电化学活性细菌对有毒污染物的反应及敏感菌种的鉴定

《Bioscience Reports》：Responses of Electrochemically Active Bacteria to Toxic Pollutants and Identification of Sensitive Species

本研究通过分析混合电化学活性细菌（EAB）社区对十种典型有毒污染物的响应，发现特定属（如Enterobacter、Pseudomonas等）对重金属、苯系物、有机氯及多环芳烃等污染物具有显著敏感性，其毒性检测灵敏度较传统纯培养模型菌株提升30%-50%，为构建高灵敏度EAB水质预警系统提供理论依据。

　　

冯旭新|李佳|尹旭彤|易雪梅|罗爱琴|叶月|罗俊晓|梅碧娴

北京工业大学生命科学学院，中国北京100081

摘要

利用电化学活性细菌（EAB）作为水质毒性指标，可以在突发污染时实现实时警报。尽管具有这一优势，但基于EAB的早期预警系统的应用仍受到其相对较低灵敏度的限制。由于EAB的反应很大程度上取决于其耐毒性，因此预计耐受性较低的物种会更加敏感。然而，尚未有研究报道对有毒污染物具有高度敏感性的EAB物种。本研究分析了十种代表性有毒污染物在不同浓度下对混合EAB群落组成的影响。暴露于这些污染物后，群落结构发生了变化；随着污染物浓度的增加，某些特定属的数量急剧下降，表明它们可能具有较高的敏感性。这些敏感属对同一污染物类别中的其他有毒物质也表现出一致的敏感性。与广泛使用的EAB模式菌株相比，这些属在检测其相应污染物类型的毒性方面表现出了更高的灵敏度。

引言

水环境中有毒和有害污染物的过度积累多次导致了重大的公共安全事件，这突显了及时对饮用水源进行风险预警的重要性（Lee等人，2023年）。目前的自动监测系统主要测量物理化学指标，如化学需氧量、pH值和溶解氧，并不能直接识别有害污染物（Chapman和Sullivan，2022年；Zheng等人，2025年）。虽然基于实验室的方法（包括色谱法、质谱法和原子吸收光谱法）能够提供准确且高度特异性的污染物识别（Liu等人，2026年），但它们的处理时间较长且检测频率较低，限制了其在实时预警应用中的实用性（Trimmer等人，2024年）。毒性测定可以快速指示水中有毒物质的出现，从而实现急性污染的早期预警（Neale等人，2023年）。由于毒性反映了水质对代谢的综合影响，测量代谢反应是评估水质的有效手段。与广泛使用的方法相比，毒性测定在水质预警方面具有多个优势，包括操作简便、响应迅速和检测范围广泛（Kizgin等人，2024年）。

毒性评估通常使用鱼类、藻类、水蚤、蛤蜊和细菌等生物（Xiao等人，2015年）。发光细菌因其发光强度反映了代谢活动而最常被使用，可以通过测量暴露于水样后的发光变化来评估毒性（Bergua等人，2021年）。然而，这种发光对氯离子浓度非常敏感，还可能受到水色和浊度的干扰，从而降低测量精度并导致假阳性结果。为了解决这个问题，Kim等人（2007年）提出使用电化学活性细菌（EAB）作为替代测试生物，因为它们在代谢过程中会产生电流（Logan等人，2019年）。当存在有毒污染物时，代谢活动会受到抑制，导致电流减少，从而可以通过测量电流来确定水质的毒性（Jiang等人，2018年；Qi等人，2021年）。与发光细菌相比，EAB的电信号不受颜色和浊度的影响，因此更适合用于浑浊的地表水和有色工业废水（Chu等人，2021年；Yi等人，2024b年）。

基于EAB的毒性测试已在全球范围内应用于检测受控实验室环境中的多种污染物，包括重金属、抗生素、苯（Ben）衍生物、有机磷农药和其他有毒物质（Chen等人，2016年；Jiang等人，2015年；Li等人，2016年；Xing等人，2020年；Yu等人，2017年）。EAB在识别有毒污染物方面表现出广泛的响应性和很强的适用性。许多研究改进了基于EAB的监测系统的操作参数，包括反应器配置、底物浓度、操作模式、进水策略和信号采集方法（Chen等人，2016年；Jiang等人，2015年；Li等人，2016年；Xing等人，2020年；Yu等人，2017年）。此外，EAB产生的电信号对毒性压力的敏感性高于传统的基于生物发光的响应（Qi等人，2019年）。尽管取得了这些进展，但许多有毒污染物的EAB检测阈值仍低于监管标准的要求，限制了它们作为早期预警工具的有效性（Chu等人，2021年）。

使用对有毒污染物本质上更敏感的EAB物种有望显著提高灵敏度。不同的微生物物种具有不同的耐受水平（Li等人，2020年；Theuretzbacher等人，2020年；Zhang等人，2019年）。主要由Geobacter组成的天然混合EAB群落是最常用的测试群体。然而，我们之前的研究表明，纯培养的EAB模式菌株Shewanella loihica PV-4对重金属和抗生素的敏感性高于混合培养的EAB，这可能与其较低的代谢活性以及细胞外聚合物物质的合成和分泌减少有关（Yi等人，2018年）。最近，Wang等人（2023年）使用了硝化EAB（主要是Nitrosomonas和Nitrospira），获得了比主要由Geobacter组成的混合EAB更好的灵敏度。我们小组的另一项研究进一步表明，微生物物种组成在决定敏感性方面起着关键作用；当混合EAB群落暴露于重金属时，Geobacter的相对丰度增加，表明其具有相对较强的抵抗力（Yi等人，2019年）。我们后续的实验证实了这一观察结果：主要由Geobacter组成的天然EAB群落在暴露于12 mg/L HgSO₄或240 mg/L二氯甲烷时仍能保持稳定的电流生成，产生的电信号几乎与无污染物条件下的信号无异（Yi等人，2024a）。这些发现表明，主要由Geobacter组成的常见天然EAB群落对毒性压力具有很强的抵抗力。选择对有毒污染物更敏感的细菌物种对于提高基于EAB的毒性测定性能至关重要。

迄今为止，很少有系统研究EAB群落对有毒污染物的响应，关于不同EAB之间灵敏度差异的报告也有限。Geobacter在暴露于四环素抗生素后，在混合培养的EAB中变得更加丰富，而Oscillibacter和Pseudomonas的丰度下降，表明它们可能对抗生素压力敏感（Yi等人，2019年）。Chryseobacterium在混合培养的EAB中的丰度在铜(II)暴露后增加，而Flavobacterium的丰度下降，表明它们可能对重金属敏感（Pan等人，2020年）。使用混合EAB群落处理含有甲苯（TOL）和酚类污染物的废水会导致Geobacter的丰度降低（Li等人，2019年；Xie等人，2021年）。Acinetobacter、Raoultella、Geoalkalibacter和Pseudomonas分别可能对氧四环素、氯霉素、有机氯化合物和酚类化合物敏感（Shen等人，2021年；Wu等人，2021年；Xie等人，2021年；Zhang等人，2020年）。尽管有这些观察结果，但尚未系统评估广泛有毒污染物如何影响EAB群落结构，也未确定对特定污染物类别敏感的属。此外，过去的研究没有结合毒性测试，因此污染物-敏感属与在毒性评估中表现良好的物种之间的关系尚未得到验证。

本研究调查了典型有毒污染物如何影响混合培养的EAB群落组成，并确定了某些污染物类型的毒性测定中敏感的EAB物种。使用国家有毒和有害水污染物清单，评估了十种典型有毒污染物浓度梯度对EAB群落结构的影响。筛选出数量减少的细菌属作为敏感的EAB属；还确定了这些敏感属是否也对同一类别中的其他污染物具有高敏感性，以及它们的响应是否依赖于暴露时间。通过与广泛使用的纯培养EAB模式菌株S. loihica PV-4进行比较，评估了敏感EAB属中物种对四种类型污染物的敏感性。

部分摘录

污染物选择和暴露评估

根据中国的第一和第二份有毒和有害水污染物名录（2025年第15号公告和2019年第28号公告），选择了十种代表性有毒物质进行筛选：六价铬（Cr）、镉（Cd）、铅（Pb）、苯（Ben）、甲苯（TOL）、对硝基甲苯（PNT）、二氯乙烯（DCE）、三氯乙烯（TCE）、菲（BPE）和苯并[a]芘（BaP）（Ren等人，2025年）。Cr、Cd和Pb被归类为重金属；Ben、TOL和PNT属于苯系列

污染物暴露对EAB群落多样性的影响

对于重金属（图1a-c）和苯系列污染物（图1d-f），主坐标分析降维显示第一个主成分解释了超过85%的变异。这表明EAB群落对这些污染物的响应是一致的，在两种浓度下都经历了方向性演替（Zou等人，2025年）；因此，微生物组成的差异可以在二维空间中有效可视化。除了TCE外，

结论

有毒污染物改变了EAB群落的多样性，这些变化的程度取决于污染物类型。某些属对特定污染物类别表现出高敏感性；Enterobacter、Arcobacter、Pseudomonas和Azospirillum分别被确定为对重金属、苯系列、有机氯化合物和多环芳烃（PAHs）敏感的EAB属。来自敏感EAB属的选定物种在识别有毒污染物方面比EAB模式菌株更为准确。需要进一步努力

CRediT作者贡献声明

易雪梅：正式分析。李佳：正式分析。尹旭彤：正式分析。冯旭新：研究、正式分析、数据管理。罗俊晓：资金获取。梅碧娴：方法学。罗爱琴：方法学。叶月：写作——审稿与编辑、撰写——初稿、可视化、验证、方法学、研究、资金获取、数据管理、概念化

未引用的参考文献

Kim等人，2017年。

利益冲突

作者未报告任何潜在的利益冲突。

数据可用性

支持本研究结果的数据可向相应作者索取。

代码可用性

本研究未使用任何代码。

利益冲突声明

? 作者声明他们没有已知的可能会影响本文工作的财务利益或个人关系。

致谢

本工作得到了国家自然科学基金 [32200106]、北京自然科学基金 [8242039]、广东省重点领域研发计划[2022B0303040001]、北京工业大学青年学者研究基金[3160012222114]以及国家先进环境技术重点实验室开放基金[SKLAET202513]的资助。我们感谢Liwen Bianji（Edanz）的Lisa Oberding硕士（//www.liwenbianji.cn