Comparative transcriptome analysis in livers of female and male marine medaka (Oryzias melastigma)
-
摘要: 海水青鳉 (Oryzias melastigma) 作为雌雄异体的模式动物，在研究外来污染物毒性效应性别差异上具有优势。运用转录组学技术系统研究了雌、雄海水青鳉肝脏组织中的差异表达基因，结果显示雌、雄青鳉肝脏中共有1 351个显著差异表达基因，其中683个在雌鱼肝脏中高表达，668个在雄鱼肝脏中高表达。雌鱼肝脏中高表达的差异基因主要涉及生殖和性激素合成相关通路，如卵黄蛋白原和雌激素受体。雄鱼肝脏中高表达的差异基因主要涉及能量代谢、细胞骨架和肌肉收缩等相关生物过程，如丙酮酸激酶、肌酸激酶、肌球蛋白和肌钙蛋白等。实时荧光定量PCR验证结果显示，除DNA错配修复蛋白基因以外，其他17个基因差异表达倍数与RNA-seq对应基因差异表达趋势基本一致，表明转录组分析数据基本可靠。研究表明，雌、雄海水青鳉肝脏中基因表达具有差异调控模式，研究获得的差异基因和调控通路将为海水青鳉对外来污染物性别差异响应分子机制研究提供一定的理论基础。Abstract: As a gonochoristic model animal, marine medaka (Oryzias melastigma) is good for studying the sex-specific responses of organisms to xenobiotic pollutants. We used comparative transcriptomics technology to systematically investigate the differentially expressed genes (DEGs) between the liver tissues of female and male medaka. We identified 683 significantly up-regulated DEGs in the females, and 668 DEGs in the males. The high expressed DEGs in the females were involved in the reproductive and sex hormone synthesis pathways, such as vitellogenin and estrogen receptor. The top twenty DEGs in the males were involved in energy metabolism, cytoskeleton and muscle contraction, such as pyruvate kinase, creatine kinase, myosin and troponin. Except for the DNA mismatch repair protein, all the 17 DEGs had similar magnitude and expression trends by both qRT-PCR and RNA-seq analyses, which confirms the reliability of the RNA-seq data. The results demonstrate that the gene expression patterns are different in the livers of female and male medaka, and the DEGs provide a theoretical basis for promoting the molecular mechanism of sex-specific responses of medaka to xenobiotic pollutants.
-
Keywords:
- Oryzias melastigma /
- Liver /
- Sex /
- Transcriptome /
- Differential expression genes
-
海洋环境污染会危害海洋生态系统，影响海洋食物产出，并对人类健康造成影响。海洋环境质量评价是开展海洋环境管理的依据，而海洋环境评价的精度取决于海洋环境的监测和评价水平。世界各国学者开展了海洋环境质量综合评价研究，其中海水水质评价方法、海洋沉积物评价方法和海洋环境综合评价方法是当前研究的重点。在有限的投入下精准评价海洋环境质量，一直是我国学者努力追求的目标。
自1998年开始实施的海水水质标准 (GB 2097—1997)，根据海域的不同使用功能和保护目标，将我国海水水质分为4类，并将各类水质的监测项目水质标准进行了定量划分，同时界定了各监测项目的海水水质分析方法[1]。Paul等[2]对沿海水质的时空分布分析方法进行了总结，包括聚类分析、判别分析、因素分析和主成分分析、变差函数等方法。聚类分析被用于研究海水水质监测数据的相似性。因素分析和主成分分析主要用于沿岸和海水水质数据集的研究，通过减少冗余因子，获取主要的海水环境影响要素。
为了进一步改进评价方法，国内学者就指标体系构建和模型实验进行了大量尝试，如林小苹等[3]利用主成分分析，根据每个站点的主成分得分进行站点聚类，成功将8个站点分为4类。马丽[4]运用可变模糊评价模型，得到了5个海湾的评价级别特征值和健康水平，并利用模糊综合评估模型进行了方法一致性比较。林琳等[5]从水体污染、初级生产力、生物资源等方面对大亚湾海域生态环境的质量状况进行了综合评价，并模拟和分析了环境质量的空间分布趋势。杜飞雁等[6]、方良等[7]、廖秀丽等[8]研究了大亚湾浮游动物的生物量、优势种等生态特征。党耀国等[9]通过构建面板数据的灰色关联度模型，发现基于面板数据灰色关联度模型的聚类方法能够在数据上表现出良好的效果。张燕军等[10]提出了一种基于灰色关联度的人机系统功能聚类方法，详细阐述了人机系统的分层聚类方法，并通过案例验证了该方法的可行性和有效性。岑詠霆[11]根据旅行社顾客满意度，确定旅行社样本及评价指标体系，计算灰色关联度，最后以离差平方和最小为聚类标准，进行聚类分析。郭三党等[12]定义了不同类别之间的关联度，构造了一种基于最大灰色关联度的聚类方法，结果表明新的聚类方法改进了已有的灰色关联聚类中聚类原则存在的缺陷。
大亚湾是我国亚热带海域重要的海洋生物种质资源库[13]，受周边地区工业和人为影响，大亚湾海域生态环境遭到破坏，生态系统也在快速退化[14-15]。越来越多研究者开始关注陆源性污染物的输入以及近海人工养殖造成的海湾环境污染问题[16-18]。海水养殖是大亚湾的重要产业之一，促进了该海域水体中营养盐和有机物的富集，局部海域已出现富营养化趋势[14]。由于大亚湾附近没有江河湖泊等较大的陆源径流输入，湾内海水交换条件一般，主要通过湾口与外海水进行交换[19-24]，水体交换能力总体为南部优于北部、东部优于西部，全湾水体更新时间为26 d[25]。大亚湾核电基地是我国目前在运行核电装机容量最大的核电基地，拥有6台百万千瓦级压水堆核电机组[26]，大亚湾核电站和岭澳核电站的温排水也成为了影响研究海域生态环境的重要因素之一[27]。
本文通过改进灰色关联度聚类，结合层次聚类，构建涵盖水环境和海洋生态的指标体系，在大亚湾西部海域 (核电附近海域) 开展海水质量评价探索研究，将统计学方法引入海域质量评价，旨在建立科学有效的指标评价体系，准确分析目前大亚湾西部的海水质量状况，进而为行业主管部门提供对策和建议。
1. 材料与方法
1.1 数据来源
本文所有数据均来自2020年对大亚湾西南海域的科考调查结果，调查范围为114°30'E—114°55'E、22°25'N—22°50'N，包含2020年四季24个站点的数据 (图1)，主要包括海水水质环境、海洋生态 (浮游植物、浮游动物) 调查。
海水水质环境测量用容积为5 L的有机玻璃采水器采集表层水样 (水面下50 cm)，各调查项目按规范要求现场分装保存，部分指标于实验室进行分析测试。水深用船载渔探仪或FISH4200型便携式渔探仪现场测量，透明度用萨氏盘法现场测定，海水水温、盐度、pH和溶解氧 (DO) 用YSI Pro Plus型多功能水质仪现场测定，化学需氧量 (CODMn)、石油类、活性磷酸盐、无机氮、悬浮物和叶绿素a 参考海洋监测规范第4部分：海水分析 (GB 17378.4—2007) 进行测定。浮游植物用浅水III型浮游生物网距海底约2 m至表层垂直拖网进行采集，网口系流量计，每站垂直拖曳1网，所采样品用5% (φ)的甲醛溶液固定，带回实验室经浓缩后，用数字流式细胞摄像系统 (FlowCam 8400) 进行镜检分类鉴定与计数，分析浮游植物数量分布和多样性。浮游动物用浅水I型浮游生物网距海底约2 m至表层垂直拖网进行采集，网口系流量计，每站垂直拖曳1网，所采样品用5% (φ)的甲醛溶液固定，带回实验室挑去杂物后，以湿质量法称取浮游动物生物量，再用解剖镜进行镜检分类鉴定和计数，分析浮游动物数量分布和多样性。浮游植物密度单位为105个·m−3，Shannon-Weaver多样性指数计算公式为：
$$ H{{{\text{'}}}} {\text{=}} {\text{−}} \sum\limits_{i {\text{=}} 1}^{{S}} {P_i\log_2P_i} $$ (1) 式中：Pi=ni/N ；ni为单位空间内第i种的个体数量 (个·m−3)；N为某站总生物数量 (个·m−3)；S为出现生物总种数。
1.2 技术路线
首先，收集24个站点的指标数据形成指标体系；其次，对指标体系进行主成分分析，验证指标体系的合理性；再次，运用改进的灰色关联度聚类，根据指标体系对24个站点进行聚类，绘制聚类图；最后，根据站点聚类结果，得出结论，分析原因。
1.3 评价方法
1.3.1 主成分分析
主成分分析是采用数学上的降维思想，用少数几个综合指标来代替原来指标的一种多元统计方法。转化生成的综合指标被称为主成分，其中每个主成分都由原始变量的线性组合生成，能够尽可能多地反映原来指标的信息，且各个主成分之间互不相关。
假定有n个样本，每个样本共有p个指标 (变量) 描述，这样就构成了一个n×p阶的数据资料矩阵：
$$ X {\text{=}} ({X_1},{X_2}, \cdots ,{X_p}) {\text{=}} \left( {\begin{array}{*{20}{c}} {{x_{11}}}& \cdots &{{x_{1p}}} \\ \vdots & \ddots & \vdots \\ {{x_{n1}}}& \cdots &{{x_{np}}} \end{array}} \right) $$ (2) 其中：
$$ {X_i} {\text{=}} \left( {\begin{array}{*{20}{c}} {{x_{1i}}} \\ \vdots \\ {{x_{ni}}} \end{array}} \right) $$ (3) 作
$ {X}_{1},{X}_{2},\cdots ,{X}_{p} $ 的线性组合即综合指标，也就是主成分，记新变量指标为$ {Z}_{1},{Z}_{2},\cdots ,{Z}_{p} $ 。则：$$ \left\{ \begin{gathered} {Z_1} {\text{=}} {a_{11}}{X_1} {\text{+}} {a_{21}}{X_2} {\text{+}} \cdots {\text{+}} {a_{p1}}{X_p} \\ {Z_2} {\text{=}} {a_{12}}{X_1} {\text{+}} {a_{22}}{X_2} {\text{+}} \cdots {\text{+}} {a_{p2}}{X_p} \\ \cdots \\ {Z_p} {\text{=}} {a_{1p}}{X_1} {\text{+}} {a_{2p}}{X_2} {\text{+}} \cdots {\text{+}} {a_{pp}}{X_p} \\ \end{gathered} \right. $$ (4) 在上述方程组中要求：
${a}_{1i}^{2}{\text{+}}{a}_{2i}^{2}{\text{+}}\cdots {\text{+}}{a}_{pi}^{2}{\text{=}}1, \; i{\text{=}} \mathrm{1,2},\cdots ,p$ ，且系数$\;\; {a}_{ij} $ 由下列原则来决定：1)
$ {Z}_{i} $ 与$ {Z}_{j} $ ($ {i}\ne {j},{i},{j}{\text{=}}\mathrm{1,2},\cdots ,{p} $ ) 不相关；2)
$ {Z}_{1} $ 是$ {X}_{1},{X}_{2},\cdots ,{X}_{p} $ 的一切线性组合中方差最大者；$ {Z}_{2} $ 是与$ {Z}_{1} $ 不相关的$ {X}_{1},{X}_{2},\cdots ,{X}_{p} $ 的所有线性组合中方差最大者；$ {Z}_{p} $ 是与$ {Z}_{1},{Z}_{2},\cdots ,{Z}_{p-1} $ 都不相关的$ {X}_{1},{X}_{2},\cdots ,{X}_{p} $ 的所有线性组合中方差最大者。这样决定的新变量指标
$ {Z}_{1},{Z}_{2},\cdots ,{Z}_{p} $ 分别称为原变量指标$ {X}_{1},{X}_{2},\cdots ,{X}_{p} $ 的第一、第二、… 、第 p主成分。1.3.2 灰色关联度聚类
以灰色关联分析结果R为基础，构建基于灰色关联度的聚类方法，从而达到对研究对象进行分类的目的。该方法的实质就是生成如下二维空间到一维空间的映射
$ \text{f}\text{}{:}\;{\text{R}}^{2}\to {R}_{g} $ ，其中R为关联度集，$ {R}_{g} $ 为评价对象的相似关系集。1) 确定聚类论域的原始评估矩阵。设待评估海域有m个站点，记为聚类论域
$ S=\left({S}_{1},{S}_{2},\cdots ,{S}_{m}\right) $ ；评价生态系统健康的指标集，记为$C{\text{=}} ({C}_{1}, {C}_{2},\cdots, {C}_{n})$ ，得到原始评估矩阵：$$ {Y_{m \times n}} {\text{=}} \left[ {\begin{array}{*{20}{c}} {{Y_1}} \\ {{Y_2}} \\ \vdots \\ {{Y_m}} \end{array}} \right] {\text{=}} \left[ {\begin{array}{*{20}{c}} {{y_{11}}}&{{y_{12}}}& \cdots &{{y_{1n}}} \\ {{y_{21}}}&{{y_{22}}}& \cdots &{{y_{2n}}} \\ \vdots & \vdots &{}& \vdots \\ {{y_{m1}}}&{{y_{m2}}}& \cdots &{{y_{mn}}} \end{array}} \right] $$ (5) 式中：序列
$ {Y}_{i}=({y}_{i1},{y}_{i2},\cdots ,{y}_{in}) $ 代表海域内第i个站点的各项生态系统健康指标集。2) 数据的标准化处理。由于站点各生态指标的量纲和界限值不同，保证指标间相同因素的可比性，消除不同指标间的不可公度性影响，需要对原始评估矩阵中的数据进行无量纲化处理，采用正态标准化，按下式作同一化处理：
$$ {X_{ij}} {\text{=}} \frac{{{Y_{ij}} {\text{−}} \overline {{C_j}} }}{{{S_j}}} $$ (6) 式中：i为指标代号；j为生态系统健康指标代号；
$ \overline{{C}_{j}} $ 为第j个指标的均值；$ {S}_{j} $ 为第j个指标的标准差；所有数据经过同一化处理后，得到评估矩阵X：$$ {X_{m \times n}} {\text{=}} \left[ {\begin{array}{*{20}{c}} {{X_1}} \\ {{X_2}} \\ \vdots \\ {{X_m}} \end{array}} \right] {\text{=}} \left[ {\begin{array}{*{20}{c}} {{x_{11}}}&{{x_{12}}}& \cdots &{{x_{1n}}} \\ {{x_{21}}}&{{x_{22}}}& \cdots &{{x_{2n}}} \\ \vdots & \vdots &{}& \vdots \\ {{x_{m1}}}&{{x_{m2}}}& \cdots &{{x_{mn}}} \end{array}} \right] $$ (7) 式中：序列
$ {X}_{i}=({x}_{i1},{x}_{i2},\cdots ,{x}_{in}) $ 代表海域内第i个站点经过数据标准化处理后的各项生态系统健康指标集。3) 聚类基础的构成。根据分析问题的实际情况，需要设定基准序列
${X}_{0}{\text{=}}({x}_{01},{x}_{02},\cdots ,{x}_{0n})$ ，为减小误差，对于极大型指标：$ {x}_{0j} $ 取该指标列的90%分位点处数据，对于极小型指标，$ {x}_{0j} $ 取该指标列的10%分位点处数据，对于区间型指标，$ {x}_{0j} $ 取该指标列的50%分位点处数据或均值。对于比较序列
$ {X}_{1},{X}_{2},\cdots ,{X}_{m} $ ，令${R}_{ij}{\text{=}}|{x}_{0j}{\text{−}} {x}_{ij}|$ ，则有：$$ \xi _{ij}^0 {\text{=}} \frac{{\mathop {\min }\limits_i \mathop {\min }\limits_j {R_{ij}}}}{{{R_{ij}} {\text{+}} \rho \mathop {\max }\limits_i \mathop {\max }\limits_j {R_{ij}}}}(i {\text{=}} 1,2, \cdots ,m;j {\text{=}} 1,2, \cdots ,n) $$ (8) 式中：
$ {x}_{ij} $ 与$ {x}_{0j} $ 的相对差值$ {\xi }_{\text{ij}}^{0} $ 定义为关联系数；$ \rho $ 是分辨系数，在 (0,1) 之间取值，可以人为给定，$ \rho $ 越小分辨力越大，通常取$ \rho $ =0.5。关联系数很多，信息较为分散，它的每一个值表示了比较序列$ {X}_{i} $ 对基准序列$ {X}_{0} $ 的关联程度强弱。为更加直观地表现2个数列的关联度，对所有关联系数取平均值：$$ {r_i} {\text{=}} \frac{1}{n}\sum\limits_{j {\text{=}} 1}^n {\xi _{ij}^0} $$ (9) 式中：
$ {r}_{i} $ 代表了序列$ {X}_{i} $ 对基准序列$ {X}_{0} $ 的关联度，称为绝对关联度，$ {r}_{i} $ 值越大，说明序列$ {X}_{i} $ 与基准序列$ {X}_{0} $ 的相似性越高，即对应站点的生态系统越健康。因此可以得到聚类论域S的关联度集R： R=$ \left({r}_{1},{r}_{2},\cdots ,{r}_{m}\right) $ ，关联度集R是聚类分析的基础。4) 建立灰色相似关系矩阵。根据关联度集R，构建聚类论域S中各元素之间的关联度差异矩阵
$ {E}_{S} $ ：$$ {E_S} {\text{=}} \left[ {\begin{array}{*{20}{c}} {{e_{11}}}&{{e_{12}}}& \cdots &{{e_{1m}}} \\ {{e_{21}}}&{{e_{22}}}& \cdots &{{e_{2m}}} \\ \vdots & \vdots &{}& \vdots \\ {{e_{m1}}}&{{e_{m2}}}& \cdots &{{e_{mm}}} \end{array}} \right] $$ (10) 式中：
${e}_{\text{ij}}\left(i,j{\text{=}}\mathrm{1,2},\cdots,m\right)$ 为$ {X}_{i} $ 相对于$ {X}_{j} $ 的差异系数：$$ {e_{ij}} {\text{=}} \frac{{\left| {{r_i} {\text{−}} {r_j}} \right|}}{{{r_j}}},i,j {\text{=}} 1,2, \cdots ,m $$ (11) 由关联度差异矩阵
$ {E}_{S} $ 得差异距离矩阵$ {D}_{S} $ ：$$ {D_S} {\text{=}} \left[ {\begin{array}{*{20}{c}} {{d_{11}}}&{{d_{12}}}& \cdots &{{d_{1m}}} \\ {{d_{21}}}&{{d_{22}}}& \cdots &{{d_{2m}}} \\ \vdots & \vdots &{}& \vdots \\ {{d_{m1}}}&{{d_{m2}}}& \cdots &{{d_{mm}}} \end{array}} \right] $$ (12) 式中：
$ {d}_{ij} $ 为差异距离，$ {d_{ij}} = {e_{ij}} + {e_{ji}} $ 。由于矩阵
$ {E}_{S} $ 的主对角线为零，所以矩阵$ {D}_{S} $ 是主对角线为零的对称矩阵。根据差异距离矩阵
$ {D}_{S} $ 计算可得灰色关联度矩阵$ {R}_{g} $ ：$$ {R_g} {\text{=}} \left[ {\begin{array}{*{20}{c}} {{g_{11}}}&{{g_{12}}}& \cdots &{{g_{1m}}} \\ {{g_{21}}}&{{g_{22}}}& \cdots &{{g_{2m}}} \\ \vdots & \vdots &{}& \vdots \\ {{g_{m1}}}&{{g_{m2}}}& \cdots &{{g_{mm}}} \end{array}} \right] $$ (13) 且有：
$$ {g_{ij}} {\text{=}} 1 {\text{−}} \frac{{{d_{ij}}}}{{\max ({D_S})}} $$ (14) 式中：
$ {{\rm{max}}}\left({D}_{S}\right) $ 表示取矩阵$ {D}_{S} $ 中的最大值元素。对矩阵$ {R}_{g} $ ，显然满足：自反性${g}_{ii}{\text{=}}1$ ，对称性${g}_{\text{ij}}{\text{=}}{g}_{\text{ji}}$ 。因此$ {R}_{g} $ 是灰色相似关系矩阵。经过上述步骤，便完成了映射$ f{:R}^{2}\to {R}_{g} $ 。5) 聚类分析。灰色相似关系矩阵
$ {R}_{g} $ 反映了分析论域S中各元素相互间的关系亲疏程度，可以按照矩阵$ {R}_{g} $ 利用最大树方法对论域S进行聚类。首先以所有分类的对象为顶点，从大到小依次连接灰色相似关系矩阵$ {R}_{g} $ 中的元素$ {g}_{\text{ij}} $ ，在不产生回路的基础上将所有顶点连通，生成最大树并绘制谱系图。6) 改进的灰色关联度聚类。基于灰色相似关系矩阵
$ {R}_{g} $ 的灰色关联度聚类形式单一，缺点明显，类似于单链接的层次聚类，为了改进这一缺点，将灰色相似关系矩阵$ {R}_{g} $ 转化为距离矩阵W：$$ W {\text{=}} \left[ {\begin{array}{*{20}{c}} {{w_{11}}}& \cdots &{{w_{1m}}} \\ \vdots & \ddots & \vdots \\ {{w_{m1}}}& \cdots &{{w_{mm}}} \end{array}} \right] $$ (15) 式中：
$$ {w_{ij}} {\text{=}} \frac{1}{{{g_{ij}}}},i {\text{=}} 1,2, \cdots, m; \;j {\text{=}} 1,2, \cdots ,m $$ (16) 然后利用层次聚类的最小平方差算法，计算每个簇中每个点到合并后的簇中心的距离差的平方和，得到最终的聚类结果。
2. 结果与分析
2.1 主成分分析结果
将表层海水水质环境数据和浮游生物数据、表层叶绿素数据进行主成分分析 (表1)，其中KMO值为0.727>0.5，说明所用数据适合做主成分分析。Bartlett球形度检验，近似卡方=812.282 (P<0.01)，说明因子变量之间高度相关，能够为主成分分析提供合理的基础。按照特征值大于1的标准，确定主成分数，前6个主成分方差累计贡献率为66.78%。由主成分分析结果，按照因子载荷绝对值>0.4可以提取4个主成分 (表2)，第一个主成分PC1为海洋水文和生物生态相关指标，第二主成分PC2为石油类、叶绿素 a、无机氮指标，第三主成分PC3为透明度和活性磷酸盐指标，第四主成分PC4为浮游动物生物量和CODMn指标。
表 1 KMO和Bartlett的检验Table 1. KMO and Bartlett tests指标
Indicator数值
ValueKaiser-Meyer-Olkin度量
KMO measurements0.727 Bartlett的球形度检验
Bartlett's sphericity test近似卡方
Approximate chi-square812.282 自由度 DF 105 显著性 Sig. 0.000 表 2 海水质量评价的因子载荷矩阵Table 2. Factor load matrix for seawater quality assessment因子
Factor第一主
成分
PC1第二主
成分
PC2第三主
成分
PC3第四主
成分
PC4悬浮物
Suspended solids0.466 0.429 −0.062 −0.365 pH 0.607 0.248 0.434 −0.241 水温 Water temperature −0.909 0.224 0.112 −0.122 盐度 Salinity 0.791 0.003 0.495 0.091 浮游植物密度
Phytoplankton density−0.455 0.124 −0.368 0.009 浮游植物多样性指数
Phytoplankton diversity index0.847 −0.223 0.039 0.060 浮游动物多样性指数
Zooplankton diversity index0.533 0.265 −0.225 −0.323 溶解氧 DO 0.633 0.465 0.179 0.129 石油类 Petroleum 0.303 0.493 −0.366 0.252 叶绿素a Chl a 0.192 0.795 0.001 0.260 无机氮
Inorganic nitrogen0.571 −0.667 −0.026 0.118 透明度
Transparency−0.224 −0.398 0.788 −0.032 活性磷酸盐 PO4-P 0.516 −0.469 −0.631 0.103 化学需氧量 CODMn −0.259 0.288 0.300 0.602 浮游动物生物量
Zooplankton biomass0.157 −0.218 −0.079 0.504 注：标红内容表示因子载荷绝对值>0.4，且同一列标红表示同属于一个主成分。 Note: The values marked in red represent that the absolute values of the factor load were over 0.4, and those marked in red within the same column represent that they belong to the same principal component. 2.2 聚类分析结果
聚类选取的指标体系与主成分分析保持一致。首先需要确定每个指标的类型，指标数值越大则水质越好的确定为极大型指标；指标数值越小则水质越好的确定为极小型指标；指标数值波动于某个区间的确定为区间型指标。pH、DO、CODMn、无机氮、活性磷酸盐、悬浮物、石油类、水温参考海水水质标准 (GB 3097—1997)，浮游植物多样性、浮游动物多样性、浮游植物密度、浮游动物生物量参考近岸海域海洋生物多样性评价技术指南 (HY/T 215—2017)，盐度参考近岸海洋生态健康评价指南 (HY/T 087—2005)，叶绿素 a、透明度参考廖秀丽等[28]。此外，根据海水水质标准 (GB 3097—1997)，一类、二类水质是人为造成的海水温升夏季不超过当地1 ℃，其他季节不超过2 ℃，所以，温度相对越低越好，故温度取极小型指标。评价指标及指标类型总结如表3所示。
表 3 海水质量评价指标及指标类型Table 3. Seawater quality assessment index and index type指标 Index 指标类型
Index type指标 Index 指标类型
Index type悬浮物 Suspended solids 极小型指标 石油类 Petroleum 极小型指标 透明度 Transparency 极大型指标 浮游植物密度 Phytoplankton density 极大型指标 pH 区间型指标 浮游植物多样性指数 Phytoplankton diversity index 极大型指标 水温 Water temperature 极小型指标 浮游动物多样性指数 Zooplankton diversity index 极大型指标 盐度 Salinity 极小型指标 浮游动物生物量 Zooplankton biomass 极大型指标 叶绿素a Chl a 区间型指标 活性磷酸盐 PO4-P 极小型指标 溶解氧 DO 极大型指标 化学需氧量 CODMn 极小型指标 无机氮 Inorganic nitrogen 极小型指标 根据数据可以计算出4个季节及年度水环境评价的绝对关联度 (表4)，其中绝对关联度越大，综合评价越优。
表 4 海水质量评价的绝对关联度Table 4. Absolute correlation degree of seawater quality assessment冬季
Winter站点 Station S5 S1 S21 S20 S23 S13 S11 S8 绝对关联度 Absolute relevance 0.802 0.789 0.772 0.769 0.767 0.756 0.756 0.756 站点 Station S19 S10 S15 S18 S3 S14 S4 S24 绝对关联度 Absolute relevance 0.754 0.750 0.744 0.738 0.730 0.728 0.727 0.722 站点 Station S17 S9 S12 S22 S16 S7 S2 S6 绝对关联度 Absolute relevance 0.718 0.714 0.711 0.703 0.703 0.697 0.667 0.654 春季
Spring站点 Station S22 S12 S14 S7 S4 S11 S17 S20 绝对关联度 Absolute relevance 0.843 0.842 0.785 0.765 0.763 0.758 0.752 0.751 站点 Station S21 S23 S18 S13 S16 S6 S19 S24 绝对关联度 Absolute relevance 0.748 0.747 0.743 0.725 0.724 0.724 0.722 0.721 站点 Station S10 S9 S8 S15 S5 S1 S3 S2 绝对关联度 Absolute relevance 0.717 0.701 0.688 0.687 0.667 0.655 0.647 0.622 夏季
Summer站点 Station S7 S8 S13 S14 S3 S23 S4 S5 绝对关联度 Absolute relevance 0.841 0.823 0.816 0.814 0.806 0.803 0.799 0.771 站点 Station S6 S18 S1 S17 S24 S2 S10 S22 绝对关联度 Absolute relevance 0.769 0.764 0.763 0.748 0.744 0.743 0.736 0.734 站点 Station S21 S16 S11 S12 S15 S20 S9 S19 绝对关联度 Absolute relevance 0.706 0.702 0.700 0.695 0.680 0.679 0.666 0.643 秋季
Autumn站点 Station S7 S22 S4 S9 S20 S3 S6 S10 绝对关联度 Absolute relevance 0.771 0.771 0.770 0.755 0.752 0.750 0.748 0.746 站点 Station S19 S17 S12 S21 S11 S23 S13 S18 绝对关联度 Absolute relevance 0.742 0.733 0.718 0.711 0.702 0.701 0.699 0.697 站点 Station S1 S24 S15 S16 S5 S2 S8 S14 绝对关联度 Absolute relevance 0.683 0.672 0.665 0.664 0.655 0.654 0.649 0.625 年度
Annual站点 Station S7 S4 S22 S23 S13 S12 S14 S20 绝对关联度 Absolute relevance 0.769 0.765 0.763 0.754 0.749 0.742 0.738 0.738 站点 Station S17 S10 S18 S21 S3 S8 S11 S5 绝对关联度 Absolute relevance 0.738 0.737 0.735 0.734 0.733 0.729 0.729 0.724 站点 Station S6 S1 S19 S24 S9 S16 S15 S2 绝对关联度 Absolute relevance 0.724 0.722 0.715 0.715 0.709 0.698 0.694 0.671 海水水质标准 (GB 3097—1997) 中，将水质分为4个等级；近岸海域海洋生物多样性评价技术指南 (HY/T 215—2017) 中，将海洋生物划分为5个等级；近岸海洋生态健康评价指南 (HY/T 087—2005) 中，将生态健康划分为3个等级；廖秀丽等[28]将海湾养殖环境划分为3个等级。本文将海水质量状况划分为3个等级 (良好、中等、较差)。根据距离矩阵W，进行最小平方差算法的层次聚类，4个季节及年度的聚类结果如图2所示。
![]()
图 2 海水质量评价聚类图及站点分区Figure 2. Cluster map and site partition of seawater quality assessment根据春夏秋冬四季和年度水环境评价的聚类图，可将站点划分为3类 (表5) ，一类 (良好) 站点占比20.83%，二类 (中等) 站点占比66.67%，三类 (较差) 站点占比12.5%，总体结果表现中等。4个季节相比，平均绝对关联度为夏季 (0.747 9) >冬季 (0.734 5) >春季 (0.729 0) >秋季 (0.709 7)，夏季海水质量状况相对较好，秋季表现相对最差。
表 5 海水质量评价的分类Table 5. Classification of seawater quality assessment站点
Station冬季
Winter春季
Spring夏季
Summer秋季
Autumn年度
AnnualS1 △ ☆ □ ☆ □ S2 ☆ ☆ □ ☆ ☆ S3 □ ☆ △ △ □ S4 □ △ △ △ △ S5 △ ☆ □ ☆ □ S6 ☆ □ □ △ □ S7 □ △ △ △ △ S8 △ □ △ ☆ □ S9 □ □ ☆ △ □ S10 △ □ □ △ □ S11 △ △ ☆ □ □ S12 □ △ ☆ □ □ S13 △ □ △ □ △ S14 □ △ △ ☆ □ S15 △ □ ☆ ☆ ☆ S16 □ □ ☆ ☆ ☆ S17 □ △ □ □ □ S18 △ △ □ □ □ S19 △ □ ☆ △ □ S20 △ △ ☆ △ □ S21 △ △ ☆ □ □ S22 □ △ □ △ △ S23 △ △ △ □ △ S24 □ □ □ ☆ □ 注：△. 一类；□. 二类；☆. 三类；一类表示综合表现最好，其后依次为二类、三类。 Note: △. Class I; □. Class II; ☆. Class III. Class I indicates the best overall performance, followed by Class II and Class III. 2.3 整体评价结果
大亚湾海洋环境质量受近岸人类开发活动和南海外海水入侵共同影响，其中大亚湾海域潮流基本呈往复流流态。大亚湾湾口的大辣甲和黄毛山将大亚湾湾口分隔成3条通道与外海相连。涨潮时，湾外潮流沿3条通道进入大亚湾内，然后朝北往大亚湾顶上溯。大辣甲西侧上溯的水流在大坑附近海域辐散，分成两支潮流分别向西进入大鹏澳和向东北随主流向北进入澳头湾。落潮时，大亚湾内的水体基本上沿涨潮流相反方向流出湾口。根据评价结果，结合大亚湾水流方向及人类活动影响方式的不同，可将大亚湾24个站点分成3个区域 (A区4站：S9、S10、S19、S20，B区12站：S4、S6、S7、S11—S13、S15—S17、S21—S23，C区8站：S1—S3、S5、S8、S14、S18、S24，图2)，而这3个区域的划分与大亚湾周边实际生产生活状况和笔者的实地踏勘情况相符。本文评价指标并未包含重金属、有机污染物和渔业资源等成本较高的监测指标，说明本方法在基于有限指标的情况下，展现出了一定的操作性。
A区临近大亚湾北部近岸海域，北部沿岸城镇密集、人口众多，并建有大亚湾石油化工基地，该基地是我国为数不多的世界级石化基地，工业产能较大，对近岸海域环境有较大影响，因此A区可定义为大亚湾北部工业和城镇影响区。大亚湾核电基地附近海域呈现出明显的辐散、辐合流特征，所以B区可定义为辐散、辐合流及温排水影响区。C区S2站点附近是大亚湾重要的水产养殖区，主要为网箱养殖与贝类养殖，所以S2站点主要受到养殖场的影响。其他站点均离岸较近，且S8、S14站点位于旅游景点杨梅坑附近，在旅游旺季陆源输入的影响较大。S24站点位于大亚湾湾口的西侧海域，代表了外海水进入大亚湾的区域，受外海水影响较大，所以C区可定义为人类活动影响区。
总结四季各站点质量评价的分类结果见表5。
3. 结论
根据构建的指标体系，通过改进灰色关联度聚类，结合层次聚类，对大亚湾海域24个站点进行聚类评价，成功将海域分成3个区域，而这3个区域的划分与大亚湾周边实际生产生活状况以及笔者的实地踏勘相符，实现了在有限指标情况下的评价可操作性。
在聚类结果的展示图方面，层次聚类只能展示出同类站点，不能展示出站点的相对优劣顺序，而灰色关联度聚类可以展现站点的相对优劣顺序，所以在将灰色关联度与层次聚类结合时，可考虑在改进算法中增加站点相对优劣顺序，增强聚类结果的展示性。
-
![]()
图 1 雌、雄海水青鳉肝脏基因差异表达分析火山图
Figure 1. Volcano plot of deferential expressed genes in livers of female and male O. melastigma
![]()
图 2 qRT-PCR验证结果
Figure 2. Comparison of relative expression levels between RNA-Seq and qRT-PCR results
表 1 靶基因qRT-PCR引物序列
Table 1 Primer sequences of tested genes used in qRT-PCR
Gene 编号
Gene ID注释结果
Gene description引物序列 (5'—3')
Primer sequence (5'–3')ENSOMEG00000014272 丙酮酸激酶 pyruvate kinase GATGCAGGTTCTTCCGTTAT
GTTTCAGCGTGGTATTCGTGENSOMEG00000023209 肌酸激酶 creatine kinase M-type TACAAGCCCACCGACAAGCA
GCCAGAGCCTCAATGGACAGENSOMEG00000008770 ATP依赖6-磷酸果糖激酶 ATP-dependent 6-phosphofructokinase, muscle type TCCTCCAGGGACATCAGA
CCAGGAAAGCCTCAAAGCENSOMEG00000013229 异柠檬酸脱氢酶 isocitrate dehydrogenase [NADP], mitochondrial ACATTCCTCGGCTTGTTC
ACATTCCTCGGCTTGTTCENSOMEG00000016412 葡萄糖激酶 glucokinase GCGATTTCTTGGCTTTGG
GGAGTACATTTGGTTCGTENSOMEG00000013940 肌球蛋白重链 myosin heavy chain AAGGCTAACAGTGAGGTGG
CTCCACATCAATCATAAGGTCENSOMEG00000022055 肌钙蛋白C troponin C ACTCACCCAAACGGACCCAG
GCCCAGCATCCTCATCACCTENSOMEG00000017631 卵黄蛋白原1 vitellogenin-1 ACCCTCTACTCTGTCAACGA
TATCTTCTGGCACTCCTCACENSOMEG00000017938 卵黄蛋白原2 vitellogenin-2 TGAAAGATGTACCGAGTGCG
TCAATGGGTGTTTGGAGGAGENSOMEG00000015512 3-β-羟基类固醇异构酶 3-beta-hydroxysteroid-Delta (8), Delta (7)-isomerase TGGAGTTCCGTGTTTGAGTT
GGTCATTAGCCACATAGTTAGGENSOMEG00000010141 17-β-羟基类固醇脱氢酶 17-beta-hydroxysteroid dehydrogenase 7 GTGCTGCCAAAGAAATCAAA
ACATAGAAGAGGCTCCAACTENSOMEG00000009991 雌激素受体 estrogen receptor ATCAGCCCAGCCTCCTCA
GGGTCCGTTCGTCTCCATENSOMEG00000011913 脂肪酸脱羧酶2 fatty acid desaturase 2 CGGCACTGCTGGCAACTT
GGCTGAACGGCTCCTAAAENSOMEG00000009600 细胞色素P450 cytochrome P4502K1 ACGAGCCAACGAGACAATAC
TAGCAGTCCACAAATCCCCTENSOMEG00000011275 DNA复制许可因子 DNA replication licensing factor MCM6 CCACGGAAACGACGAGGTA
TTTGGCGGTACTCGGGTCTENSOMEG00000001336 DNA错配修复蛋白 DNA mismatch repair protein GGCGTCGCATCATAGTAGCT
CCCTTCTTCCTCCTCCTCTTENSOMEG00000001928 DNA修复蛋白 DNA repair protein RAD51 homolog 1 CGAGTTTGGTGTTGCCGTAG
AGGTCAGATTTCCCAGCGTCENSOMEG00000014847 DNA聚合酶 DNA polymerase epsilon subunit 2 GTGCCCAGATACATTTACAACG
GTGACCATCCCGAGTACGATTA18S核糖体RNA 18S ribosomal RNA GACAAATCGCTCCACCAACT
CCTGCGGCTTAATTTGACCC
下载: 导出CSV
表 2 海水青鳉肝脏转录组测序结果统计
Table 2 Statistics of liver transcriptome of O. melastigma
样品名称
Sample原始数据
Raw reads净序列
Clean reads错误率
Errorrate/%质量值大于30
Q30/%比对到基因组上的序列
Total mapped reads to genome/%CF1 46 032 406 42 172 460 0.02 94.30 91.89 CF2 46 965 052 43 062 498 0.03 93.76 91.71 CF3 45 711 652 41 474 580 0.03 93.90 91.92 CM1 44 214 558 41 630 522 0.03 93.70 90.06 CM2 47 037 770 44 496 970 0.03 93.99 86.77 CM3 47 890 610 44 474 994 0.03 94.00 87.79
下载: 导出CSV
表 3 雌雄海水青鳉肝脏基因表达变化倍数最高的前20个基因
Table 3 Top twenty significantly up-regulated genes in livers of female and male O. melastigma
基因ID
Gene ID变化倍数
log2 fold change基因注释
Gene description雌鱼 Female ENSOMEG00000001115 10.20 溶质载体家族41成员 solute carrier family 41 member 1 ENSOMEG00000003787 10.05 WAP型 (乳清酸性蛋白质) 四二硫核心 WAP-type (Whey Acidic Protein) 'four-disulfide core' ENSOMEG00000009600 9.90 细胞色素 P450 cytochrome P450 2K1 novel.1314 9.90 卵黄蛋白原1 vitellogenin-1 ENSOMEG00000017631 9.80 卵黄蛋白原1 vitellogenin-1 ENSOMEG00000003805 9.69 WAP型 (乳清酸性蛋白质) 四二硫核心 WAP-type (Whey Acidic Protein) 'four-disulfide core' ENSOMEG00000014709 9.65 卵黄蛋白原1 vitellogenin-1 ENSOMEG00000017938 9.63 卵黄蛋白原2 vitellogenin-2 ENSOMEG00000016745 9.35 脑特异性血管生成抑制因子1 brain-specific angiogenesis inhibitor 1 ENSOMEG00000014656 9.31 卵黄蛋白原1 vitellogenin-1 ENSOMEG00000012102 9.20 蛋白赖氨酸6-氧化酶 protein-lysine 6-oxidase ENSOMEG00000016916 9.11 神经元正五肽受体 neuronal pentraxin receptor ENSOMEG00000013237 8.76 cornichon同源蛋白3 protein cornichon homolog 3 ENSOMEG00000017881 8.73 ras相关蛋白 ras-related protein Rab-39B ENSOMEG00000014740 8.73 卵黄蛋白原1 vitellogenin-1 ENSOMEG00000016835 8.67 细胞外丝氨酸/苏氨酸蛋白激酶 extracellular serine/threonine protein kinase FAM20C ENSOMEG00000016456 8.17 卵黄蛋白原1 vitellogenin-1 ENSOMEG00000017903 7.67 ras相关蛋白 ras-related protein Rab-38 ENSOMEG00000008961 6.89 透明带精子结合蛋白4 zona pellucida sperm-binding protein 4 ENSOMEG00000009991 6.45 雌激素受体 estrogen receptor 雄鱼 Male ENSOMEG00000014272 13.42 丙酮酸激酶 pyruvate kinase PKM ENSOMEG00000015762 11.86 肌酸激酶 creatine kinase M-type ENSOMEG00000018541 11.74 热休克蛋白71 heat shock cognate 71 kDa protein ENSOMEG00000013940 11.72 肌球蛋白重链 myosin heavy chain, fast skeletal muscle ENSOMEG00000021803 11.30 肌球蛋白调节轻链2 myosin regulatory light chain 2, skeletal muscle isoform ENSOMEG00000021829 11.00 磷酸甘油酸突变酶2 phosphoglycerate mutase 2 ENSOMEG00000005322 10.74 肌球蛋白重链 myosin heavy chain, fast skeletal muscle ENSOMEG00000015087 10.60 肥大细胞蛋白酶8 mast cell protease 8 ENSOMEG00000000307 10.56 肌钙蛋白C troponin C, skeletal muscle ENSOMEG00000012484 10.55 蛋白酪氨酸磷酸酶 protein tyrosine phosphatase type IVA 3 ENSOMEG00000007501 10.50 ADP/ATP转位酶 ADP/ATP translocase 1 ENSOMEG00000023209 10.48 肌酸激酶 creatine kinase M-type ENSOMEG00000008770 10.47 ATP依赖6-磷酸果糖激酶 ATP-dependent 6-phosphofructokinase, muscle type ENSOMEG00000002691 10.25 辛肌动蛋白结合重复序列蛋白 Xin actin-binding repeat-containing protein 2 ENSOMEG00000006520 10.24 小清蛋白 parvalbumin beta ENSOMEG00000008672 10.21 LIM结构域结合蛋白 LIM domain-binding protein 3 ENSOMEG00000018391 10.15 肌球蛋白结合蛋白C myosin-binding protein C, fast-type ENSOMEG00000020650 9.98 ryanodine受体 ryanodine receptor 1 ENSOMEG00000001483 9.96 结蛋白 desmin ENSOMEG00000015807 9.96 AMP脱氨酶 AMP deaminase 1
下载: 导出CSV
表 4 差异表达基因显著富集KEGG通路
Table 4 Significantly enriched KEGG pathways
KEGG 通路
KEGG pathway雌鱼
Female雄鱼
MaleP 通路 ID
Pathway IDDNA复制与修复过程 DNA replication and repair process DNA复制 DNA replication 20 0 1.91×10−11 ola03030 错配修复 Mismatch repair 11 0 5.03×10−6 ola03430 嘧啶代谢 Pyrimidine metabolism 12 3 3.31×10−3 ola00240 嘌呤代谢 Purine metabolism 10 13 2.52×10−2 ola00230 核苷酸切除修复 Nucleotide excision repair 9 0 3.18×10−2 ola03420 碱基切除修复 Base excision repair 7 1 4.95×10−2 ola03410 脂类代谢过程 Lipid metabolism process 甾体生物合成 Steroid biosynthesis 13 0 2.64×10−7 ola00100 PPAR信号通路 PPAR signaling pathway 8 8 6.39×10−3 ola03320 脂肪酸代谢 Fatty acid metabolism 12 2 1.70×10−2 ola01212 不饱和脂肪酸生物合成 Biosynthesis of unsaturated fatty acids 7 2 2.52×10−2 ola01040 脂肪酸生物合成 Fatty acid biosynthesis 6 0 3.78×10−2 ola00061 萜骨架生物合成 Terpenoid backbone biosynthesis 6 0 3.78×10−2 ola00900 氨基酸与蛋白生物合成 Amino acid and protein biosynthesis 真核生物核糖体生物发生 Ribosome biogenesis in eukaryotes 21 1 2.64×10−7 ola03008 内质网蛋白加工 Protein processing in endoplasmic reticulum 27 3 3.31×10−3 ola04141 精氨酸和脯氨酸代谢 Arginine and proline metabolism 4 8 1.22×10−2 ola00330 氨基酸生物合成 Biosynthesis of amino acids 9 7 1.30×10−2 ola01230 氨酰tRNA生物合成 Aminoacyl-tRNA biosynthesis 10 0 1.31×10−2 ola00970 蛋白质输出 Protein export 7 0 1.81×10−2 ola03060 其他 Others N-聚糖生物合成 N-Glycan biosynthesis 11 0 2.52×10−2 ola00510
下载: 导出CSV
-
[1] CHEN X P, LI L, CHENG J P, et al. Molecular staging of marine medaka: a model organism for marine ecotoxicity study[J]. Mar Pollut Bull, 2011, 63(5/6/7/8/9/10/11/12): 309-317.
[2] KIM B, KIM J, CHOI I Y, et al. Omics of the marine medaka (Oryzias melastigma) and its relevance to marine environmental research[J]. Mar Environ Res, 2016, 113: 141-152. doi: 10.1016/j.marenvres.2015.12.004
[3] YIN X H, LIU Y, ZEB R, et al. The intergenerational toxic effects on offspring of medaka fish Oryzias melastigma from parental benzo[a]pyrene exposure via interference of the circadian rhythm[J]. Environ Pollut, 2020, 267: 115437. doi: 10.1016/j.envpol.2020.115437
[4] LU W J, LONG L, ZHAO P Q, et al. Perfluorinated compounds disrupted osmoregulation in Oryzias melastigma during acclimation to hypoosmotic environment[J]. Ecotoxicol Environ Saf, 2021, 223: 112613. doi: 10.1016/j.ecoenv.2021.112613
[5] FONG C C, SHI Y F, YU W K, et al. iTRAQ-based proteomic profiling of the marine medaka (Oryzias melastigma) gonad exposed to BDE-47[J]. Mar Pollut Bull, 2014, 85(2): 471-478. doi: 10.1016/j.marpolbul.2014.04.024
[6] WANG R F, ZHU L M, ZHANG J, et al. Developmental toxicity of copper in marine medaka (Oryzias melastigma) embryos and larvae[J]. Chemosphere, 2020, 247: 125923. doi: 10.1016/j.chemosphere.2020.125923
[7] ZHANG Y B, WANG J, LU L, et al. Genotoxic biomarkers and histological changes in marine medaka (Oryzias melastigma) exposed to 17α-ethynylestradiol and 17β-trenbolone[J]. Mar Pollut Bull, 2020, 150: 110601. doi: 10.1016/j.marpolbul.2019.110601
[8] CONG Y, JIN F, WANG J Y, et al. The embryotoxicity of ZnO nanoparticles to marine medaka, Oryzias melastigma[J]. Aquat Toxicol, 2017, 185: 11-18. doi: 10.1016/j.aquatox.2017.01.006
[9] ZHANG Y T, CHEN M Y, HE S Q, et al. Microplastics decrease the toxicity of triphenyl phosphate (TPhP) in the marine medaka (Oryzias melastigma) larvae[J]. Sci Total Environ, 2020, 763: 143040.
[10] CONG Y, JIN F, TIAN M, et al. Ingestion, egestion and post-exposure effects of polystyrene microspheres on marine medaka (Oryzias melastigma)[J]. Chemosphere, 2019, 228: 93-100. doi: 10.1016/j.chemosphere.2019.04.098
[11] KANG H M, BYEON E, JEONG H, et al. Different effects of nano- and microplastics on oxidative status and gut microbiota in the marine medaka Oryzias melastigma[J]. J Hazard Mater, 2020, 405: 124207.
[12] 靳非, 田淼, 穆景利, 等. 聚苯乙烯微塑料长期暴露对海水青鳉 (Oryzias melastigma) 亲代生长、繁殖及子代发育的影响[J]. 生态毒理学报, 2021, 16(4): 216-223. [13] WANG J, LI Y J, LU L, et al. Polystyrene microplastics cause tissue damages, sex-specific reproductive disruption and transgenerational effects in marine medaka (Oryzias melastigma)[J]. Environ Pollut, 2019, 254: 113024. doi: 10.1016/j.envpol.2019.113024
[14] HE S W, YU D D, LI P, et al. A new perspective on endocrine disrupting effects of triphenyltin on marine medaka: from brain transcriptome, gut content metabolome and behavior[J]. Chemosphere, 2022, 307: 136190. doi: 10.1016/j.chemosphere.2022.136190
[15] LIANG P P, SAQIB H S A, NI X M, et al. Long-read sequencing and de novo genome assembly of marine medaka (Oryzias melastigma)[J]. BMC Genomics, 2020, 21(1): 640. doi: 10.1186/s12864-020-07042-7
[16] LAI K P, TAM N, WANG S Y, et al. Hypoxia causes sex-specific hepatic toxicity at the transcriptome level in marine medaka (Oryzias melastigma)[J]. Aquat Toxicol, 2020, 224: 105520. doi: 10.1016/j.aquatox.2020.105520
[17] LIANG P P, SAPIB H S A, LIN Z Y, et al. RNA-seq analyses of marine medaka (Oryzias melastigma) reveals salinity responsive transcriptomes in the gills and livers[J]. Aquat Toxicol, 2021, 240: 105970. doi: 10.1016/j.aquatox.2021.105970
[18] YE R R, LEI E N Y, LAM M H W, et al. Gender-specific modulation of immune system complement gene expression in marine medaka Oryzias melastigma following dietary exposure of BDE-47[J]. Environ Sci Pollut Res Int, 2011, 19(7): 2477-2487.
[19] YU W K, SHI Y F, FONG C C, et al. Gender-specific transcriptional profiling of marine medaka (Oryzias melastigma) liver upon BDE-47 exposure[J]. Comp Biochem Physiol D, 2013, 8(3): 255-262.
[20] YIN X H, ZEB R, WEI H, et al. Acute exposure of di (2-ethylhexyl) phthalate (DEHP) induces immune signal regulation and ferroptosis in Oryzias melastigma[J]. Chemosphere, 2021, 265: 129053. doi: 10.1016/j.chemosphere.2020.129053
[21] QIAO Q, MANACH S L, SOTTON B, et al. Deep sexual dimorphism in adult medaka fish liver highlighted by multi-omic approach[J]. Sci Rep, 2016, 26(6): 32459.
[22] ZHENG W L, XU H Y, LAM S H, et al. Transcriptomic analyses of sexual dimorphism of the zebrafish liver and the effect of sex hormones[J]. PLoS One, 2013, 8(1): e53562. doi: 10.1371/journal.pone.0053562
[23] MORTAZAVI A, WILLIAMS B A, MCCUE K, et al. Mapping and quantifying mammalian transcriptomes by RNA-Seq[J]. Nature methods, 2008, 5(7): 621-628. doi: 10.1038/nmeth.1226
[24] LOVE M I, HUBER W, ANDERS S. Moderated estimation of fold change and dispersion for RNA-seq data with DESeq2[J]. Genome Biol, 2014, 15(12): 550. doi: 10.1186/s13059-014-0550-8
[25] YOUNG M D, WAKEFIELD M J, SMYTH G K, et al. Gene ontology analysis for RNA-seq: accounting for selection bias[J]. Genome Biol, 2010, 11(2): R14. doi: 10.1186/gb-2010-11-2-r14
[26] KANEHISA M, ARAKI M, GOTO S. KEGG for linking genomes to life and the environment[J]. Nucleic Acids Res, 2008, 36: 480-484.
[27] CHEN L G, ZHANG W P, YE R, et al. Chronic exposure of marine medaka (Oryzias melastigma) to 4, 5-Dichloro-2-n-octyl-4-isothiazolin-3-one (DCOIT) reveals its mechanism of action in endocrine disruption via the hypothalamus-pituitary-gonadal-liver (HPGL) axis[J]. Environ Sci Technol, 2016, 50(8): 4492-4501. doi: 10.1021/acs.est.6b01137
[28] LIVAK K J, SCHMITTGEN T D. Analysis of relative gene expression data using realtime quantitative PCR and the 2(-Delta Delta C(T)) method[J]. Methods, 2001, 25: 402-408. doi: 10.1006/meth.2001.1262
[29] WU L Y, CHEN H G, RU H Y, et al. Sex-specific effects of triphenyltin chloride (TPT) on thyroid disruption and metabolizing enzymes in adult zebrafish (Danio rerio)[J]. Toxicol Lett, 2020, 331: 143-151. doi: 10.1016/j.toxlet.2020.06.004
[30] WANG G D, WANG T Y, ZhANG X L, et al. Sex-specific effects of fluoride and lead exposures on histology, antioxidant physiology, and immune system in the liver of zebrafish (Danio rerio)[J]. Ecotoxicology, 2022, 31(3): 396-414. doi: 10.1007/s10646-022-02519-5
[31] BAO S P, TANG W, FANG T. Sex-dependent and organ-specific toxicity of silver nanoparticles in livers and intestines of adult zebrafish[J]. Chemosphere, 2020, 249: 126172. doi: 10.1016/j.chemosphere.2020.126172
[32] 董忠典, 黎学友, 廖健, 等. 雌、雄弓背青鳉 (Oryzias curvinotus) 肝脏转录组比较分析[J]. 海洋与湖沼, 2020, 51(5): 1203-1213. [33] ARUKWE A, KULLMAN S W, HINTON D E. Differential biomarker gene and protein expressions in nonylphenol and estradiol-17β treated juvenile rainbow trout (Oncorhynchus mykiss)[J]. Comp Biochem Physiol C, 2001, 129(1): 1-10.
[34] CHEN X P, LI V W T, YU R M K, et al. Choriogenin mRNA as a sensitive molecular biomarker for estrogenic chemicals in developing brackish medaka (Oryzias melastigma)[J]. Ecotoxicol Environ Saf, 2008, 71(1): 200-208. doi: 10.1016/j.ecoenv.2007.10.005
[35] YE T, KANG M, HUANG Q S, et al. Exposure to DEHP and MEHP from hatching to adulthood causes reproductive dysfunction and endocrine disruption in marine medaka (Oryzias melastigma)[J]. Aquat Toxicol, 2014, 146: 115-126. doi: 10.1016/j.aquatox.2013.10.025
[36] WANG X F, YANG Y J, ZHANG L P, et al. Endocrine disruption by di-(2-ethylhexyl) phthvalate in Chinese rare minnow (Gobiocypris rarus)[J]. Environ Toxicol Chem, 2013, 32(8): 1846-1854. doi: 10.1002/etc.2261
[37] UREN-WEBSTER T M, LEWIS C, FILBY A L, et al. Mechanisms of toxicity of di(2-ethylhexyl) phthalate on the reproductive health of male zebrafish[J]. Aquat Toxicol, 2010, 99(3): 360-369. doi: 10.1016/j.aquatox.2010.05.015
[38] 罗志嘉, 王佩, 彭娜, 等. 水产动物生长性别差异研究进展[J]. 水产学杂志, 2017, 30(6): 56-60. doi: 10.3969/j.issn.1005-3832.2017.06.011 [39] ALVES A M, EUVERINK G J, BIBB M J, et al. Identification of ATP-dependent phosphofructokinase as a regulatory step in the glycolytic pathway of the actinomycete Streptomyces coelicolor A3(2)[J]. Appl Environ Microbiol, 1997, 63(3): 956-961. doi: 10.1128/aem.63.3.956-961.1997
[40] SCHORMANN N, HAYDEN K L, LEE P, et al. An overview of structure, function, and regulation of pyruvate kinases[J]. Protein Sci, 2019, 28(10): 1771-1784. doi: 10.1002/pro.3691
[41] DUMINIL P, DAVANTURE M, OURY C, et al. Arabidopsis thaliana 2,3-bisphosphoglycerate-independent phosphoglycerate mutase 2 activity requires serine 82 phosphorylation[J]. Plant J, 2021, 107(5): 1478-1489. doi: 10.1111/tpj.15395
[42] MCLEISH M J, KENYON G L. Relating structure to mechanism in creatine kinase[J]. Crit Rev Biochem Mol Biol, 2005, 40(1): 1-20. doi: 10.1080/10409230590918577
[43] KÜLTZ D. Molecular and evolutionary basis of the cellular stress response[J]. Annu Rev Physiol, 2005(67): 225-257.
[44] MINTON A P. Confinement as a determinant of macromolecular structure and reactivity[J]. Cell, 1992, 63(3): 1090-1100.
[45] 吴聪颖. 微丝的基本性质与细胞核肌动蛋白[J]. 中国细胞生物学学报, 2019, 41(3): 381-386. [46] 陈剑清, 张耀洲. EF手图像超家族成员-肌钙蛋白C的研究进展[J]. 生物工程学报, 2007, 23(3): 375-380. doi: 10.3321/j.issn:1000-3061.2007.03.003 [47] 吉成龙. 典型溴系阻燃剂对紫贻贝毒理效应的组学研究[D]. 烟台: 中国科学院烟台海岸带研究所, 2014: 107-109. [48] ROSE E, FLANAGAN S P, JONES A G. The effects of synthetic estrogen exposure on the sexually dimorphic liver transcriptome of the sex-role-reversed Gulf pipefish[J]. PLoS One, 2015, 10: e0139401. doi: 10.1371/journal.pone.0139401
[49] CHEN H P, JIANG D N, LI Z Y, et al. Comparative physiological and transcriptomic profiling offers insight into the sexual dimorphism of hepatic metabolism in size-dimorphic spotted scat (Scatophagus argus)[J]. Life (Basel), 2021, 11(6): 589.
-
期刊类型引用(0)
其他类型引用(1)
计量
- 文章访问数: 419
- HTML全文浏览量: 121
- PDF下载量: 49
- 被引次数: 1
粤公网安备 44010502001741号
