《Aquatic Toxicology》：Carrier Effects of Microplastics in a Hydroponic System: Amplifying Diethyl Phthalate Toxicity and Endophytic Dysbiosis in Rye (
Secale cereale L
.) with Implications for Aquatic Ecosystems
编辑推荐：
微塑料与邻苯二甲酸二乙酯协同污染导致水稻光合系统崩溃及内生菌群失衡，揭示MPs吸附DEP及通过nsLTPs增强其透皮吸收的协同机制。
Jinke Hu|Guozhang Bao|Wenbo Liu|Ningning Xing|Wenjie Ma|Mingda Bai|Xinyi Zhang|Jishun Wu|Siyuan Zuo|Shoujat Ali
教育部地下水资源与环境重点实验室（吉林大学）；吉林省水资源与环境重点实验室；吉林大学新能源与环境学院，长春，130012，中国
摘要
微塑料（MPs）和邻苯二甲酸二乙酯（DEP）的共污染对农业水系统构成了日益严重的威胁，通过地下水渗透和排水可能对水生环境造成潜在风险。本研究通过整合生理特征分析、转录组学、内生微生物组分析及计算建模，系统地研究了聚苯乙烯微塑料（MPs）和DEP对水培黑麦（Secale cereale L.）的单独及联合毒性作用。MPs和DEP的共暴露引发了严重的协同毒性效应，其危害显著超过了单独作用的效果。这表现为生长受到严重抑制、由于“气孔与非气孔”限制导致的光合作用崩溃，以及由于DEP直接抑制抗坏血酸过氧化物酶（APX）而加剧的氧化损伤。关键在于发现了一种双向相互作用机制：MPs吸附DEP，减少了其植物体内的积累；而DEP通过改变MPs的表面电荷增强了其在根部的吸收和向上转运，从而导致细胞内损伤，包括叶绿体的解体。分子动力学模拟显示，非特异性脂质转移蛋白（nsLTPs）促进了DEP的非细胞质转运。此外，污染物改变了内生微生物组的组成，降低了多样性并富集了某些特定类群（如根瘤菌科），这些变化与氧化应激和光合作用下降密切相关。这些新发现表明，协同毒性源于MPs与DEP之间的双向相互作用（吸附与增强渗透）、通过nsLTPs促进DEP的转运，以及内生菌群破坏与植物生理功能下降之间的关联。这些发现意味着复合污染风险并非简单的叠加，而是可能通过物理化学和生物相互作用得到协同放大。本研究为评估多污染物风险提供了机制框架，对水培农业的可持续性、废水灌溉系统的安全性以及水生-陆地食物网中污染物传输的理解具有广泛意义。
引言
微塑料（MPs，<5毫米）是一种新兴的环境污染物，其微小体积和难以降解的特性对农业生态系统和人类健康构成了严重威胁（Zhou等人，2023年）。化妆品和洗涤剂是MPs的重要人为来源，去角质产品中常含有微塑料颗粒作为研磨剂，这些颗粒通过生活污水进入水循环（Sun等人，2022年）。MPs直接影响植物根部吸收水分和养分的能力，导致氧化应激反应，降低作物的光合作用效率，从而影响生长甚至造成遗传影响（Nessi等人，2022年）。MPs可通过多种途径干扰植物的正常生理和代谢过程，如物理堵塞、化学毒性及改变土壤微环境。因此，它们可能影响作物生物量和经济产量，威胁作物生产的稳定性（Athulya等人，2024年）。研究表明，小麦（Li等人，2023年）、水稻（Liu等人，2024年）和玉米（Zhou等人，2023年）等主要全球作物面临严重的产量下降风险。值得注意的是，污水处理厂出水中含有的MPs由于氧化作用会改变表面特性，释放出邻苯二甲酸酯（PAEs）等添加剂，进一步加剧了MPs的生态风险（Sun等人，2022年）。更严重的是，MPs可通过土壤-植物-食物链途径在作物的可食用部分积累，将重金属和有机污染物带入人体。这不仅威胁食品安全，还在整个从农场到餐桌的链条中带来健康风险，需要跨学科的深入研究。
邻苯二甲酸酯（PAEs）广泛用作聚苯乙烯（PS）等塑料产品的增塑剂，占全球塑料添加剂使用量的70%以上（Liu等人，2019年；Rillig等人，2019年）。工业排放和塑料降解是PAEs进入环境的两条主要途径（Liu等人，2019年；Rillig等人，2019年）。例如，在印度洋区域的MPs中检测到了30.11%的环己基甲基辛酸酯。此外，道路灰尘样本显示，工业区的PAEs浓度（56.9 μg/g）显著高于城市区（18.3 μg/g）和农村区（5.68 μg/g）。PAEs的释放受材料性质的影响，短链PAEs（如DEP）比长链PAEs（如双（2-乙基己基）邻苯二甲酸酯（DEHP）更容易从塑料中渗出（Liu等人，2019年）。近年来，全球多地的研究一致报告在河流、湖泊、水库甚至偏远水体中检测到PAEs，表明其污染范围广泛（Puri等人，2023年）。例如，在中国巢湖的水相和固相中均检测到了多种PAEs，其浓度存在明显的季节性变化（Mei等人，2024年）。此外，在巴西圣卡塔琳娜海岸的弗朗西斯科纳海豚脂肪中也发现了多种PAEs，表明污染已影响到海洋哺乳动物（de Lima等人，2024年；Lian等人，2024年）。在水生环境中，PAEs的主要输入途径包括工业废水、生活污水、残留的农业塑料薄膜和大气沉降（Due?as-Moreno等人，2024年）。PAEs已被证实具有内分泌干扰毒性、生殖和发育毒性以及潜在的致癌性。它们对水生生物的长期影响及对人类的间接暴露风险构成了严重挑战（Mesquita等人，2021年）。急性暴露于PAEs可导致斑马鱼胚胎出现发育畸形，如运动异常、心率下降、脊柱弯曲和心包水肿。其中，DBP和BBP即使在低剂量下也能导致斑马鱼死亡，表明其毒性相对较高（Pu等人，2020年）。生态风险评估表明，在水生环境中，DEHP和DBP往往对藻类、水蚤和鱼类等指示生物构成高风险（Liu等人，2026年；Mei等人，2024年）。未来应进行多层次实验，结合转录组学和代谢组学研究，以阐明植物在MPs-PAEs共污染下的耐受阈值、代谢途径变化及协同毒性机制，从而为水体生态风险评估提供可靠数据。
聚苯乙烯（PS）是环境中检测到最频繁且最具代表性的微塑料之一（Ding等人，2020年）。其疏水性表面、高比表面积和稳定的聚合物结构有利于疏水性有机污染物的吸附和传输（Li等人，2020年），从而可能影响共存污染物的迁移性和生物利用度。本研究选择PS-MPs来模拟实际水生和农业环境中常见的微塑料类型，以探讨MPs在共暴露系统中的“载体效应”及其在调节植物-污染物相互作用中的潜在作用。黑麦（Secale cereale L.）是一种典型的耐寒作物，其独特的低温适应机制使其成为温带和亚北极农业系统的核心物种（El-Mahis等人，2023年；Hüner等人，2014年）。本研究旨在系统阐明微塑料载体对DEP毒性的协同增强作用及其对黑麦内生微生物群结构和功能的影响。具体目标包括：（1）阐明MPs与DEP在界面上的吸附-解吸行为和分子相互作用机制；（2）分析微塑料和DEP共暴露对植物生理代谢、转录组反应及内生微生物组的联合破坏作用；（3）评估这种复合污染通过植物-水连续体对水生生态系统的潜在扩散风险。在全球微塑料和有机污染物共存的背景下，本研究具有重要的科学意义。使用黑麦作为模式植物，将农业生态系统和水生环境联系起来，为全面评估复合污染物的生态风险及其通过食物链的传播提供了新的实验证据和理论支持。
塑料特性
为了模拟自然磨损条件下产生的颗粒，制备了PS-MPs。使用的原材料是高纯度通用PS颗粒（等级：GPPS-123，纯度>99%；上海Secco Petrochemical有限公司，上海），直径均匀为3-4毫米，以确保化学一致性和减少添加剂干扰。这些颗粒使用振动球磨机（Stepna Machinery有限公司，上海）进行机械研磨。
微塑料和DEP对黑麦生长和光合作用的影响
仅暴露于MPs时，对茎部生长的抑制作用较小；而DEP和联合处理（MPs+DEP）显著加剧了毒性效应。联合处理组导致黑麦茎部矮化、叶片黄化和卷曲（图1A）。此外，根系形态也受到显著抑制（图1B）。植株高度和茎部干重的减少幅度分别达到了54.8%和44.65%，远大于单独处理组。
黑麦的生长、发育和生理
本研究揭示了MPs和DEP联合胁迫对黑麦的协同毒性机制，直接证明了MPs在放大水生植物系统中共污染物毒性方面的载体作用。与单一胁迫相比，联合处理显著降低了黑麦的干重（ADW）和光合色素（Pn）。抑制强度明显高于单独处理组，表明污染物之间的相互作用可能通过干扰植物的生理机制造成系统性损伤。
结论
本研究表明，在水培系统中，MPs作为载体放大了DEP对黑麦的植物毒性，揭示了具有级联生态后果的协同作用。联合胁迫通过多层次机制导致了系统性损伤：它引发了光合作用的双重限制（气孔和非气孔限制），超出了抗氧化系统的补偿能力，导致明显的氧化损伤，并引起了细胞内的协同损伤。
CRediT作者贡献声明
Jinke Hu：概念构思、方法设计、实验实施、初稿撰写、审稿与编辑（负责整体项目设计和执行以及手稿准备）。Guozhang Bao：资金筹集、资源提供、监督（提供财务支持和质量把控）。Ningning Xing、Wenbo Liu、Wenjie Ma、Mingda Bai、Xinyi Zhang、Jishun Wu和Siyuan Zuo：实验实施、数据分析。Shoujat Ali：资源协调、数据管理。
CRediT作者贡献声明
Jinke Hu：数据管理。Guozhang Bao：数据管理。Wenbo Liu：数据管理。Ningning Xing：数据管理。Wenjie Ma：数据管理。Mingda Bai：数据管理。Xinyi Zhang：数据管理。Jishun Wu：数据管理。Siyuan Zuo：数据管理。Shoujat Ali：数据管理。
