství organismů k toxikogenomickým datům, která jsou stále analyzována především metodami založenými na testování hypotéz jako je ANOVA (publikace III). Tyto přístupy poskytují pouze omezené využití v identifikaci mechanismů účinků toxických látek, cest toxických účinků od expozice po apikální efekt nebo nových biomarkerů a jsou úplně nedostatečné pro modelování efektů směsí. Studie proto apli

Anotace:

kuje automatizované regresní modelování devíti různých křivek dávka‐účinek na různé genomické datové soubory. Modely jsou pro každou odpověď vybírány pomocí Akaikeho informačního kritéria. Výsledky ukazují, že regresní modelování je použitelné i pro velké soubory genomických dat a že je vhodné vybírat modely z více typů, protože odpovědi na různé molekulární úrovni se od sebe mohou lišit a mohou záviset na toxické látce, organismu a stejně tak i na testované koncentrační škále a délce expozice.

Abstract:

Two big challenges (among others) exist in nowadays ecotoxicology. The first is to link adverse effects of toxic compounds at different levels of biological organisation and to explain the pathways from the exposure to the final response (e.g. of organism or ecosystem). The second challenge is mixture toxicity prediction, because it is impossible to laboratory test all combination of toxic compounds, occurring or possibly occurring in the environment. Regarding the linking of adverse effects it is important to model not only effects of mixtures at organisms, which has been broadly applied and studied, but also at lower (i.e. molecules) or higher (i.e. communities or ecosystems) levels. These issues are not well established nowadays and start to be one of emerging topics. The present thesis is focused on possibilities in prediction of toxic mixture effects at community and molecular level. The first two parts aimed to evaluate the application of Species Sensitivity Distribution (SSD) approach in retrospective risk assessment of pesticides mixtures in aquatic environment and in the third part concentration‐response models were used for statistical analysis of genomics data and discussed as the crucial step in quantitative mixture effect assessment at the molecular response level. The thesis consists of the introduction and the summary of methods and results of three studies. Details can be found in annexes, where full texts of corresponding research publications (I‐III) are provided. The first study investigated the impact of various ecotoxicity data pre‐selection and validation approaches on outputs of SSD used in risk assessment of herbicide mixtures monitored at the Scheldt river basin (publication I). It was observed, that various data pre‐selection and validation substantially affected SSD models for individual herbicides. However, only taxonomic group selection and method of dealing with more toxicity data per species used for SSD modelling critically affected the outcomes of SSD used in the retrospective risk assessment of mixtures (i.e. values of multiple substance Potentially Affected Fraction; msPAF). The other timeconsuming validation procedures (the removal of replicated values and outliers, exposure duration selection, checking of purities of studied herbicides, etc.) had only a minor impact on msPAF and can be therefore possibly omitted. In the second part of the present thesis, the msPAF values derived for mixtures of various pesticides occurring in streams in Germany, France and Finland were compared with the real effects on local macroinvertebrates communities described by SPEARpesticide biotic index (publication II). The results showed that the msPAFs correlated well with the SPEARpesticide, however, the generally accepted SSD threshold msPAF of 0.05 (5% of species are predicted to be affected) severely underestimated the observed effects (msPAF values causing significant effects on SPEAR were 2 to 1000‐times lower). These results demonstrated that further validation of SSD approach used for mixtures with field data is required. The topic of the third study moved from community level to toxicogenomics data, which are still analysed mainly by statistical hypothesis testing such as ANOVA (publication III). This provides only limited utilization in identifying modes of action of toxic compounds, adverse outcome pathways or novel biomarkers and it is insufficient for modelling of effects of mixtures. Present study therefore applied automated concentration‐response modelling to different genomics datasets using simultaneously nine different regression models. The best fitting models were selected using Akaike’s information criterion. The results showed that concentration‐response modelling is achievable for large omics datasets and that selection of the models from an array of different types seems appropriate, since shapes of molecular responses may vary and depend on the compound, the organism, and

Abstract:

the investigated concentration and exposure duration range.

Keywords

retrospektivní hodnocení rizik, toxicita směsí, pesticidy, distribuce citlivosti druhů, znečištění řek, statistické modelování, modelování křivek dávkaodpověď, toxikogenomika, analýza dat z microarray retrospective risk assessment, mixture toxicity, pesticides, Species Sensitivity Distribution, statistical modelling, concentration‐response modelling, toxicogenomics, microarray data analysis

Jazyk práce: angličtina

Datum vytvoření / odevzdání či podání práce: 29. 10. 2014

Obhajoba závěrečné práce

• Obhajoba proběhla 11. 12. 2014
• Vedoucí: prof. RNDr. Luděk Bláha, Ph.D.
• Oponent: Mgr. Karel Brabec, Ph.D., Mgr. Eva Budinská, Ph.D., prof. Henner Hollert, Dr. rer. nat.

Masarykova univerzita

Přírodovědecká fakulta

Doktorský studijní program / obor:
Biologie (čtyřleté) / Ekotoxikologie