A Hepatic Compartmental Model of Herbicide Bioconcentration in Nile Tilapia (Oreochromis niloticus)

Resumen Técnico: Un Modelo Hepático Compartimental de la Bioconcentración de Herbicidas en la Tilapia del Nilo

Planteamiento del Problema
El factor de bioconcentración (BCF) se trata tradicionalmente como una cantidad agregada, que amalgama la captación branquial, la distribución sistémica y la biotransformación hepática en una única relación de estado estacionario. Aunque es útil para el cribado regulatorio, esta medida agregada no puede contrastarse con datos fisiológicos independientes ni descomponerse para revelar mecanismos subyacentes, tales como las interacciones metabólicas en mezclas de productos químicos. Esta limitación es particularmente aguda en la agricultura de caña de azúcar, donde la tilapia del Nilo (Oreochromis niloticus) es expuesta rutinariamente a mezclas de herbicidas (ametrina, tebuturón, hexazinona y diurón). Los autores buscan determinar hasta qué punto un BCF agregado, derivado únicamente del muestreo de tejido muscular, puede resolverse en constantes de velocidad fisiológicamente interpretables, y evaluar si esta descomposición revela efectos dependientes de la mezcla que son invisibles para los modelos estándar basados únicamente en el coeficiente de partición.

Metodología
El estudio reanaliza datos de bioconcentración publicados para cuatro herbicidas de la caña de azúcar en tilapia del Nilo (Jonsson et al., 2019) utilizando un modelo cinético de tres compartimentos: Agua $\rightarrow$ Hígado $\rightarrow$ Músculo. A diferencia de la formulación original de dos compartimentos (Agua $\rightarrow$ Músculo), este modelo aisla explícitamente el hígado como el sitio de la biotransformación.

1. Estructura del Modelo: El sistema está gobernado por ecuaciones diferenciales para las concentraciones en el hígado y el músculo. Bajo un supuesto de pseudo-estado estacionario hepático (el recambio del hígado es mucho menor que la dinámica del músculo), el sistema se reduce a una única ecuación diferencial ordinaria (ODE) de segundo orden para la concentración muscular con dos parámetros efectivos identificables: la captación efectiva ($K_1$) y la eliminación efectiva ($K_2$).
2. Calibración: $K_1$ y $K_2$ se ajustaron mediante mínimos cuadrados no lineales a las concentraciones estables en el músculo (medias de la meseta) del estudio original a través de nueve combinaciones de compuesto $\times$ mezcla. Los autores señalan explícitamente que, para siete de estas combinaciones, el número de puntos de datos es igual al número de parámetros ajustados, lo que convierte esto en una calibración más que en una validación independiente.
3. Descomposición Hepática: Para descomponer los parámetros efectivos en tasas fisiológicas ($k_{up}$, $k_{fm}$, $k_{mf}$, $k_{elim}$), el modelo se ancló a fuentes externas e independientes:
   • Eliminación ($k_{elim}$): Derivada del módulo BCFBAF de la herramienta EPI Suite de la US EPA utilizando QSARs, con un valor medido específico utilizado para el diurón.
   • Captación ($k_{up}$): Se estableció un valor de consenso tomando la media geométrica de dos estimaciones independientes: un QSAR molecular (Kuo & Di Toro) y una estimación fisiológica basada en la eficiencia de extracción branquial medida (McKim et al.) escalada a la fisiología de la tilapia.
   • Distribución: Las constantes de velocidad restantes ($k_{fm}$, $k_{mf}$) se resolvieron algebraicamente.
4. Evaluación de Riesgos: La evaluación de riesgo determinista del estudio original se reformuló como una simulación de Monte Carlo (Muestreo de Hipercubo Latino) para propagar la incertidumbre en el BCF y el peso corporal del consumidor, calculando la probabilidad de exceder la Ingesta Diaria Admisible (IDA).
5. Verificación: El modelo fue probado contra 214 determinaciones individuales de peces (no solo medias) para evaluar la identificabilidad de los parámetros y para comprobar las limitaciones estructurales del diseño experimental (por ejemplo, descensos de concentración no monotónicos).

Resultados Clave

• Ajuste del Modelo e Identificabilidad: El modelo reducido reprodujo los BCF empíricos con residuos insignificantes. Sin embargo, los datos resueltos por día confirmaron que $K_1$ y $K_2$ no son identificables individualmente en siete de los nueve casos porque el muestreo ocurrió únicamente en la fase de meseta. La capacidad del modelo para separar estas constantes dependió enteramente del anclaje externo descrito anteriormente.
• Descomposición Fisiológica: La descomposición reveló que la captación branquial ($k_{up}$) es significativamente más rápida que la depuración hepática ($k_{elim}$), la cual, a su vez, es más rápida que la distribución de hígado a músculo ($k_{fm}$). Esto respalda un mecanismo de "primer paso hepático fuerte" donde el hígado limita la fracción de producto químico que alcanza el músculo.
• Verificaciones de Plausibilidad Externa:
  • Las razones implícitas de partición hígado-músculo para el tebuturón, la hexazinona y el diurón concordaron dentro de un orden de magnitud con mediciones independientes para la atrazina en tilapia.
  • El modelo falló para la ametrina, prediciendo una razón de distribución hígado-músculo aproximadamente 10 veces mayor que los valores de referencia observados. Los autores identifican la distribución de la ametrina de hígado a músculo como el elemento menos restringido del modelo, probablemente debido a su lenta eliminación hepática.
• Efectos de Mezcla: La tasa de eliminación efectiva ($K_2$) para el tebuturón disminuyó monótonamente a medida que aumentaba el número de herbicidas coexpuestos (una reducción del 34% de mezclas binarias a cuartarias). Este patrón es consistente con la inhibición competitiva de las enzimas hepáticas, un mecanismo que no es detectable mediante los QSARs de solo coeficiente de partición originales.
• Evaluación de Riesgos: La simulación de Monte Carlo confirmó la conclusión del estudio original: la probabilidad de exceder la IDA es insignificante (0% en 1,000 simulaciones) incluso bajo escenarios de consumo extremos. El BCF fue el factor dominante de incertidumbre en el cálculo de la Ingesta Diaria Máxima (IDM).

Significancia y Reivindicaciones
El artículo sostiene que reformular los datos de BCF agregados en un modelo compartimental hepático mecanístico permite:

1. Descomposición: Desglosar el BCF en constantes de velocidad fisiológicamente interpretables ($k_{up}$, $k_{elim}$, etc.) al anclarlas a bases de datos independientes, en lugar de dejarlas como números ajustados opacos.
2. Sensibilidad a la Mezcla: Detectar que el BCF no es una propiedad fija de un compuesto sino que varía con la composición de la mezcla, una dependencia que los QSARs basados solo en coeficientes de partición no logran capturar.
3. Generación de Hipótesis: Proporcionar una base estructural para hipotetizar interacciones metabólicas (por ejemplo, inhibición competitiva) en escenarios de coexposición, sobre los cuales el enfoque empírico original solo podía especular.
4. Transparencia Metodológica: Destacar las limitaciones estructurales de los protocolos estándar de bioconcentración de dos fases (muestreo solo en la meseta y tras la transferencia a agua limpia), que hacen que las tasas de captación y eliminación no sean identificables sin restricciones externas y pueden enmascarar las interacciones de las mezclas al eliminar todas las coexposiciones durante la fase de depuración.

Los autores mantienen una postura modesta, enfatizando que el modelo es una calibración de los datos existentes más que una validación de la cinética de primer orden, y que la descomposición depende de la convergencia de métodos de estimación independientes en lugar de la medición directa de los residuos en el hígado. El trabajo sirve como una prueba de concepto para resolver los datos de bioconcentración agregados en componentes mecanísticos cuando solo se muestrea el tejido comestible (músculo).