鉛對煙草種子萌發影響的Meta分析.

成劍波，肖 琳，李云平，楊志敏*，陳玉成

（1.三峽庫區生態環境教育部重點實驗室，重慶 400715；2.西南大學資源環境學院，重慶 400716；3.重慶市煙草公司巫山分公司，重慶 404700）

數據挖掘能識別隱藏于數據間和數據中的寶貴信息[1]。Meta analysis（或稱整合分析、二次分析等）作為一種有效的數據挖掘方法[2]，現已廣泛用于社會科學、醫學、經濟學和生態學等領域，如對各種生態效應的研究[3]。它將不同的統計學定量法組織到同一架構中，可完成某一領域不同研究成果的定量概化[4]。目前，Meta分析往往用于多個同類研究的結果的定量總結（宏觀），如某領域的文獻綜述，其用于單個研究的結果的定量表達鮮有報道（微觀）。筆者通過Meta分析重金屬對作物種子萌發的影響，以實現Pb2+對煙草種子萌發的影響的定量化和概化，探究 Meta分析在研究重金屬對作物生長發育影響中的微觀應用。

1 材料與方法

1.1 供試材料

試驗所用煙草種子為中國煙草總公司重慶市公司提供的K326，所用的外源重金屬Pb為實驗室配制的Pb(NO3)2溶液。

1.2 試驗方法

將約1 cm厚的脫脂棉平鋪于18個直徑9 cm的培養皿內，再將濾紙鋪在脫脂棉上，按每個培養皿40粒種子的標準，將種子均勻分布在各個培養皿內。將培養皿均分為C0、C1、C2、C3、C4、C56組，其對應的 Pb2+濃度分別為0、0.2、0.5、1.0、3.0、5.0 mg/L；將培養皿置于恒溫箱中，在23 ℃、80%的相對濕度和13 h/d的光照條件下，定期加入純水（C0組）和Pb2+溶液，以保持培養床的濕潤狀態；從種子萌芽時（第 11天）開始，每天記錄每個濃度的3個平行樣本CX1、CX2和CX3的已發芽總數；于第 20天量取已發芽種子的根長和莖長并結束試驗。

1.3 Meta分析方法

Meta分析實為一類數學和統計學方法的多層次組織方式，其作用因方法和方法組合方式不同而不同，且實用范圍廣。因此，它本身也是一項研究,需要認真設計[5]。一般地，Meta分析通過效應指標量化研究結果（數據）所含的規律，通過加權整合概化同類研究的不同結果，進而較直觀簡略地表達客觀規律。上述過程存在著效應指標的選擇、各待整合效應間異質性的分析、效應整合方式的選擇等主要環節，同時也隱含著偏性等問題。現有 lnR、Hedges's d、risk ratio等指標和 RevMan、Stata、CMA等軟件可幫助完成Meta分析。基于發芽數、根長、莖長和體長（葉除外）數據，為表征Pb2+對種子萌發過程（萌芽+發育）的影響，本研究在計算 Pb2+組對比純水組而得到的分效應e（lnOR和lnR）后，借助CMA[6]整合了分效應e得到了綜合效應E。以本試驗為例，視加Pb2+液為處理，加純水為對照[7]，簡介本文涉及的效應指標機會odds、機會比OR和響應比 R[6]：odds = n已萌芽/n未萌芽，可表現出某環境下種子萌芽相對不萌芽優勢或萌芽的機會；OR =oddsT/oddsC，可表現出Pb2+液對萌芽機會的影響；可表現出 Pb2+對根發育（或莖發育、體長）的影響。在表征萌發過程時，之所以納入體長，是因為：（1）雖單粒種子的體長 = 根長+莖長，但數據預處理會丟掉各數據組的離群值和異常離群值，則單粒種子的根長、莖長和體長不一定同時被采納，故大量種子的體長 ≠ 根長+莖長；（2）相對于根、莖長，體長更能反映種子對包衣營養物質的吸收和轉化能力；（3）從更多角度去分析結果，可更客觀地還原試驗過程。在量化Pb2+液的影響時，之所以未直接使用OR和R而采用lnOR和lnR，是因為[7-9]：（a）對數化指標能平等反映正效應和負效應，如發芽機會增至100倍或減為1/100其效應大小均為4.6；（b）對數化指標能等效反映T和C而不偏重任一方，對數化前，若分子/分母變為（分子×100）/分母則該變化效應值為﹢99（由 100-1算得），若變為分子/（分母×100）則該變化效應值僅為-0.99而非-99，對數化后，兩種變化的效應大小均為 4.6；（c）由比值型指標得到的效應值構成的小樣本為偏分布而非正態分布，對數化后的樣本會更接近正態分布，對客觀規律更具表征力。

Pb2+在每個濃度處對種子萌芽影響的計算過程分 3步：（1）在 CMA中，視加 Pb2+液為 T處理;加純水為 C處理，選用 lnOR從 10個時間尺度（10～19 d）計算 3個培養皿的發芽總數數據（圖1a），得到分效應e10～e19；（2）在CMA中判定分效應間的異質性[10]；（3）結合異質性判定結果，用CMA的隨機模型將同質分效應整合為綜合效應E。Pb2+在每個濃度處對種子萌發（根發育、莖發育或體長）影響的計算過程分5步：（1）用SPSS分別丟掉3個培養皿的長度數據中的離群值和異常離群值；（2）視加Pb2+液為T處理，加純水為C處理，為每個培養皿設計3個對比（圖1b）；（3）根據式1和2[7]，用Excel算出3×3個分效應e1～e9（lnR）及其誤差（νlnR）；（4）在CMA中判定分效應間異質性[10]；（5）用CMA的隨機模型將同質分效應整合為綜合效應E。

圖1 種子萌發中Pb2+所產生效應的構造Fig.1 Calculation design for quantifying Pb2+ effect on seeds bourgeon

2 結果與討論

2.1 Pb2+對煙草種子萌芽的影響

0.2 和0.5 mg/L的各分效應組均無異質性，1、3和5 mg/L的各分效應組的I2均在25%～50%之間屬中度異質（表1），說明對各組e10-e19的整合均有效，所得的E均能表征Pb2+對種子萌芽的影響。每個E的95%CI的上限都小于0，表明各濃度 Pb2+液均能降低種子萌芽的機會，能明顯抑制并推遲種子萌芽（表1和圖2）。在（0，1.5 mg/L）內，抑制作用隨濃度增加而快速增大。在1.5 mg/L處，抑制作用升至最大，效應值達到-1.58。在（1.5，5.0 mg/L）內，抑制作用緩慢回落至較穩定水平，效應值定在-0.8左右，但仍比0.2 mg/L大80%。

表1 Pb2+對種子萌芽的影響Table1 Pb2+ effect on seed germination

圖2 Pb2+對種子萌芽的影響Fig.2 Pb2+ effect on seed germination

2.2 Pb2+對煙草種子發育的影響

各濃度3個效應組I2均低于50%，說明各效應組均無顯著異質性，對各組e1-e9的整合均有效，所得的E均能表征Pb2+對種子發育的影響（表2）。

根的響應均為負，表明各濃度Pb2+溶液均會抑制根的發育（表2和圖3a）。所有濃度（除0.2 mg/L外）的響應上限均小于 0，說明它們對根的發育有明顯的抑制作用。從0.2 mg/L開始，抑制作用增強。到0.7 mg/L處，響應變為-0.8，抑制作用達到較大水平。在隨后的濃度翻倍后，響應減為-0.3。在隨后的濃度再翻倍后，抑制作用再次增大。3 mg/L后，抑制作用繼續增大但增速變緩。故認為0.7 mg/L和1.5 mg/L為抑制作用的拐點。

各濃度Pb2+溶液對莖的發育均有明顯的抑制作用，抑制作用的變化在不同濃度區間差異較大（表2和圖 3b）。經過 0.2～0.7 mg/L后抑制作用增加109.68%，而經過0.7～5.0 mg/L后抑制作用僅僅增加17.85%。到0.7 mg/L處，響應為-0.33，抑制作用較大。到5 mg/L響應為-0.38，抑制作用最大。

體長的響應趨勢雖與根、莖大體相同，但仍有差別（表2和圖3）。0.5、1.0、3.0和5 mg/L對體長的抑制作用大小處于根、莖之間，但0.2 mg/L對體長的抑制作用大小卻大于根和莖，說明0.2 mg/L處對體長的影響較乏規律性，或說明在0.2 mg/L處引入了較多隨機因素。

表2 Pb2+對種子幼芽的影響Table2 Pb2+ effect on seed growth

圖3 Pb2+對種子幼芽的影響Fig.3 Pb2+ effect on seed growth

2.3 Pb2+對煙草種子萌發影響的波動性分析

從各效應圖（圖2和圖3）可看出，各效應值的95%CI上下限間構成了較為明顯的作用帶，作用帶中的任何一點均可能代表真實作用。作用帶越寬，該作用越不穩定。隨著Pb2+液對種子萌發抑制作用的增大，作用帶寬也趨向于增大，Pb2+作用的波動性隨之增大（圖4）。大部分散點在趨勢線以下，說明在0.2～5 mg/L內上述波動性總體較為保守。0.2 mg/L的散點多在趨勢線以上，說明在0.2 mg/L處上述波動性較為激烈，這與研究體長的響應時的發現相符。

圖4 作用帶寬隨作用大小的變化Fig.4 Volatility values of Pb2+ effects

3 結 論

初步認為 Meta分析能量化并概化重金屬對作物生長發育的影響，可用于重金屬對作物生長發育影響的研究。0.2～5.0 mg/L的Pb2+液會抑制煙草種子的萌芽和發育，對萌芽和發育的抑制作用均在0.2 mg/L處最小。隨著濃度的增大，對萌芽的抑制作用呈“增→減→穩”，對根、莖發育的抑制作用均呈“增→減→增”且對根的抑制約為對莖的 1.7～3.4倍，種子對營養物的轉化受到抑制且末端抑制作用為起始處的 5.7倍。此外，Pb2+作用的波動性隨作用增大而增大，總體較為保守，但在0.2 mg/L處較為激烈。

[1]McCue C.Data Mining and Predictive Analysis[M].Burlington: Butterworth-Heinemann, 2007: 25.

[2]E.Bayam, J Liebowitz, W Agresti.Older drivers and accidents: A meta analysis and data mining application on traffic accident data[J].Expert Systems with Applications, 2005, 29(3): 598-629.

[3]Gavin Stewart.Meta-analysis in applied ecology[J].Biology Letters, 2010(6): 78-81.

[4]Arnqvist G, D Wooster.Meta-analysis: synthesizing research findings in ecology and evolution[J].Trends in Ecology & Evolution, 1995, 10(6): 236-240.

[5]彭少麟，鄭鳳英.Meta分析及MetaWin軟件[J].土壤與環境，1999，8（4）：295-299.

[6]Borenstein M, Hedges L, Higgins J, et al.Comprehensive Meta Analysis, version 2.0: introduction to the program[CP/OL].Comprehensive Meta Analysis, 2005:[2011-7-20].http://www.meta- analysis.com.

[7]H Hillebrand.Meta-analysis in Ecology [J/OL].Encyclopedia of life science, 2008: [2011-7-20].http://onlinelibrary.wiley.com/doi/10.1002/9780470015902.a0003272.

[8]Larry V.Hedges, Jessica Gurevitch, Peter S.Curtis.The meta-analysis of response ratios in experimental ecology[J].Ecology, 1999, 80(4): 1150-1156.

[9]Chen Xuezhong, Yin Xiangchu.Application of the Load/Unload Response Ratio Theory to Predictions of Moderate Earthquakes (7.0＞M≥6.0)[J].Earthquake Research in China, 1995, 9(3): 225-229.

[10]Julian P T Higgins, Simon G Thompson, Jonathan J Deeks,et al.Measuring inconsistency in meta-analyses[J].BMJ,2003, 327(7414): 557-560.