综述：异速生长尺度效应是否提高了基于环境DNA的种群丰度估计？

《Molecular Ecology》：Does Allometric Scaling Improve Estimates of Population Abundance Based on Environmental DNA?

本综述深入探讨了在利用环境DNA（eDNA）进行种群丰度估算时，引入生物体异速生长（allometric scaling）框架的理论基础与实际效果。文章系统回顾了相关研究，发现尽管基于代谢生态学理论（MTE），eDNA释放量可能与体重呈幂律关系（即异速生长质量ASM），旨在改进模型拟合，但实际应用效果不一。在纳入的12项研究中，仅有5项显示ASM模型显著提升了丰度估计精度。综述分析指出，该方法的应用成效高度依赖于目标种群是否存在显著的个体大小差异，以及能否获得物种特异的尺度系数（b）。同时，文章深入探讨了物种生态生理、水体运动、生境复杂性及数据预处理等多种因素如何复杂地影响着eDNA浓度与种群丰度之间的异速生长关系。最终，作者认为异速生长框架并非“万能药”，但其在特定条件下（如目标种群个体大小差异显著且拥有物种特异性尺度系数时）可能优化eDNA丰度估算，未来仍需更多实证研究来厘清其适用边界与机制。

　　

在生物多样性监测领域，环境DNA（eDNA）技术以其非侵入性和成本效益高的特点，已成为追踪物种分布与多样性的热门工具。然而，当目标从“有无”升级为“多少”时，即利用eDNA浓度来估算种群丰度或生物量，科学界仍面临着不小的不确定性。其中一个核心谜题围绕eDNA的生产过程：体型大的个体，单位体重产生的eDNA是否真的比小个体少？eDNA释放量与体重之间，是否存在一种异速生长的幂律关系？这正是本篇综述试图厘清的问题。

异速生长尺度效应在eDNA生产中的理论基础

这一切的起点是代谢生态学理论（MTE）。该理论认为，生物的新陈代谢率等生理过程与体重呈非线性的幂律关系，大体型生物通常具有相对更低的质量比代谢率。由于eDNA的持续释放源（如排泄、皮肤黏液脱落）与代谢过程紧密相连，因此人们推测eDNA的生成率（I）也可能与个体体重（M）存在类似的异速生长关系，即I ∝ M^b。这里的b被称为尺度系数，是理解这一切的关键。

0: Normalisation constant). (2) When the scaling coefficient (b) ranges from 0 to 1, the eDNA production rate scales allometrically with body mass. The allometrically scaled mass (ASM) is expected to strengthen the relationship between the total amount of eDNA released and population abundance, thereby improving the model fit of eDNA-based abundance estimation.">

当b = 1时，eDNA生产与体重线性相关，单位体重的eDNA产率恒定；当b = 0时，无论个体大小，eDNA产量相近，总量仅取决于个体数量；而当0 < b < 1时，则呈现出典型的异速生长关系，即体重增加，eDNA产量增加，但单位体重的产率下降。将这个理论推到种群层面，我们就得到了“异速生长质量”（ASM），即种群中所有个体体重以其尺度系数b为幂次的总和（∑M^b）。引入ASM，理论上可以更准确地关联eDNA释放总量与种群丰度，从而提升估算模型的精度。

文献回顾：理论与现实的碰撞

为了检验这一理论框架的实际效果，研究者对相关文献进行了系统检索，最终纳入了12项研究。这些研究大多针对鱼类，少数涉及两栖类，环境涵盖天然（湖泊、河流、海岸）和人工系统（实验水族箱），检测方法以定量PCR（qPCR）为主，部分使用了宏条形码（metabarcoding）技术。

结果呈现出复杂的图景。在12项研究中，仅有5项明确显示使用ASM能比单纯使用个体数量或生物量更精确地关联eDNA浓度。另有4项研究的结果模棱两可，ASM模型的解释力与其他指标相似。其余5项研究则并不支持ASM模型，个体数量或生物量密度反而表现出更好的模型拟合度。这种不一致性并未明显因研究环境（天然vs人工）或检测技术（qPCR vs 宏条形码）的不同而呈现规律。

影响eDNA浓度与丰度异速生长关系的潜在因素

为何理论上优美的模型在实践中遭遇挑战？综述指出了几个关键因素：

1. 1.
   个体大小变异：ASM要发挥威力，前提是目标种群内存在显著的体型差异。如果种群由大小近似的个体组成（如某项研究中 Northern pike的平均体重仅相差约三倍），那么引入ASM可能收效甚微。反之，在个体大小变异大的种群中，ASM改善模型精度的效果更明显。此外，传统捕捞方法对幼体等小个体的漏捕，会低估种群丰度、扭曲体型结构认知，从而模糊eDNA与丰度通过异速生长建立的关联。
2. 2.
   物种生态与生理：物种特有的生态和生理特征深刻影响着尺度系数b。例如，占据高营养级的鱼类，其代谢率与体型的异速生长关系可能更接近3/4幂律，因而eDNA产率也可能遵循类似规律。而处于低营养级的小型鱼类，由于体型小、生活史形态变化剧烈、代谢易受水温影响，其代谢与体型的关系可能偏离简单的异速生长模式。例如，美洲鳗依赖皮肤呼吸和渗透调节，其eDNA浓度与生物量几乎不存在异速生长关系（b ≈ 0.07）。此外，繁殖期等特殊生理活动会导致eDNA释放量短期激增，此时估算的b值可能会失真。
3. 3.
   水体运动与生境复杂性：流动的水体（河流、海洋）会加速eDNA的传输与扩散，从而干扰其浓度与源头种群丰度的关系。尽管现有研究未清晰显示环境类型对异速生长关系强度的明确影响，但值得注意的是，尚无在河流环境中应用ASM能提升eDNA浓度预测性能的研究。此外，采样策略也可能引入偏差。如果采样局限于近岸或表层水域，而目标物种（如底栖或远洋物种）栖息在别处，那么测得的eDNA浓度将系统性低估真实丰度，进而扭曲推断出的异速生长关系。
4. 4.
   数据预处理：许多研究在分析前会对eDNA浓度或读数进行对数转换等处理，以降低数据的离散度。然而，异速生长的幂律关系本质上是针对原始eDNA浓度与体重而言的。对eDNA数据进行单独转换，可能会破坏这种固有的幂律关系，从而导致ASM模型得不到支持。如果研究目的是检验异速生长关系本身，那么将原始eDNA数据和体重数据纳入分析框架是更可取的。

结论

综上所述，将异速生长尺度效应整合到eDNA丰度估计模型中，并非总是能强化eDNA浓度与种群丰度关联的“万能钥匙”。当前证据表明，在目标种群个体大小变异显著，且能获得物种特异性尺度系数的情况下，异速生长框架可能有助于提升eDNA丰度估算的准确性。然而，eDNA从产生、释放、在环境中运移衰变，到最后被检测分析，整个过程受到物种特性、环境因素、技术环节等多重变量的复杂调制。因此，要真正厘清并利用eDNA产量与体型的异速生长关系，未来还需要更多旨在揭示其内在机制的实证研究。这篇综述为理解eDNA生产过程、进而优化基于eDNA的种群定量监测，提供了重要的知识梳理和方向指引。