《Harmful Algae》：Revisiting chlorophyll
a thresholds for San Francisco Bay: insights from observations of phytoplankton molecular abundance
编辑推荐：
为解决有害藻华(HABs)风险评估中传统叶绿素a(chl-a)阈值的局限性问题，研究人员利用分子技术（18S元条形码、定量PCR）结合贝类毒素监测数据，在旧金山湾开展了为期五年的研究。研究发现，大多数HAB类群在春季藻华期间并未随chl-a升高而增加，但多种具鞭毛的混合营养型类群在秋季chl-a达到~4.6 μg/L时，其出现概率显著提升。该工作为利用分子数据建立更清晰、更具成本效益的河口HAB监测与风险预警策略提供了新途径。
在全球海岸带环境中，有害藻华(HABs)正日益成为威胁人类与环境健康的重大灾害。这些由某些特定浮游植物类群过度增殖形成的“水华”，不仅能产生危害神经系统的毒素，还会大量消耗水体溶解氧，导致水生生物窒息死亡。因此，如何有效预警和管理HABs，是海岸带管理者面临的一项紧迫挑战。传统上，管理者常依赖于水体中叶绿素a(chlorophyll-a, chl-a)这一表征总体浮游植物生物量的指标来设定风险阈值。其背后的逻辑假设是“比例增长”范式，即随着藻类总生物量（chl-a浓度）的增加，包括有害种类在内的所有浮游植物都会按比例增长。然而，这种“水涨船高”的假设真的符合实际情况吗？在复杂多变的河口环境中，不同有害藻类对营养盐等环境压力的响应是否一致？它们与总生物量的关系是否会随着季节更替而改变？这些疑问构成了旧金山湾(San Francisco Bay, SFB)HABs风险精准评估的关键科学问题。
为了深入探究这些疑问，并为河口HABs防护性管理提供更坚实的科学依据，来自旧金山湾研究所等机构的研究团队Daniel Killam、Keith Bouma-Gregson、Martha Sutula、Raphe Kudela、James Hagy、Stephanie Anderson和David Senn，在学术期刊《Harmful Algae》上发表了一项创新性研究。他们独辟蹊径，首次大规模地将分子丰度数据应用于河口chl-a阈值研究。团队整合了2015年至2020年间SFB的长期监测数据，包括船基采样获得的chl-a浓度、基于18S rRNA基因的元条形码(metabarcoding)相对丰度数据、针对特定类群（如Alexandrium和Pseudo-nitzschia）的定量聚合酶链式反应(quantitative polymerase chain reaction, qPCR)绝对丰度数据，以及从海湾周边多个站点定期采集的贻贝(Mytilus spp.)组织中的毒素（主要是蛤蚌毒素saxitoxin）浓度数据。通过条件概率分析(Conditional Probability Analysis, CPA)等统计方法，他们系统检验了“比例增长”与“非比例增长”（即有害藻类随富营养化程度加剧而超比例增加）两种假说，并试图找出与HAB风险升高相关的关键chl-a阈值。
研究人员开展这项研究，主要运用了以下几项关键技术方法：1) 分子监测技术：包括高通量18S元条形码测序，用于分析浮游植物群落结构及9种HAB相关类群的相对丰度；以及针对Alexandrium和Pseudo-nitzschia的qPCR技术，用于获取其绝对丰度（单位体积细胞数或基因拷贝数）。2) 贝类毒素监测：从SFB周边10个站点的浮坞定期采集贻贝，通过酶联免疫吸附测定(ELISA)检测其组织中的蛤蚌毒素浓度。3) 条件概率分析与阈值识别：将连续的分子丰度或毒素数据二值化，采用条件概率分析量化有害类群丰度超过特定阈值（如基于Alexandrium与毒素关系确定的87百分位相对丰度）的概率随chl-a浓度变化的函数关系，并利用自举法(Bootstrapping)构建置信区间，识别概率发生显著变化的chl-a转折点。
研究结果
3.1. 蛤蚌毒素与亚历山大藻的时间性共现
时间序列分析显示，贻贝组织中的蛤蚌毒素浓度与元条形码检测到的亚历山大藻(Alexandrium)相对丰度存在时间关联。特别是在2018年3月，当亚历山大藻相对丰度达到峰值（约10%）时，蛤蚌毒素浓度也超过了加州公共卫生部(CDPH)的人类健康警报阈值（800 ng/g）。多数蛤蚌毒素浓度超过100 ng/g的观测发生在春季，但这些春季观测对应的chl-a浓度通常在5 μg/L左右。
3.2. 贝类毒素阈值超过概率与绝对及相对丰度的关系
蛤蚌毒素浓度与亚历山大藻qPCR计数/mL呈正相关关系。当亚历山大藻qPCR丰度达到1000 counts/mL时，附近贻贝蛤蚌毒素超过100 ng/g的概率开始出现正向拐点。值得注意的是，亚历山大藻的绝对丰度在chl-a浓度最高的春季藻华期间（>10 μg/L）反而下降。条件概率分析进一步表明，当亚历山大藻在元条形码读数中的相对丰度达到1.2%（对应其数据集中的87百分位）时，附近贻贝蛤蚌毒素浓度超过100 ng/g的概率超过50%；当相对丰度达到2.4%时，超过300 ng/g（与贻贝亚致死神经毒性效应相关）的概率超过50%。
3.3. HAB类群超过阈值的季节性概率与chl-a的函数关系
在研究的9种HAB类群中，大多数类群在较高chl-a水平下超过其87百分位阈值的情况出现在秋季，特别是对异弯藻(Heterosigma)、鳍藻(Dinophysis)、异帽藻(Heterocapsa)、膝沟藻(Gonyaulax)和环沟藻(Gyrodinium)。在秋季，当chl-a浓度达到约4.6 μg/L时，异弯藻超过其基线丰度（0.14%）的概率出现上升拐点。相比之下，在春季，大多数HAB类群与chl-a浓度呈负相关或无明显一致趋势，尽管春季chl-a中位数更高。春季藻华主要由无害的硅藻主导，而亚历山大藻和伪菱形藻(Pseudo-nitzschia)的qPCR绝对丰度在此时下降。
将所研究的HAB类群组合在一起分析发现，在秋季，任何HAB类群超过其基线丰度的概率随chl-a浓度增加而持续上升，并在chl-a高于4.6 μg/L后快速增加。而将秋季呈现增长趋势的5个类群（异弯藻、鳍藻、异帽藻、环沟藻、膝沟藻）单独分析时，概率上升的斜率更为陡峭。
研究结论与讨论
本研究通过创新的分子数据应用和分析方法，为理解旧金山湾HABs风险与chl-a的关系提供了新的见解。主要结论和意义可归纳如下：
首先，研究结果并不支持“比例增长”假说在SFB的适用性。研究发现，在总浮游植物生物量最高的春季藻华期间，亚历山大藻和伪菱形藻等HAB类群的绝对丰度并未按比例增加，反而下降。这表明在SFB这样的河口，HAB类群的种群动态可以与整个浮游植物群落的增长轨迹脱钩。春季藻华主要由无害硅藻主导，高chl-a并不总是与贝类毒素增加相关，甚至在高chl-a水平下蛤蚌毒素浓度可能下降。
其次，研究证实了“非比例增长”假说，但具有强烈的季节性。研究识别出一组具有鞭毛、混合营养型生活史的HAB类群（包括异弯藻、鳍藻、异帽藻、膝沟藻、环沟藻），它们在秋季表现出随chl-a升高而超比例增加的趋势。这些类群共有的鞭毛运动能力和混合营养特性，使它们在秋季光照强、盐度高、层化弱的条件下获得竞争优势。这一发现挑战了仅基于年均或不分季节的chl-a阈值进行HAB风险管理的传统思路。
第三，研究提出了季节特异性的风险预警阈值。分析指出，秋季chl-a浓度达到约4.6 μg/L时，与鞭毛混合营养型HAB类群超过基线丰度的概率显著升高相关联。这一阈值远低于先前基于“比例增长”假说提出的年均阈值（13 μg/L），但作为秋季HAB风险升高的早期指示剂更具针对性。随着SFB近年来chl-a浓度的整体升高，特别是秋季chl-a值的增加，这一阈值对于预警类似2022年异弯藻大规模藻华等事件具有重要管理意义。
第四，研究建立了分子丰度与生态风险的量化联系。通过条件概率分析，研究成功将亚历山大藻的元条形码相对丰度（1.2%）和qPCR绝对丰度（1000 counts/mL）与贻贝组织中蛤蚌毒素的生态风险阈值（100 ng/g和300 ng/g）关联起来。这为将分子监测数据转化为具有明确生态或健康意义的早期预警指标提供了可行框架。
最后，研究展示了概率性方法在处理分子数据不确定性方面的价值。元条形码数据因扩增偏差、基因拷贝数变异等因素存在噪声。本研究通过将连续丰度数据二值化，并分析其超过生态相关阈值（以亚历山大藻-毒素关系为基准确定的87百分位）的概率，而非直接解释丰度绝对值，有效降低了数据不确定性对结论的影响。这种基于概率的框架为未来整合更多环境变量（如营养盐、盐度、温度）以构建更全面的HAB风险生长指数奠定了基础，并可推广应用于全球其他具有类似监测数据的海岸带和河口系统。
综上所述，这项工作不仅深化了对旧金山湾HABs发生规律的科学认识，更重要的是为管理者提供了一种基于分子监测、更具成本效益且精准的HAB风险评估与管理新工具。它标志着河口HABs管理正从依赖总体生物量指标，走向基于特定有害类群生态位和季节性动态的精准预警新时代。
