《Mutation Research - Reviews in Mutation Research》：Biological effects and potential genetic/epigenetic adaptive responses to chronic natural background radiation
编辑推荐：
高本底辐射区（HBRAs）居民长期暴露于低剂量率辐射却未发现显著癌症超额，挑战了线性无阈值（LNT）模型。研究综述了Kerala、Ramsar等HBRAs的流行病学、细胞遗传学证据，指出DNA修复增强、辐射适应及染色体损伤低于预期可能是关键机制，需重新评估低剂量辐射风险模型。
莫妮卡·拉杰普特（Monika Rajput）| 马诺杰·潘迪（Manoj Pandey）
DHR-ICMR先进分子肿瘤学诊断服务（DIAMOnDS），印度瓦拉纳西（Varanasi）班纳拉斯印度教大学（Banaras Hindu University）医学科学研究所，邮编221005
摘要
自然背景辐射（NBR）在全球范围内持续释放低剂量率的电离辐射，全球年平均有效辐射剂量约为2.4毫希沃特（mSv）。在某些高背景辐射区域（HBRAs），年辐射剂量介于10至200毫希沃特之间。尽管线性无阈值（LNT）模型认为任何辐射剂量都会带来一定的癌症风险，但在高背景辐射区域进行的流行病学研究（如印度喀拉拉邦、伊朗拉姆萨尔、中国阳江、巴西瓜拉帕里）并未检测到预期的癌症发病率增加。一些细胞遗传学和分子生物学研究显示，长期暴露在这些辐射环境中的居民具有更强的DNA修复能力或染色体损伤程度低于预期。本文综合了来自高背景辐射区域的流行病学、细胞遗传学及有限的分子生物学证据，评估了现有剂量-反应模型（线性无阈值模型与非线性模型）对这些现象的解释能力，指出了主要的知识空白，并讨论了这些发现对低剂量辐射风险评估和公共卫生政策的影响。
引言
自然背景辐射（NBR）来源于宇宙射线和地壳中的放射性核素（主要是铀-238和钍-232的衰变产物、钾-40以及氡）。全球年平均有效辐射剂量约为2.4毫希沃特，但在高背景辐射区域，终生累积辐射剂量可能超过数百毫希沃特，却不会产生明显的急性健康影响[1]、[2]。经过充分研究的高背景辐射区域包括印度喀拉拉邦的独居石砂矿区[1]、[3]–[16]、伊朗拉姆萨尔[17]–[26]、中国阳江[27]–[31]以及巴西瓜拉帕里[1]。这些自然“实验”为研究在慢性低剂量辐射环境下的人类健康后果提供了独特的机会，这种环境与导致当前风险评估的急性高剂量暴露情况（如原子弹幸存者、放射治疗患者）有本质区别。
自然辐射源于放射性核素及其衰变产物的释放。背景辐射水平通常在80至150纳戈瑞/小时（nGy hr?1）之间，但在高背景辐射区域，辐射水平会显著升高[6]。例如巴西的埃斯皮里图桑托（Espirito Santo）和莫罗杜费罗（Morro do Ferro）沿海地区、中国阳江、印度西南部以及伊朗的拉姆萨尔（Ramsar）和马哈拉特（Mahallat）等地。富含钍的独居石砂矿导致巴西、中国、埃及和印度某些地区的辐射水平升高，而法国西南部的铀矿也起到了一定作用[32]。在伊朗拉姆萨尔，温泉中的镭-226及其衰变产物进一步增加了辐射强度[33]。在印度，高背景辐射区域包括卡纳塔克邦的乌拉尔（Ullal）、泰米尔纳德邦的卡尔帕卡姆（Kalpakkam）、喀拉拉邦沿海地区，以及奥里萨邦（Odisha）的卡鲁纳加帕利（Karunagapalli）和查瓦拉-尼恩达卡拉（Chavara-Neendakara）砂矿，这些地区都含有钍成分的独居石砂[13]、[34]。
目前流行的辐射防护模型——线性无阈值（LNT）模型——假设辐射风险与剂量成线性关系，并认为不存在安全阈值。然而，在高背景辐射区域进行的大规模流行病学研究均未发现辐射导致的癌症发病率或死亡率显著增加[13]、[33]，这引发了人们对非线性模型（包括阈值效应、 hormesis效应和适应性反应）的重新关注。
方法学
方法
我们回顾了截至2026年1月在PubMed、Scopus和Google Scholar上索引的文献。搜索关键词包括“高背景辐射区域”、“独居石砂矿”、“放射适应性反应”和“LNT模型”。纳入标准侧重于在已知高背景辐射区域（印度、伊朗、中国、巴西）进行的经过同行评审的流行病学和细胞遗传学研究。我们特别评估了将这些区域的人类健康状况与邻近对照地区进行比较的研究。
结论
来自印度喀拉拉邦和伊朗拉姆萨尔等高背景辐射区域的综合证据表明，线性无阈值（LNT）模型预测的癌症发病率增加并未得到证实。如图7所示，这种差异提示长期低剂量率（LDR）辐射可能激活了一系列生物“防御机制”，如增强的DNA修复能力和抗氧化防御系统，从而维持细胞稳态并减轻辐射损伤。
作者贡献
MR负责文献搜索、插图制作及初稿撰写；MP负责概念设计及最终稿件的编辑。两位作者共同审阅了最终稿件并同意提交。
关于写作中使用的生成式AI和AI辅助技术的声明
在撰写本文过程中，作者使用Google的Gemini工具对稿件进行了语言优化、结构调整和格式修改。文中未使用AI生成任何数据或参考文献，也未通过AI生成文本。作者还利用Gemini的深度学习功能设计了图形摘要及图3、图4和图7的内容。其余图表则使用Bio Render工具生成。
