Источники изменчивости и видовые особенности микроэлементного состава рыб из минерализованного водоема

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. 

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 ПДК_ВР 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

1. 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.

2. 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 эс-сенциальным 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 эссенци-альные, 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 феррохромово-го 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.
18. № 5. — С. 1-8.
19. 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.
20. 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.