铅对烟草种子萌发影响的Meta分析.

成剑波，肖 琳，李云平，杨志敏*，陈玉成

（1.三峡库区生态环境教育部重点实验室，重庆 400715；2.西南大学资源环境学院，重庆 400716；3.重庆市烟草公司巫山分公司，重庆 404700）

数据挖掘能识别隐藏于数据间和数据中的宝贵信息[1]。Meta analysis（或称整合分析、二次分析等）作为一种有效的数据挖掘方法[2]，现已广泛用于社会科学、医学、经济学和生态学等领域，如对各种生态效应的研究[3]。它将不同的统计学定量法组织到同一架构中，可完成某一领域不同研究成果的定量概化[4]。目前，Meta分析往往用于多个同类研究的结果的定量总结（宏观），如某领域的文献综述，其用于单个研究的结果的定量表达鲜有报道（微观）。笔者通过Meta分析重金属对作物种子萌发的影响，以实现Pb2+对烟草种子萌发的影响的定量化和概化，探究 Meta分析在研究重金属对作物生长发育影响中的微观应用。

1 材料与方法

1.1 供试材料

试验所用烟草种子为中国烟草总公司重庆市公司提供的K326，所用的外源重金属Pb为实验室配制的Pb(NO3)2溶液。

1.2 试验方法

将约1 cm厚的脱脂棉平铺于18个直径9 cm的培养皿内，再将滤纸铺在脱脂棉上，按每个培养皿40粒种子的标准，将种子均匀分布在各个培养皿内。将培养皿均分为C0、C1、C2、C3、C4、C56组，其对应的 Pb2+浓度分别为0、0.2、0.5、1.0、3.0、5.0 mg/L；将培养皿置于恒温箱中，在23 ℃、80%的相对湿度和13 h/d的光照条件下，定期加入纯水（C0组）和Pb2+溶液，以保持培养床的湿润状态；从种子萌芽时（第 11天）开始，每天记录每个浓度的3个平行样本CX1、CX2和CX3的已发芽总数；于第 20天量取已发芽种子的根长和茎长并结束试验。

1.3 Meta分析方法

Meta分析实为一类数学和统计学方法的多层次组织方式，其作用因方法和方法组合方式不同而不同，且实用范围广。因此，它本身也是一项研究,需要认真设计[5]。一般地，Meta分析通过效应指标量化研究结果（数据）所含的规律，通过加权整合概化同类研究的不同结果，进而较直观简略地表达客观规律。上述过程存在着效应指标的选择、各待整合效应间异质性的分析、效应整合方式的选择等主要环节，同时也隐含着偏性等问题。现有 lnR、Hedges's d、risk ratio等指标和 RevMan、Stata、CMA等软件可帮助完成Meta分析。基于发芽数、根长、茎长和体长（叶除外）数据，为表征Pb2+对种子萌发过程（萌芽+发育）的影响，本研究在计算 Pb2+组对比纯水组而得到的分效应e（lnOR和lnR）后，借助CMA[6]整合了分效应e得到了综合效应E。以本试验为例，视加Pb2+液为处理，加纯水为对照[7]，简介本文涉及的效应指标机会odds、机会比OR和响应比 R[6]：odds = n已萌芽/n未萌芽，可表现出某环境下种子萌芽相对不萌芽优势或萌芽的机会；OR =oddsT/oddsC，可表现出Pb2+液对萌芽机会的影响；可表现出 Pb2+对根发育（或茎发育、体长）的影响。在表征萌发过程时，之所以纳入体长，是因为：（1）虽单粒种子的体长 = 根长+茎长，但数据预处理会丢掉各数据组的离群值和异常离群值，则单粒种子的根长、茎长和体长不一定同时被采纳，故大量种子的体长 ≠ 根长+茎长；（2）相对于根、茎长，体长更能反映种子对包衣营养物质的吸收和转化能力；（3）从更多角度去分析结果，可更客观地还原试验过程。在量化Pb2+液的影响时，之所以未直接使用OR和R而采用lnOR和lnR，是因为[7-9]：（a）对数化指标能平等反映正效应和负效应，如发芽机会增至100倍或减为1/100其效应大小均为4.6；（b）对数化指标能等效反映T和C而不偏重任一方，对数化前，若分子/分母变为（分子×100）/分母则该变化效应值为﹢99（由 100-1算得），若变为分子/（分母×100）则该变化效应值仅为-0.99而非-99，对数化后，两种变化的效应大小均为 4.6；（c）由比值型指标得到的效应值构成的小样本为偏分布而非正态分布，对数化后的样本会更接近正态分布，对客观规律更具表征力。

Pb2+在每个浓度处对种子萌芽影响的计算过程分 3步：（1）在 CMA中，视加 Pb2+液为 T处理;加纯水为 C处理，选用 lnOR从 10个时间尺度（10～19 d）计算 3个培养皿的发芽总数数据（图1a），得到分效应e10～e19；（2）在CMA中判定分效应间的异质性[10]；（3）结合异质性判定结果，用CMA的随机模型将同质分效应整合为综合效应E。Pb2+在每个浓度处对种子萌发（根发育、茎发育或体长）影响的计算过程分5步：（1）用SPSS分别丢掉3个培养皿的长度数据中的离群值和异常离群值；（2）视加Pb2+液为T处理，加纯水为C处理，为每个培养皿设计3个对比（图1b）；（3）根据式1和2[7]，用Excel算出3×3个分效应e1～e9（lnR）及其误差（νlnR）；（4）在CMA中判定分效应间异质性[10]；（5）用CMA的随机模型将同质分效应整合为综合效应E。

图1 种子萌发中Pb2+所产生效应的构造Fig.1 Calculation design for quantifying Pb2+ effect on seeds bourgeon

2 结果与讨论

2.1 Pb2+对烟草种子萌芽的影响

0.2 和0.5 mg/L的各分效应组均无异质性，1、3和5 mg/L的各分效应组的I2均在25%～50%之间属中度异质（表1），说明对各组e10-e19的整合均有效，所得的E均能表征Pb2+对种子萌芽的影响。每个E的95%CI的上限都小于0，表明各浓度 Pb2+液均能降低种子萌芽的机会，能明显抑制并推迟种子萌芽（表1和图2）。在（0，1.5 mg/L）内，抑制作用随浓度增加而快速增大。在1.5 mg/L处，抑制作用升至最大，效应值达到-1.58。在（1.5，5.0 mg/L）内，抑制作用缓慢回落至较稳定水平，效应值定在-0.8左右，但仍比0.2 mg/L大80%。

表1 Pb2+对种子萌芽的影响Table1 Pb2+ effect on seed germination

图2 Pb2+对种子萌芽的影响Fig.2 Pb2+ effect on seed germination

2.2 Pb2+对烟草种子发育的影响

各浓度3个效应组I2均低于50%，说明各效应组均无显著异质性，对各组e1-e9的整合均有效，所得的E均能表征Pb2+对种子发育的影响（表2）。

根的响应均为负，表明各浓度Pb2+溶液均会抑制根的发育（表2和图3a）。所有浓度（除0.2 mg/L外）的响应上限均小于 0，说明它们对根的发育有明显的抑制作用。从0.2 mg/L开始，抑制作用增强。到0.7 mg/L处，响应变为-0.8，抑制作用达到较大水平。在随后的浓度翻倍后，响应减为-0.3。在随后的浓度再翻倍后，抑制作用再次增大。3 mg/L后，抑制作用继续增大但增速变缓。故认为0.7 mg/L和1.5 mg/L为抑制作用的拐点。

各浓度Pb2+溶液对茎的发育均有明显的抑制作用，抑制作用的变化在不同浓度区间差异较大（表2和图 3b）。经过 0.2～0.7 mg/L后抑制作用增加109.68%，而经过0.7～5.0 mg/L后抑制作用仅仅增加17.85%。到0.7 mg/L处，响应为-0.33，抑制作用较大。到5 mg/L响应为-0.38，抑制作用最大。

体长的响应趋势虽与根、茎大体相同，但仍有差别（表2和图3）。0.5、1.0、3.0和5 mg/L对体长的抑制作用大小处于根、茎之间，但0.2 mg/L对体长的抑制作用大小却大于根和茎，说明0.2 mg/L处对体长的影响较乏规律性，或说明在0.2 mg/L处引入了较多随机因素。

表2 Pb2+对种子幼芽的影响Table2 Pb2+ effect on seed growth

图3 Pb2+对种子幼芽的影响Fig.3 Pb2+ effect on seed growth

2.3 Pb2+对烟草种子萌发影响的波动性分析

从各效应图（图2和图3）可看出，各效应值的95%CI上下限间构成了较为明显的作用带，作用带中的任何一点均可能代表真实作用。作用带越宽，该作用越不稳定。随着Pb2+液对种子萌发抑制作用的增大，作用带宽也趋向于增大，Pb2+作用的波动性随之增大（图4）。大部分散点在趋势线以下，说明在0.2～5 mg/L内上述波动性总体较为保守。0.2 mg/L的散点多在趋势线以上，说明在0.2 mg/L处上述波动性较为激烈，这与研究体长的响应时的发现相符。

图4 作用带宽随作用大小的变化Fig.4 Volatility values of Pb2+ effects

3 结 论

初步认为 Meta分析能量化并概化重金属对作物生长发育的影响，可用于重金属对作物生长发育影响的研究。0.2～5.0 mg/L的Pb2+液会抑制烟草种子的萌芽和发育，对萌芽和发育的抑制作用均在0.2 mg/L处最小。随着浓度的增大，对萌芽的抑制作用呈“增→减→稳”，对根、茎发育的抑制作用均呈“增→减→增”且对根的抑制约为对茎的 1.7～3.4倍，种子对营养物的转化受到抑制且末端抑制作用为起始处的 5.7倍。此外，Pb2+作用的波动性随作用增大而增大，总体较为保守，但在0.2 mg/L处较为激烈。

[1]McCue C.Data Mining and Predictive Analysis[M].Burlington: Butterworth-Heinemann, 2007: 25.

[2]E.Bayam, J Liebowitz, W Agresti.Older drivers and accidents: A meta analysis and data mining application on traffic accident data[J].Expert Systems with Applications, 2005, 29(3): 598-629.

[3]Gavin Stewart.Meta-analysis in applied ecology[J].Biology Letters, 2010(6): 78-81.

[4]Arnqvist G, D Wooster.Meta-analysis: synthesizing research findings in ecology and evolution[J].Trends in Ecology & Evolution, 1995, 10(6): 236-240.

[5]彭少麟，郑凤英.Meta分析及MetaWin软件[J].土壤与环境，1999，8（4）：295-299.

[6]Borenstein M, Hedges L, Higgins J, et al.Comprehensive Meta Analysis, version 2.0: introduction to the program[CP/OL].Comprehensive Meta Analysis, 2005:[2011-7-20].http://www.meta- analysis.com.

[7]H Hillebrand.Meta-analysis in Ecology [J/OL].Encyclopedia of life science, 2008: [2011-7-20].http://onlinelibrary.wiley.com/doi/10.1002/9780470015902.a0003272.

[8]Larry V.Hedges, Jessica Gurevitch, Peter S.Curtis.The meta-analysis of response ratios in experimental ecology[J].Ecology, 1999, 80(4): 1150-1156.

[9]Chen Xuezhong, Yin Xiangchu.Application of the Load/Unload Response Ratio Theory to Predictions of Moderate Earthquakes (7.0＞M≥6.0)[J].Earthquake Research in China, 1995, 9(3): 225-229.

[10]Julian P T Higgins, Simon G Thompson, Jonathan J Deeks,et al.Measuring inconsistency in meta-analyses[J].BMJ,2003, 327(7414): 557-560.