Testy ekotoksykologiczne a dynamika populacji

12/9/2016
Ekotoksykologia
Co mówią testy ekotoksykologiczne?
Prof. dr hab. Ryszard Laskowski
Instytut Nauk o Środowisku UJ
Ul. Gronostajowa 7, Kraków
pok. 2.1.2
http://www.eko.uj.edu.pl/laskowski
1/32
Testy ekotoksykologiczne
(według Leona i Van Gestela, 1994)
• przegląd 44 testów z literatury naukowej z
zakresu ekotoksykologii lądowej
– 10 testów na mikroorganizmach: 1 – 120 dni
– 6 testów na roślinach: 5 – 49 dni
– 25 testów na bezkręgowcach: 2 – 63 dni
– 3 testy na kręgowcach: 8 – 154 dni
2/32
Trzy powody, dla których warto robić
krótkotrwałe testy
• Szybkość błyskawiczna odpowiedź na
postawione pytania, możliwość podjęcia
natychmiastowych decyzji.
• Prostota mogą być rutynowo
przeprowadzane przez pracowników
technicznych w każdym laboratorium.
• Niskie koszty można testować dużą
liczbę substancji chemicznych na wielu
gatunkach.
3/32
1
12/9/2016
Testy ekotoksykologiczne a długość
życia organizmów
Organizmy i czas trwania testów
• pasożytnicze błonkówki: 2 - 18 dni
• pszczoła: 2 dni ..............................
• dżdżownice: 2 - 8 tygodni .............
• pająki: 2 - 14 dni ...........................
• wazonkowce: 4 - 9 tyg. .................
• równonogi: 8 tyg. ..........................
• skoczogonki: 4 - 9 tyg. ..................
• biegaczowate: 6 dni ......................
• kusakowate: 15 dni .......................
Długość życia
3 - 4 tygodnie
kilka tygodni – kilka mies.
kilka miesięcy – kilka lat
ok. 1 rok
ok. 10 tygodni
1 - 2 lat
kilka miesięcy
1 - 2 lat
ok. 1 rok
4/32
Kilka powodów, dla których nie
powinno się robić testów krótkich
• Zaniedbują fakt, że niektóre substancje akumulują
się w organizmach.
• Zaniedbują możliwość kumulacji efektów
toksycznych z czasem.
• Zaniedbują występowanie skutków innych niż wzrost
śmiertelności i spadek rozrodczości (np. zmiana
tempa wzrostu, spadek konsumpcji itp.).
• Biorą pod uwagę tylko niewielki fragment historii
życia organizmu.
• Nie pozwalają na wnioskowanie o skutkach na
poziomie dynamiki populacji.
5/32
Niektóre substancje akumulują się w organizmach;
co gorsza w różnym stopniu w różnych
Pająk (Trochosa sp.)
50
Wij (Lithobius mutabilis)
Biegacz (Poecilus cupreus)
g)k 40
/g
(m
u 30
dm
ka
ei 20
ne
żę
tS
10
0
0
10
20
30
40
50
60
70
80
90
100 110 120
Czas (dni)
(wg Kramarz, 2000)
6/32
2
12/9/2016
prawdopodobieństwo
przeżycia
Efekty toksyczne mogą się z
czasem kumulować
Przeżywalność mszyc
Zabieg
kontrola
imidachloprid
Cd
1
0.8
0.6
0.4
0.2
0
0
10
20
30
40
długość życia (dni)
7/32
Prawdopodobieństwo
przeżycia
Wyniki krótkiego i całożyciowego testu na
toksyczność pestycydu dla mszyc są zbliżone
Przeżywalność mszyc
imidachloprid
(g a.i./ha)
1
0
4
40
0.8
0.6
0.4
10 dni:
Test log-rank p=0,016
0.2
0
0
2
4
6
8
10
Prawdopodobieństwo
przeżycia
Czas (dni)
Przeżywalność mszyc
imidachloprid
(g a.i./ha)
0
4
40
1
0.8
0.6
Całe życie:
Test log-rank p=0,003
0.4
0.2
0
0
10
20
30
40
Czas (dni)
8/32
Prawdopodobieństwo
przeżycia
Wyniki krótkiego i całożyciowego testu na
toksyczność kadmu dla mszyc są różne
Przeżywalność mszyc
Cd
0
100
200
1
0.8
0.6
0.4
10 dni:
Test log-rank p=0,89
0.2
0
0
2
4
6
8
10
Prawdopodobieństwo
przeżycia
Czas (dni)
Przeżywalność mszyc
Cd
0
100
200
1
0.8
0.6
Całe życie:
Test log-rank p=0,0002
0.4
0.2
0
0
10
20
30
40
Czas (dni)
9/32
3
12/9/2016
Wyniki dla mszyc stabilizują się po około 20 dniach
Liczba potomstwa
200
Kontrola
Cd 100 mg/kg
Cd 200 mg/kg
NTN 4 g/ha
NTN 40 g/ha
160
120
Wpływ kadmu (Cd) i
pestycydu (dimetoat – NTN)
na rozrodczość mszyc –
wyniki po 10 i 20 dniach oraz
całożyciowy sukces
reprodukcyjny.
N.S.
N.S.
80
N.S.
40
* *
N.S.
*
* *
*
*
*
0
10 dni
20 dni
Do końca życia
Dostosowanie (lambda)
Czas od początku doświadczenia
1.6
1.6
1.2
1.2
p<0.02
0.8
p<0.001
0.4
0
Wpływ substancji toksycznych
na dostosowanie mszyc
podobny, jak zmierzony dla
rozrodczości po 20 dniach
doświadczenia (ok. 50 - 60%
długości życia mszyc).
N.S.
p<0.02
0.8
0.4
0
4
40
NTN (g/ha)
0
0
100
200
Cd (mg/kg)
10/32
Liczba osobników
Uwzględnienie skutków innych niż tylko
wzrost śmiertelności i spadek rozrodczości
może diametralnie zmienić przewidywania
2400
Kontrola
1600
Spadek płodności
800
0
Spadek płodności + estywacja
0
10
20
30
40
50
Czas (lata)
Przewidywana dynamika populacji ślimaków Helix aspersa w środowisku,
gdzie pokarm jest skażony 1000 mg Zn/kg suchej masy. Dwa różne
scenariusze: przy uwzględnieniu wyłącznie spadku płodności oraz przy
uwzględnieniu spadku płodności oraz straty jednego sezonu rozrodczego
ze względu na opóźniony rozwój z powodu przedłużającej się estywacji.
11/32
Wnioski
• Krótkotrwałe testy (eko)toksykologiczne nie
doceniają skutków działania substancji
toksycznych trwałych o umiarkowanej
toksyczności, ale mogą przeceniać efekty
działania substancji silnie toksycznych lecz
rozkładalnych.
• W wypadku umiarkowanie toksycznych
substancji o skłonności do akumulacji w
organizmie powinno się prowadzić testy
długotrwałe.
Testy ekotoksykologiczne powinny obejmować
przynajmniej 1/2 - 2/3 czasu życia organizmu.
12/32
4
12/9/2016
Czy można zbadać wpływ substancji
toksycznych na populację przy pomocy
krótkotrwałych testów?
Intrinsic rate
of increase
Wewnętrzne
tempo
wzrostu
ri =
0.35
Nt
N0
∆t
ln
Chwilowe tempo wzrostu jako miara dynamiki populacji:
2
R = 0.82
0.25
Porównanie wewnętrznego
i chwilowego tempa
wzrostu w kohortach
mszycy grochowej
traktowanej pestycydami.
0.15
0.05
-0.05
0.00
0.10
0.20
0.30
0.40
Instantaneous
rate ofwzrostu
increase
Chwilowe
tempo
After Walthall & Stark, 1997
Population increase rate (Lambda)
13/32
1.80
1.40
1.20
1.00
0.80
0.60
0.40
p=
p=
0.02 0.004
0.20
N.S
.
0.00
Lambda(intr)
Intrinsic rate of increase
Porównanie efektów
działania kadmu i dimetoatu
na mszyce grochowe
(Acyrthosiphon pisum)
wyrażonych jako wewnętrzne
i chwilowe tempo wzrostu
(Laskowski i Stone).
Control
Cd 200 mg/kg
NTN 40 g/ha
1.60
p=
0.01
5
Lambda(inst)
0.50
Porównanie wpływu
azadirachtinu na wewnętrzne
tempo wzrostu mszyc
grochowych w zależności od
momentu rozpoczęcia
ekspozycji
(Stark i Wennergren, 1995).
0.25
0.00
as adults
from birth
-0.25
-0.50
0
10
20
40
60
80
100
Concentration of azadirachtin (mg/kg)
14/32
Wnioski
• Zmiany chwilowego tempa wzrostu (ri) populacji
pod wpływem substancji toksycznych są tylko
przybliżeniem wpływu na wewnętrzne tempo
wzrostu (r).
• Dane wskazują, że przy niskich wartościach ri
oszacowania wpływu substancji toksycznych na
r mogą być zaniżone.
• ALE: nawet pomiar wpływu na r nie daje
pewności co do faktycznych zmian dynamiki
populacji ważna jest struktura wiekowa
badanej populacji.
15/32
5
12/9/2016
Uwzględnienie struktury wiekowej wymaga
zastosowania tabel życia i macierzy projekcji Lesliego
•
projekcje macierzowe względem stabilnej
„kontrolnej” populacji możliwość
oszacowania czasu trwania populacji:
1. sporządź macierz Lesliego dla naturalnej
populacji;
2. dopasuj wartości P, aby uzyskać stabilną
populację;
3. sporządź nową macierz z P i F uwzględniającymi
efekt substancji toksycznej;
4. wykonaj projekcję, aby obliczyć czas do
ekstynkcji.
16/32
Przypominamy sobie tabele życia...
Przedział
wiekowy
Klasa
wieku
x
PrawdopodoPrawdopodoPrzeżywalność
Liczba samic
bieństwo
bieństwo dożycia
między
potomnych
dożycia do
do połowy klasy klasami wieku rodzonych przez
początku klasy x
x
x i x+1
samicę w klasie x
lx
Lx
Px
Fx
0-1
0
1,00
0,90
0,72
0
1-2
1
0,80
0,65
0,54
2
2-3
2
0,50
0,35
0,29
4
3-4
3
0,20
0,10
0,00
4
4-5
4
0,00
0,00
-
-
Przykładowa tabela przeżywania dla hipotetycznego organizmu, żyjącego do czterech
lat, którego samice wydają w kolejnych klasach wieku 0, 2, 4 i 4 samice potomne.
Wartości lx i Fx pochodzą z obserwacji, wartości Lx oblicza się z lx jako: Lx =
(lx+lx+1)/2. Wartości Px wylicza się z Lx jako: Px = Lx+1/Lx. Tabela dla samic.
17/32
... macierze Lesliego ...
2
4
 0
0.72
0
0

 0
0.54
0

0
0.29
 0
 F0
P
 0
0

0
0

 0
... Fn −1
F1
F2
0
P1
0
0 ...
0 ...
Pn − 2 ...
0
0
0
0
4
0
0

0
0
0
0
... 0
... Pn−1
Fn 
0 
0

0
0

0 
18/32
6
12/9/2016
... oraz projekcję dynamiki populacji
2
4
 0
0,72
0
0

 0
0,54
0

0
0
0
,
29

4 200 900
0 150  144 
×
=
0 100   81 
 
  
0  50   29 
19/32
Population
size (N)
Wielkość
populacji
(N)
Helix aspersa – przybliżone wartości
F i P dla naturalnej populacji
F(i)
0
0
75
75
75
75
P(i)
0,1
0,2
0,25
0,25
0,15
0
100000
λ = 1,23
80000
60000
40000
20000
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51
Czas
Time
20/32
Population size (N)
Helix aspersa – „populacja kontrolna”:
deterministyczny model dynamiki
F(i)
0
0
75
75
75
75
P(i)
0,052
0,2
0,25
0,25
0,15
0
2500
2000
1500
1000
λ = 1,0
500
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51
Time
21/32
7
12/9/2016
Jak przeliczyć dane z badań laboratoryjnych
na efekty w „prawdziwej” populacji?
22/32
Population size (N)
Helix aspersa – 3000 mg Zn kg-1:
deterministyczny model dynamiki
F(i)
0
0
54
54
54
54
P(i)
0,052
0,2
0,25
0,25
0,15
0
2000
1500
28% spadek płodności
1000
Przeżywalność bez zmian
λ = 0,91
500
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51
Time
23/32
Problem: nierealistyczne założenie o r = 0
r = 0 (w teorii)
r = 0 (w praktyce)
24/32
8
12/9/2016
Jak jest w rzeczywistości?
• Organizmy są na ogół zorganizowane w
metapopulacje, składające się z populacji
źródłowych i ujściowych.
• Populacje źródłowe – nadprodukcja
potomstwa (r > 0).
• Wielkość populacji jest regulowana m.in. przez
czynniki zależne od zagęszczenia
możliwość kompensacji wzrostu śmiertelności i
spadku płodności.
25/32
Modele uwzględniające zależność od
zagęszczenia
Rickera – skutkiem braku pożywienia lub innych
zasobów jest „nadkompensacja” – odpowiednik
konkurencji eksploatacyjenj („scramble”):
nj (t + 1) = aij ni (t )e − cni (t )
Bevertona-Holta – skutkiem wyczerpywania się
zasobów jest kompensacja – odpowiednik konkurencji
interferencyjnej („contest”):
n j (t + 1) =
aij ni (t )
1 + cni (t )
26/32
Wprowadzamy zależność od zagęszczenia
Projekcja macierzy dla modelu wykładniczego
2
4
 0
0,72
0
0

 0
0,54
0

0
0,29
 0
4 200 900
0 150  144 
×
=
0 100   81 
 
  
0  50   29 
Projekcja macierzy dla populacji o liczebności regulowanej zgodnie
z modelem Bevertona-Holta (c = 0.001)
2
4
 0
0,72 0
0

 0
0,54
0

0
0
0
,
29

900

4 200 
900
0.72 × 200   




0 150 
48
×
= 1 + 0,01× 200  =  
81 
0 100  

 
 81
 29 
0  50  
29
  
27/32
9
12/9/2016
Projekcja macierzy dla modelu wykładniczego
3500000
Liczebność
3000000
2500000
2000000
1500000
1000000
500000
0
0
5
10
15
20
Czas
Projekcja macierzy dla modelu Bevertona-Holta (c = 0,001)
3500
Liczebność
3000
2500
2000
1500
1000
500
0
0
5
10
15
20
Czas
28/32
Przykład: kohorty mszyc traktowane pestycydem
Wiek (dni)
Klasa
wiekowa i
li
qi
1-6
7-12
13-18
19-24
25-30
31-36
1
2
3
4
5
6
1,00
0,85
0,79
0,75
0,71
0,29
0,15
0,07
0,05
0,06
0,59
1,00
1-6
7-12
13-18
19-24
25-30
31-36
1
2
3
4
5
6
1,00
0,42
0,29
0,21
0,13
0,00
Li
ei
fi
pi
23,38
20,85
16,26
11,00
5,47
3,00
0,00
38,25
37,79
6,94
0,08
0,00
0,89
0,94
0,95
0,69
0,29
0,00
Kontrola
0,93
0,82
0,77
0,73
0,50
0,15
40 mg imidachlopridu kg-1
0,58
0,30
0,29
0,40
1,00
0,71
0,35
0,25
0,17
0,06
0,00
9,25
12,00
9,86
6,60
3,00
0,00
3,13
10,38
1,50
0,00
0,00
0,50
0,71
0,67
0,38
0,00
0m00
29/32
Projekcja dynamiki populacji mszyc w
okresie sezonu wegetacyjnego – model
Bevertona-Holta
30/32
10
12/9/2016
Czy faktycznie można zaobserwować takie skutki działania
substancji toksycznych?
Przykład: trojszyki żyjące w medium skażonym miedzią
400
Population
size (N)
Wielkość
populacji
25 g medium; control
300
200
25 g medium; 1000 mg Cu
100
25 g medium; 5000 mg Cu
0
1
11
21
31
41
51
Czas
Time(tygodnie)
(weeks)
31/32
Wnioski
• Tabele życia i projekcje macierzowe są
potężnym narzędziem w ręku ekologa i
ekotoksykologa:
– umożliwiają uwzględnienie różnych efektów
toksycznych na kolejnych etapach życia;
– dają możliwość zastosowania modeli zależnych od
zagęszczenia
– wskazują, że być może najczęstszym skutkiem
działania substancji toksycznych na populacje jest
spadek jej wielkości równowagowej („pojemności
siedliska” K)
32/32
11