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

Technische Samenvatting: Een hepatisch compartimentmodel van herbicidenbioconcentratie in Nile Tilapia

Probleemstelling
De bioconcentratiefactor (BCF) wordt traditioneel behandeld als een geaggregeerde grootheid, waarbij branchiale opname, systemische distributie en hepatische biotransformatie worden samengevoegd tot één enkele steady-state ratio. Hoewel deze geaggregeerde maatstaf nuttig is voor regelgevende screening, kan deze niet worden gecontroleerd tegen onafhankelijke fysiologische gegevens of worden gedecomposeerd om onderliggende mechanismen te onthullen, zoals metabole interacties in chemische mengsels. Deze beperking is bijzonder acuut in de suikerrietlandbouw, waar Nile tilapia (Oreochromis niloticus) routinematig worden blootgesteld aan mengsels van herbiciden (ametryn, tebuthiuron, hexazinone en diuron). De auteurs streven ernaar te bepalen in hoeverre een geaggregeerde BCF, afgeleid van enkel spierweefselbemonstering, kan worden opgelost in fysiologisch interpreteerbare snelheidsconstanten, en om te evalueren of deze decompositie mechanismen onthult die afhankelijk zijn van de samenstelling van het mengsel en die onzichtbaar zijn voor standaard modellen die enkel gebaseerd zijn op partitiecoëfficiënten.

Methodologie
De studie heranalyseert gepubliceerde bioconcentratiedata voor vier suikerriet-herbiciden in Nile tilapia (Jonsson et al., 2019) met behulp van een driekompartimenten kinetisch model: Water $\rightarrow$ Lever $\rightarrow$ Spier. In tegenstelling tot de oorspronkelijke tweekompartimenten (Water $\rightarrow$ Spier) formulering, isoleert dit model de lever expliciet als de plaats van biotransformatie.

1. Modelstructuur: Het systeem wordt beheerst door differentiaalvergelijkingen voor de concentraties in de lever en de spier. Onder een assumptie van een hepatische pseudo-steady-state (leverturnover $\ll$ spierdynamiek), reduceert het systeem tot een enkele tweede-orde ODE voor de spierconcentratie met twee identificeerbare effectieve parameters: effectieve opname ($K_1$) en effectieve eliminatie ($K_2$).
2. Kalibratie: $K_1$ en $K_2$ werden gefit via niet-lineaire kleinste kwadraten aan de steady-state spierconcentraties (plateau-gemiddelden) van de oorspronkelijke studie over negen verbinding $\times$ mengsel combinaties. De auteurs merken expliciet op dat voor zeven van deze combinaties het aantal datapunten gelijk is aan het aantal gefitte parameters, wat dit een kalibratie maakt in plaats van een onafhankelijke validatie.
3. Hepatische Decompositie: Om de effectieve parameters te decomponeren in fysiologische snelheden ($k_{up}$, $k_{fm}$, $k_{mf}$, $k_{elim}$), werd dit model verankerd aan externe, onafhankelijke bronnen:
   • Eliminatie ($k_{elim}$): Afgeleid van de US EPA EPI Suite (BCFBAF module) met behulp van QSARs, waarbij een specifieke gemeten waarde voor diuron werd gebruikt.
   • Opname ($k_{up}$): Een consensuswaarde werd vastgesteld door het geometrisch gemiddelde te nemen van twee onafhankelijke schattingen: een moleculaire QSAR (Kuo & Di Toro) en een fysiologische schatting gebaseerd op gemeten kieuwextractie-efficiëntie (McKim et al.) geschaald naar de tilapia-fysiologie.
   • Distributie: De resterende snelheidsconstanten ($k_{fm}$, $k_{mf}$) werden algebraïsch opgelost.
4. Risicobeoordeling: De deterministische risicobeoordeling uit de oorspronkelijke studie werd geherformuleerd als een Monte Carlo-simulatie (Latin Hypercube Sampling) om de onzekerheid in BCF en consumentlichaamsgewicht te propageren, waarbij de waarschijnlijkheid van overschrijding van de Acceptabele Dagelijkse Inname (ADI) werd berekend.
5. Verificatie: Het model werd getest tegen 214 individuele visbepalingen (niet alleen gemiddelden) om de parametereerbaarheid te beoordelen en om de structurele beperkingen van het experimentele ontwerp (bijv. niet-monotone concentratieafnames) te controleren.

Belangrijkste Resultaten

• Model Fit en Identificeerbaarheid: Het gereduceerde model reproduceerde de empirische BCF's met verwaarloosbare residuen. Echter, de dag-op-dag data bevestigden dat $K_1$ en $K_2$ individueel niet identificeerbaar zijn in zeven van de negen gevallen omdat de bemonstering enkel plaatsvond tijdens de plateau-fase. Het vermogen van het model om deze constanten te scheiden, rustte volledig op de hierboven beschreven externe verankering.
• Fysiologische Decompositie: De decompositie onthulde dat branchiale opname ($k_{up}$) aanzienlijk sneller is dan hepatische klaring ($k_{elim}$), welke op zijn beurt weer sneller is dan de distributie van lever naar spier ($k_{fm}$). Dit ondersteunt een mechanisme van "sterke hepatische first-pass", waarbij de lever het deel van de chemische stof dat de spier bereikt, beperkt.
• Externe Plausibiliteitscontroles:
  • De geïmpliceerde lever-naar-spier partitieverhoudingen voor tebuthiuron, hexazinone en diuron kwamen binnen een orde van grootte overeen met onafhankelijke metingen voor atrazine in tilapia.
  • Het model faalde voor ametryn, waarbij een lever-naar-spier ratio werd voorspeld die ~10 keer hoger is dan de geobserveerde benchmarks. De auteurs identificeren de lever-naar-spier distributie van ametryn als het minst geconstrande element van het model, waarschijnlijk door de trage hepatische eliminatie.
• Mengseleffecten: De effectieve eliminatiesnelheid ($K_2$) voor tebuthiuron nam monotoon af naarmate het aantal co-geëxposeerde herbiciden toenam (een reductie van 34% van binaire naar quartaire mengsels). Dit patroon is consistent met competitieve inhibitie van hepatische enzymen, een mechanisme dat niet detecteerbaar is door de oorspronkelijke geaggregeerde BCF.
• Risicobeoordeling: De Monte Carlo-simulatie bevestigde de conclusie van de oorspronkelijke studie: de waarschijnlijkheid van het overschrijden van de ADI is verwaarloosbaar (0% in 1.000 simulaties), zelfs onder extreme consumptiescenario's. BCF was de dominante drijfveer van de onzekerheid in de berekening van de Maximale Dagelijkse Inname (MDI).

Significantie en Claims
Het artikel stelt dat het herformuleren van geaggregeerde BCF-data in een mechanistisch, hepatisch-compartimentaal model het mogelijk maakt om:

1. Decompositie: De BCF te splitsen in fysiologisch interpreteerbare snelheidsconstanten ($k_{up}$, $k_{elim}$, etc.) door deze te verankeren aan onafhankelijke databases, in plaats van ze als ondoorzichtige gefitte getallen achter te laten.
2. Mengselsensitiviteit: Te detecteren dat BCF geen vaste eigenschap van een verbinding is maar varieert met de samenstelling van het mengsel, een afhankelijkheid die partitiecoëfficiënt-gebaseerde QSARs niet kunnen vangen.
3. Hypothesevorming: Een structurele basis te bieden voor het hypothetiseren van metabole interacties (bijv. competitieve inhibitie) in scenario's van co-expositie, waar de oorspronkelijke empirische benadering slechts over speculaties kon beschikken.
4. Methodologische Transparantie: De structurele beperkingen van standaard twee-fasen bioconcentratieprotocollen (bemonstering enkel tijdens de plateau-fase en na overplaatsing naar schoon water) te belichten, die de opname- en eliminatiesnelheden onidentificeerbaar maken zonder externe beperkingen en die mengseleffecten kunnen maskeren door alle co-exposities tijdens de depuratie-fase te verwijderen.

De auteurs hanteren een bescheiden standpunt en benadrukken dat het model een kalibratie is op bestaande data en geen validatie van eerste-orde kinetica, en dat de decompositie steunt op de convergentie van onafhankelijke schattingsmethoden in plaats van directe meting van leverresiduen. Het werk dient als een bewijs van concept voor het oplossen van geaggregeerde bioconcentratiedata in mechanistische componenten wanneer enkel eetbaar weefsel (spier) wordt bemonsterd.