Key points are not available for this paper at this time.
Es wurden erhebliche Anstrengungen unternommen, um Biomarker für die Verwendung in der Ökotoxikologie zu entwickeln und anzuwenden. Diese Bemühungen resultieren teilweise aus dem Wunsch nach Frühwarnindikatoren, die reagieren, bevor messbare Auswirkungen auf Individuen und Populationen auftreten, und teilweise als Hilfe zur Identifizierung der Ursachen der beobachteten Auswirkungen auf Populationen und Gemeinschaften. Während frühere Biomarker auf Messungen der Physiologie oder Biochemie von Organismen fokussierten, erweitern Fortschritte in der Molekularbiologie die Biomarker-Philosophie auf die Ebene der Gene (d. h. Ökotoxikogenomik). Dennoch ist es umstritten, inwieweit Biomarker in der Lage sind, eindeutige und ökologisch relevante Indikatoren für die Exposition gegenüber oder die Auswirkungen von Schadstoffen bereitzustellen. In diesem Artikel diskutieren wir kurz die Anwendung von Biomarkern in der Ökotoxikologie und der ökologischen Risikobewertung und geben Beispiele dafür, wie sie angewendet wurden. Wir kommen zu dem Schluss, dass, obwohl Biomarker hilfreich sein können, um Einblicke in die Mechanismen zu gewinnen, die die beobachteten Wirkungen von Chemikalien auf die Gesamtorganismus-Leistung verursachen, individuelle Biomarker-Reaktionen nicht erwartet werden sollten, um nützliche Vorhersagen über relevante ökologische Effekte zu liefern – und wahrscheinlich nicht einmal Vorhersagen über die Wirkungen auf den Gesamtorganismus. Gruppen von Biomarkern sind nur dann wahrscheinlich in der Lage, eine erhöhte Vorhersagbarkeit zu bieten, wenn sie in ein umfassendes mechanistisches Modell integriert werden können, das sie in ein Maß für die Fitness einbezieht. Bis dies erreicht werden kann, können Biomarker nützlich sein, um Hypothesen in sorgfältig kontrollierten Experimenten zu generieren. Da die Ziele der Umweltüberwachung und der ökologischen Risikobewertung darin bestehen, nachteilige chemische Auswirkungen auf Populationen, Gemeinschaften und Ökosysteme zu erkennen und/oder vorherzusagen, sollten wir unsere Bemühungen darauf konzentrieren, Methoden zu verbessern, um dies direkt zu tun. Dies wird die Entwicklung und Prüfung von Modellen angemessener Komplexität erfordern, die reale Systeme auf mehreren Skalen beschreiben können.
Forbes et al. (Sun) haben diese Frage untersucht.