有機毒物對小鼠和兔的半數致死劑量與大氣環境質量標準的相關性研究*

徐忠香 吳以中 劉頓開

(南京工業大學環境學院，江蘇 南京 211800)

隨著工業社會的高速發展和城市化進程的加快，環境污染問題日趨復雜，不僅污染物的數量和種類不斷增加，而且交互作用形式日益多樣化[1]，對人體健康和生態環境造成了極大的危害。因此，控制污染物排放是當前重要任務。

環境影響評價和環境規劃領域涉及多種化學污染物，然而目前國內外制定的環境標準并不完整。對于特征污染物的環境質量標準，國內幾乎沒有相關的研究，國外僅美國環境保護署(EPA)環境實驗室推算出化學污染物在各種環境介質(空氣、水、土壤)中的含量及排放量的限定值，即多介質環境目標值(MEG)[2-4]。MEG包括周圍環境目標值(AMEG)和排放環境目標值(DMEG)[5-6]。環境中污染物對人體或生態系統的影響以及對一些尚沒有環境標準值的有毒污染物的評價，可參照MEG。目前共推算了600多種化學污染物的MEG,其中主要是根據大鼠經口給毒的半數致死劑量(LD50)進行估算。

本研究主要通過研究LD50(大鼠)與LD50(小鼠)、LD50(兔)的相關性，擬建LD50(大鼠)與LD50(小鼠)、LD50(大鼠)與LD50(兔)的回歸方程，基于MEG理論，推算大氣環境目標值(AMEGAH)的估算公式擴展方程，解決環境評價和環境規劃領域特征有毒污染物缺少大氣環境質量標準的現實問題。根據美國EPA環境實驗室推算AMEGAH的估算模式為：

cAH=0.107×crat

(1)

式中：cAH為大氣環境目標值，μg/m3；crat為大鼠經口給毒的半數致死劑量，mg/kg。

1 研究方法

由于實驗條件有限，現場測定各有機毒物的LD50并不可行，故采用資料收集法。篩選農藥、制藥等精細化工行業所使用的化學品，收集并整理其毒性數據，使用數學統計法對LD50(大鼠)與LD50(小鼠)、LD50(兔)進行相關性分析。

1.1 數據收集與整理

本次研究需收集大氣中各種常見有機毒物對不同物種(大鼠、小鼠以及兔)毒性影響的LD50[7]，由此選取了《工業企業設計衛生標準》(TJ 36—79)、《有毒化學物質毒性手冊》、《蘇聯居民區大氣中有害物質的最大允許濃度》中常見有毒物以及美國EPA公布的129種優先控制水環境污染物和中國環境監測總站等單位提出的68種水環境優先控制污染物，共400多種常見化學污染物。通過查詢美國國家醫學圖書館網站，得到相應的毒性數據。

經過整理，主要驗證以下兩組數據的相關性：(1)LD50(大鼠)和LD50(小鼠)；(2)LD50(大鼠)和LD50(兔)。

1.2 數學分析方法

本次數據處理使用SPSS 17.0[8]軟件，具有數據整理、分析、統計和結果輸出等功能。進行統計分析時，相關分析與回歸分析是非常重要的手段。相關分析是回歸分析的基礎和前提，回歸分析是相關分析的深入和繼續[9]。先利用Pearson線性相關分析研究以上兩組數據間是否存在線性相關，若數據間存在相關性，則繼續利用線性函數對其進行回歸分析；若線性相關度不高，則考慮非線性模型，選擇擬合優度高的曲線進行回歸分析。若兩組數據間不存在線性相關，則證明數據為非正態性分布，進而采用Spearman秩相關分析，若分析結果存在相關性，則繼續對數據進行回歸分析，建立各組數據間的數量關系即回歸方程。

2 數據分析

2.1 LD50(大鼠)與LD50(小鼠)、LD50(兔)的關系分析

2.1.1 線性相關分析

(1) LD50(大鼠)與LD50(小鼠)線性相關分析

圖1(選取197組數據)為LD50(大鼠)與LD50(小鼠)相關性分析散點圖。由圖1可知，兩者有相關趨勢。經過Pearson線性相關分析，相關系數為0.986，P=0<0.05，即LD50(大鼠)與LD50(小鼠)存在極顯著正相關性(見表1)。

圖1 LD50(大鼠)與LD50(小鼠)相關性分析散點圖Fig.1 Scatter diagram of correlation analysis between LD50 (rat) and LD50 (mouse)

項目LD50(大鼠)LD50(小鼠)LD50(大鼠)相關系數1．0000．986??P0LD50(小鼠)相關系數0．986??1．000P0

注：1)**表示在0.01水平(雙側)上極顯著相關，表2同。(2) LD50(大鼠)與LD50(兔)線性相關分析

圖2(選取110組數據)為LD50(大鼠)與LD50(兔)相關性分析散點圖。從圖2可以看出，兩者有相關趨勢。同理，經過Pearson線性相關分析，相關系數為0.980，P=0<0.05，即LD50(大鼠)與LD50(兔)存在極顯著正相關性(見表2)。

圖2 LD50(大鼠)與LD50(兔)相關性分析散點圖Fig.2 Scatter diagram of correlation analysis between LD50 (rat) and LD50 (rabbit)

項目LD50(大鼠)LD50(兔)LD50(大鼠)相關系數1．0000．980??P0LD50(兔)相關系數0．980??1．000P0

2.1.2 線性回歸分析

經過初步線性相關分析，上述兩組數據均呈正相關性，可進一步進行回歸分析，擬建回歸模型。

(1) LD50(大鼠)與LD50(小鼠)的線性回歸分析

由表3可知，LD50(大鼠)為因變量，LD50(小鼠)為自變量，回歸模型的判定系數(R2)為0.972，說明自變量可解釋因變量97.2%的變異量，對模型自身的檢驗P=0<0.05，說明LD50(小鼠)對于LD50(大鼠)的回歸方程是成立的。由于常數項檢驗P=0.727>0.05，接受常數項為0的假設，方程的常數項為0；LD50(小鼠)的b1檢驗P=0<0.05，拒絕為0的假設，方程b1為0.992(見表4)。

回歸分析的結果顯示，LD50(小鼠)對LD50(大鼠)有預測作用，擬合的回歸方程如下：

crat=0.922cmouse

(2)

式中：cmouse為小鼠的半數致死劑量，mg/kg。

(2) LD50(大鼠)與LD50(兔)的線性回歸分析

由表5可知，LD50(大鼠)為因變量，LD50(兔)為自變量，回歸模型的R2為0.960，說明自變量可解釋

因變量96.0%的變異量，對模型自身的檢驗P=0<0.05，說明LD50(兔)對于LD50(大鼠)的回歸方程是成立的。由于常數項檢驗P=0.729>0.05，接受常數項為0的假設，方程的常數項為0；LD50(兔)的b1檢驗P=0<0.05，拒絕為0的假設，方程b1為0.831(見表6)。

回歸分析的結果顯示，LD50(兔)對LD50(大鼠)有預測作用，擬合的回歸方程如下：

crat=0.831crabbit

(3)

式中：crabbit為兔的半數致死劑量，mg/kg。

通過上述分析結果可知，LD50(大鼠)與LD50(小鼠)、LD50(兔)均存在相關性，并得到線性回歸方程。但是否存在擬合效果更佳的回歸方程，有待后續分析。故繼續對兩組數據進行非線性回歸分析。

2.1.3 非線性回歸分析

選取常見的10種曲線模型，采用曲線估計，選擇擬合優度較高的曲線進行回歸分析。

(1) LD50(大鼠)與LD50(小鼠)的非線性回歸分析

表3 LD50(大鼠)與LD50(小鼠)線性回歸模型分析

注：1)表示方程的回歸系數，表4至表7、表9同。

表4 LD50(大鼠)與LD50(小鼠)線性回歸系數分析

表5 LD50(大鼠)與LD50(兔)線性回歸模型分析

表6 LD50(大鼠)與LD50(兔)線性回歸系數分析

表7 LD50(大鼠)與LD50(小鼠)非線性回歸模型匯總

注：1)表示方程的回歸系數，表9同。

表8 LD50(大鼠)與LD50(小鼠)三次模型系數分析

從表7可以看出，10種曲線模型中三次模型擬合優度最高(R2=0.976)，方差檢驗的F統計量為2 588.621，P=0<0.05，說明回歸方程整體達到顯著水平，LD50(小鼠)對LD50(大鼠)的非線性回歸方程是成立的。其三次模型曲線見圖3。由表8可知，三次模型的常數項檢驗P=0.644>0.05，所以接受常數項為0。由參數估計值可得到回歸方程：

(4)

圖3 LD50(大鼠)與LD50(小鼠)的三次模型曲線Fig.3 Cubic function curve of LD50 (rat) and LD50 (mouse)

(2) LD50(大鼠)與LD50(兔)的非線性回歸分析 從表9可以看出，二次、三次模型擬合優度相同且最高(R2=0.968)，選擇系數較少的二次模型。方差檢驗的統計量F為1 618.831，P=0<0.05，說明回歸方程整體達到顯著水平，LD50(兔)對LD50(大鼠)的非線性回歸方程是成立的。其二次模型曲線見圖4。由表10可知，二次模型常數項檢驗P=0.056>0.05，接受常數項為0的假設。根據參數估計值可得到回歸方程：

(5)

2.2 分析結果

通過以上分析，可得到結論如下：

(1) LD50(大鼠)與LD50(小鼠)具有極顯著正相關性。

(2) LD50(大鼠)與LD50(兔)具有極顯著正相關性。

表9 LD50(大鼠)與LD50(兔)非線性回歸模型匯總

表10 LD50(大鼠)與LD50(兔)二次模型系數分析

圖4 LD50(大鼠)與LD50(兔)的二次模型曲線Fig.4 Quadratic function curve of LD50 (rat) and LD50 (rabbit)

在線性和非線性回歸分析中，發現線性回歸方程的R2比非線性回歸方程小，即非線性方程擬合優度高，相比之下，所得到的非線性回歸方程更能解釋兩組數據的相關關系。因此，選用非線性回歸方程。

2.3 AMEGAH的擴展方程

由于計算AMEGAH以代入大鼠經口給毒LD50為佳，所以利用以上得到的兩組回歸方程能在未知大鼠經口給毒LD50的情況下，已知其他兩個數據中任意一個，計算大鼠經口給毒LD50。

將式(4)、式(5)代入AMEGAH的估算式(1)中，得到AMEGAH與LD50(小鼠)、LD50(兔)的關系式，如下：

(6)

(7)

3 結 語

研究表明，LD50(大鼠)與LD50(小鼠)、LD50(兔)存在極顯著正相關性，在MEG理論基礎上，由LD50(大鼠)與LD50(小鼠)、LD50(大鼠)與LD50(兔)的回歸方程建立了利用LD50(小鼠)和LD50(兔)推算的AMEGAH擴展方程，可在已知LD50(大鼠)、LD50(小鼠)、LD50(兔)其中任意一個數據的情況下，計算AMEGAH作為有機毒物大氣環境質量標準的推薦值，從而解決了數據庫中毒性數據不完整而無法推算有機毒物大氣環境質量標準的難題。短期內，國家環境標準不可能包括現有特征有機毒物，因此AMEGAH擴展方程的建立，有效地解決了有機毒物環境標準限值缺乏的問題，可用于特征污染物環境評價和環境規劃等環保工作。

[1] 周啟星.復合污染生態學[M].北京：中國環境科學出版社，1995.

[2] HJ 611—2011，環境影響評價技術導則 制藥建設項目[S].

[3] HJ 582—2010，環境影響評價技術導則 農藥建設項目[S].

[4] 汪晶，和德科，汪堯衡.環境評價數據手冊——有毒物質鑒定值[M].北京：化學工業出版社，1988.

[5] 呂平毓，米武娟.多介質環境目標值在環境評價中的應用[J].人民長江，2012，43(1)：59-62.

[6] 暨仕臣，李芬芳，侯文斌，等.多介質環境目標值的應用[J].重慶環境科學，1992，14(6)：31-34.

[7] 孟紫強.環境毒理學[M].北京：中國環境科學出版社，2000.

[8] STERN L D.A visual approach to SPSS for wndows:a guide to SPSS 17.0[M].Boston:Allyn & Bacon,Inc.,2009.

[9] 王瑞卿.統計學基礎[M].北京：北京大學出版社，2009.