Biotic ligand model (BLM)과 국내 서식종의 민감도는 금속의 생물이용도를 고려한 생태 위해성 평가에 사용된다. 그러나 만성 종 민감도 분포 species sensitivity distribution, SSD)에서 예측무영향농도 (predicted no effect concentration, PNEC)를 도출할 수 없는 경우, BLM 기반 급/만성 비율 (Acute/Chronic ratio, ACR)이 사용된다. 일반적인 수질 모니터링 프로그램에서는 BLM 적용에 필요한 pH 및 주요 양이온, 용존 유기 탄소와 같은 많은 수질화학 데이터를 얻는 것이 쉽지 않다. 따라서 생태위해성평가에 BLM을 적용하기 위해서는 이용 가능한 모니터링 자료에 따라 BLM 기반 PNEC의 예측을 최적화할 수 있는 모델 개발이 필요하다. 본 연구의 목적은 첫째로 BLM기반 ACR을 사용하여 국내 서식종의 민감도가 이용된 구리와 니켈, 아연에 대한 BLM 기반 PNEC을 도출하는 것이며, 둘째로 가용한 모니터링 데이터 세트를 기반으로 최적화된 BLM 기반 PNEC 산출 모델을 개발하는 것이다.
대표적인 급성 SSD를 구축하기 위해 최소 8종의 국내 서식종을 이용하여 급성 독성 시험을 수행하였다. 구리, 니켈 및 아연 BLMs은 새로운 방법을 사용하여 지표수에 대해 검증되었으며, 서로 다른 수질화학적 특성에서 생물 특이적인 고유의 민감도가 추정되었다. 다섯개의 지표수에서의 3종 이상 국내 서식종에 대한 모든 LC50 값들은 신뢰도가 높게 예측되었다. 지역 특이적인 급성 HC5 (SSD의 5번째 백분위수 값)는 척추동물과 무척추동물, 미세조류에게 각각 적용될 수 있는 BLM을 사용하는 방법을 적용하여 도출되었다. 6 종의 국제 표준 시험생물에 대한 생물 특이적인 급성 및 만성 민감도를 비교하여 결정된 최종 BLM 기반 ACR (r2 = 니켈의 경우 0.94, 아연의 경우 0.40)은 일반적인 ACR (r2 = 니켈의 경우 0.92, 아연의 경우 0.16) 보다 더 신뢰할 수 있었다. 구리의 경우에는 국내 서식종의 민감도가 반영된 급성 BLM 기반 HC5와 유럽 연합의 위험 평가 보고서에서 제시된 만성 BLM 기반 PNEC 간의 선형 관계 (r2 = 0.98)가 급성에서 만성으로 변환시키는 함수, 즉 대체적인 BLM 기반 ACR 로 사용되었습니다. 결과적으로 국내 서식종의 민감도가 반영된 구리와 니켈, 아연의 BLM 기반 PNEC은 BLM 기반 PNEC 산출 모델의 목표 값으로 사용되었다.
가용 가능한 모니터링 데이터셋을 기반으로 최적화된 BLM 기반 PNEC 산출모델을 개발하기 위해 모든 BLM 입력 변수가 필요한 첫 번째 모델, 알칼리도가 제외한 입력 변수가 필요한 두 번째 모델, 양이온과 알칼리도를 대체하는 입력 변수로 전기전도도를 사용하는 세 번째 모델이 PNEC (결과 변수)와 입력 변수 (설명 변수) 간의 비선형 관계는 심층 신경망 모델 (DNN)을 사용하여 개발되었다.
국내 담수에서의 구리와 니켈, 아연에 대한 BLM 기반 PNEC은 pH와 DOC, 전기전도도만을 요구하는 가장 단순화된 BLM 기반 PNEC 산출 모델을 사용하여 예측되었다. 또한 개발된 BLM 기반 PNEC 산출 모델은 한국과 미국, 스웨덴, 벨기에의 테스트 데이터 세트에서 look-up table과 다중 선형 회귀 방법 및 다변량 다항식 방법을 사용하는 기존의 모델에 비해 유럽 생물의 민감도가 반영된 구리 PNEC에 대한 더 나은 예측을 제공하였다.
결론적으로, 구리와 니켈, 아연에 대한 급성 full-BLM HC5 및 BLM 기반 ACR은 생물 특이적인 고유의 민감도를 사용한 첫 번째 결과이며, 이는 더 넓은 생태 지역에서 금속에 대한 BLM 기반 생태위해성 평가의 적용에 활용될 수 있다. 또한 수집된 모니터링 데이터베이스에서의 수질 자료의 가용성에 따라서 다양한 BLM 기반 PNEC 산출모델 중에서 가장 적합한 모델을 선택할 수 있기 때문에 BLM 기반 생태위해성 평가는 다양한 모니터링 데이터 세트에서 적용될 수 있을 것으로 기대된다. 본 연구는 지표수에서의 금속에 대한 수질 기준 도출을 위한 과학적 토대를 제공할 수 있을 것이다.

Biotic ligand models (BLM) and indigenous species sensitivities are used to assess the environmental risk considering the bioavailability of metals. If the chronic species sensitivity distribution (SSD) cannot be used to derive the predicted no-effect concentration (PNEC), the representative acute SSD for acute toxicity and the BLM-based acute-chronic ratio (ACR) should be used. Furthermore, obtaining all BLM input variables such as pH, major cation, and dissolved organic carbon (DOC) for applying BLMs in water quality monitoring programs is challenging. Therefore, based on the available monitoring dataset, an optimized estimator of BLM-based PNECs for metals is required. In this context, this study first aims to derive BLM-based PNECs for copper, nickel, and zinc based on the sensitivity of indigenous species using BLM-based ACR. Second, it aims to develop the optimized BLM-based PNEC estimator based on an available monitoring dataset.
Acute toxicity tests were performed in at least 9 indigenous species to build the representative acute SSDs for metals. The copper, nickel, and zinc BLMs were validated against site waters using a novel approach to evaluate the intrinsic sensitivity for each species across varied water chemistries. All LC50s of three or more indigenous species in five surface water bodies were predicted within a factor of two. To derive site-specific acute HC5s (fifth percentile value in SSD), the full-BLM approach was applied with an appropriate taxon-specific BLM for vertebrates, invertebrates, and algae. The final BLM-based ACR (r2 = 0.94 for nickel and 0.40 for zinc), determined from the species-specific acute and chronic sensitivity of the six species, was more reliable than the usual ACR (r2 = 0.92 for nickel and 0.16 for zinc). As a surrogate BLM-based ACR for copper, an acute to chronic transformation function, which is a linear relationship (r2 = 0.98) between acute full-BLM HC5 utilizing indigenous species and the chronic BLM-based SSD of the European Union Risk Assessment Reports, was used. As a result, the target values of the BLM-based PNEC estimators for copper, nickel, and zinc were the BLM-based PNECs using indigenous species.
An initial model that considers all BLM variables, a second model that requires variables excluding alkalinity, and a third model that uses electrical conductivity as a surrogate of the major cations and alkalinity, have been proposed to develop the optimized BLM-based PNEC estimators based on the available monitoring dataset. Deep neural network (DNN) models were also used to predict the nonlinear relationships between the PNEC (outcome variable) and the required input variables (explanatory variables).
The BLM-based PNECs for metals in Korean freshwater were predicted by a factor of two using the most simplified estimator which required only pH, DOC, and electrical conductivity. Furthermore, it provides better prediction of the copper PNECs using European species compared with the existing PNEC estimators using a look-up table, multiple linear regression and multivariate polynomial regression methods for four test datasets from Korean, American, Swedish, and Belgian freshwaters.
The acute full-BLM HC5s and BLM-based ACRs for copper, nickel, and zinc are the first results using species-specific intrinsic sensitivity, which will contribute to the application of BLM-based risk assessment for metals in larger ecoregions. Furthermore, the BLM-based risk assessment can be applied to a variety of monitoring datasets, since the most suitable BLM-based PNEC estimators among the different types of estimators may be selected depending on the data availability of the collected monitoring database. This study provides a scientific foundation for deriving water quality criteria for metals in freshwater.