ABSTRACT
Keywords: biomarkers – biomonitors – aquatic ecotoxicology – Gambusia punctata – quantitative prediction of risk
There are certain selection criteria for biomonitors in aquatic ecotoxicology but it does not mean they are unique and
invariable. The objective of the research was to quantitatively predict the historical risk between impacted
ecosystems and environmental reference by permanent use of biomarkers as a new criterion in aquatic
ecotoxicological biomonitors. We evaluated during 2012-2016 the behavior of Gambusia punctata living in the San
Juan, Cuba ecosystem, which was compared to the same species that inhabit the Almendares and Filé ecosystems,
being used latter on condition of environmental reference located in the Republic of Cuba. The quantitative
prediction of historical risk was indicated through bioaccumulation of Cu, Zn, Pb and Cd in gills as a biomarker of
exposure, while acetylcholinesterase activity, biological condition factor and the number of females with incubatory
chamber were considered effect biomarkers. The quantitative prediction of risk according to historical monitoring
showed that there were statistically significant differences (p≤0.05) between the G. punctata of San Juan and the
species that inhabits the Almendares only in the bioaccumulation of metals and for all biomarkers in comparison to
the one that lives in the Filé ecosystem, being considered negative impact level. It was concluded that the quantitative
prediction of historical risk between the impacted ecosystems of San Juan and Almendares in relation to the Filé
ecosystem through the permanent use of biomarkers was used as a new criterion to stop biomonitoring in aquatic
ecotoxicology.
The Biologist (Lima), 2017, 15(1), jan-jun: 141-153.
ORIGINAL ARTICLE / ARTÍCULO ORIGINAL
PREDICTING QUANTITATIVE HISTORICAL RISK BETWEEN IMPACTED
ECOSYSTEMS AND OF ENVIRONMENTAL REFERENCE BY PERMANENT USE OF
BIOMARKERS AS NEW CRITERIA FOR BIOMONITORS IN AQUATIC
ECOTOXICOLOGY
PREDICCIÓN CUANTITATIVA DE RIESGO HISTÓRICO ENTRE ECOSISTEMAS
IMPACTADOS Y DE REFERENCIA AMBIENTAL MEDIANTE USO PERMANENTE DE
BIOMARCADORES COMO NUEVO CRITERIO PARA BIOMONITORES EN
ECOTOXICOLOGÍA ACUÁTICA
1 Centro de Investigaciones Avanzadas y formación Superior en Educación, Salud y Medio Ambiente ¨AMTAWI¨, Perú.
2 Laboratorio de Ecología y Biodiversidad Animal. Facultad de Ciencias Naturales y Matemática.
Universidad Nacional Federico Villarreal (UNFV), Perú.
3 Laboratorio de Cordados. Facultad de Ciencias Biológicas. Universidad Ricardo Palma (URP), Perú.
Correo electrónico: george.argota@gmail.com/joseiannacone@gmail.com
1 2,3
George Argota-Pérez & José Iannacone
ISSN Versión Impresa 1816-0719
ISSN Versión en linea 1994-9073 ISSN Versión CD ROM 1994-9081
141
The Biologist
(Lima)
The Biologist (Lima)
The Biologist (Lima). Vol. 15, Nº1, jan - jun 2017
RESUMEN
Palabras claves: biomarcadores – biomonitores – ecotoxicología acuática – Gambusia punctata – predicción cuantitativa de riesgo
Existen determinados criterios de selección para biomonitores en ecotoxicología acuática pero no significan que
sean únicos e invariables. El objetivo de la investigación fue predecir cuantitativamente el riesgo histórico entre
ecosistemas impactados y de referencia ambiental mediante uso permanente de biomarcadores como nuevo criterio
parar biomonitores en ecotoxicológica acuática. Se evaluó durante el 2012 hasta 2016, el comportamiento de la
Gambusia punctata que habita en el ecosistema San Juan, Cuba la cual se comparó con la misma especie pero que
habita en los ecosistemas Almendares y Filé, siendo usado este último en condición de referencia ambiental
localizados en la República de Cuba. La predicción cuantitativa de riesgo histórico se indicó, a través de la
bioacumulación de Cu, Zn, Pb y Cd en branquias como biomarcador de exposición, mientras que la actividad
acetilcolinesterasa, factor de condición biológico y el número de hembras con cámara incubatriz se consideraron
como biomarcadores de efecto. La predicción cuantitativa de riesgo según el monitoreo histórico, arrojó que
existieron diferencias estadísticamente significativas (p≤0,05) entre la G. punctata del San Juan y la especie que
habita en el Almendares solo en la bioacumulación de metales y para todos los biomarcadores en comparación a la
que habita en el ecosistema Filé, estimándose nivel de impacto negativo. Se concluyó que, la predicción cuantitativa
de riesgo histórico entre los ecosistemas impactados San Juan y Almendares con relación al ecosistema Filé
mediante uso permanente de biomarcadores se utilizó como nuevo criterio parar biomonitores en ecotoxicológica
acuática.
(2003), Papis et al. (2011) y Werner & Hitzfeld
(2012), las nuevas tendencias en los estudios
ambientales de la ecotoxicología como rama
encargada de evaluar y regular los efectos de los
contaminantes sobre las poblaciones en el tiempo,
está relacionada con el uso de biomarcadores
donde a nivel de ecosistema acuático, Zhou et al.
(2008), Sisinno & Oliveira (2013), refieren que los
peces constituyen excelentes organismos de
utilización como biomonitores para los protocolos
de evaluación ecotoxicológica (Heidary et al.,
2012; Al-Ghais, 2013; Jebali et al., 2013; Çiftçi et
al., 2015).
Rosenberg & Pesh (1993), Sloof (1993) y Díaz
(1995), indican que existen siete criterios de
selección para considerar a un biomonitor y donde
mencionan que éstos corresponden a: 1ro) tener
distribución cosmopolita, 2do) ser de fácil
identificación taxonómica, 3ro) tamaño apropiado
presentado, 4to) movilidad limitada y ciclo de vida
relativamente largo, 5to) ser tolerante a la
contaminación, 6to) presentar fácil manejo para
estudios de laboratorios; y 7mo) debe existir
correlación entre el contaminante de interés y el
resto de las matrices ambientales.
Una de las especies que ha sido seleccionada como
biomonitor en ecotoxicología acuática en Cuba por
En ecotoxicología acuática, diversos cambios
biológicos que expresan los organismos,
poblaciones o comunidades sirven como señales de
posible alteración ambiental ocasionado por lo
principal, a partir de actividades antropogénicas
(Jebali et al., 2013; Manrique et al., 2013). Cada
nivel de respuesta biológica, representa un signo
integrado de los niveles de contaminación en un
área determinada y de esta manera, auxilia como
indicador del riesgo ecotoxicológico a que una
población natural está siendo expuesta (Orrego et
al., 2005).
Todo ente biológico, tiene la capacidad potencial
de ofrecer una respuesta ante cualquier estímulo
que se presentan en el medio, pero cualquiera de
la(s) respuesta(s), puede variar en forma
correlacionada, si el organismo es considerado
bioindicador o biomonitor, siendo esta última
condición más reflexiva para ¨explicar¨ la calidad
ambiental de los ecosistemas, ya que los
biomonitores poseen mayores ventajas
interpretativas (Birungi et al., 2007; Price, 2007;
Jebali et al., 2013). Asimismo, no solo es
importante el uso de biomonitores como
herramientas predictivas, pues según Eissa et al.
INTRODUCCIÓN
142
Argota-Pérez et al.
The Biologist (Lima). Vol. 15, Nº1, jan - jun 2017
143
Predicting quantitative historical risk
homogeneizadas en tampón Tris-HCl 0,1 M, Triton
0,1%, pH 8 en la proporción de 1 mL por 0,5 g de
tejido y centrifugado a 1000 rpm, durante 12 min
(Ellman & Courtney, 1961). Para la actividad de la
AChE cerebral se utilizó como substrato,
acetiltiocolina yodada y la detección de la
liberación de tiocolina por reacción con 5,5-
dithiobis (ácido 2-nitrobenzoico). Después de 5
min se registró la actividad mediante un
espectrofotómetro (Perkin-Elmer UV/VIS) a 410
nm. La actividad se expresó como μmol/min/mg de
tejido y se realizaron todos los análisis por
duplicado.
El análisis del desarrollo de los peces se realizó
mediante el factor de condición biológico (FCB)
para ambos sexos, el cual fue calculado mediante la
fórmula establecida por Ricker (1975) y Rodríguez
(1992):
3
FCB = Pt / Lt * 100
Dónde:
· Pt: peso total.
· Lt: longitud total.
Para analizar la reproducción se consideró,
únicamente el número de hembras con presencia de
cámara incubatriz.
La predicción cuantitativa de riesgo fue establecida
mediante la fórmula:
Pcr = P + V
Dónde:
· Pcr = predicción cuantitativa de riesgo
· P = peligro
· V* = vulnerabilidad
(*) Se atribuyó a suposiciones de condiciones
sobre parámetros físico-químicos de calidad de
agua.
El cumplimiento de la bioética para la
investigación sobre la G. punctata, consistió en
aplicar la eutanasia mediante la preparación de
bolsas esterilizadas con hielo depositadas en
diferentes recipientes de cristal, procurando que
durante la inmersión de los ejemplares, éstos
fueran tranquilizados por hipotermia inmediata,
inhibiéndose toda función biológica que permitió
realizar la disección y extracción de los órganos
dianas para su análisis.
Para el tratamiento de los resultados se aplicaron
como métodos estadísticos el análisis de la
cumplir con los siete criterios mencionados
anteriormente, fue Gambusia punctata (Poey,
1854) (Argota et al., 2013a), pero es necesario
mencionar que algunos estudios en diferentes
ecosistemas durante cierto periodo de tiempo y que
han podido ser comparados mediante la utilización
con esta especie (Argota et al., 2012; Argota et al.,
2013c,d; Argota & Iannacone, 2016a,b), hacen
mostrar e indicar que otro juicio o criterio de
evaluación para estimar con mayor precisión el
grado de influencia y perturbación generado en los
ecosistemas acuáticos sobre posibles daños
ocasionados a las poblaciones que en ellos habitan,
pudiera incorporarse.
El objetivo de la investigación fue realizar una
comparación histórica entre ecosistemas
impactados y de referencia ambiental mediante uso
permanente de biomarcadores como nuevo criterio
parar biomonitores en ecotoxicológica acuática
ambiental.
La investigación se realizó en época de lluvia (LL)
y estiaje (E) durante cinco años trascurridos desde
el 2012 hasta el 2016 donde se utilizó, a la especie
G. punctata quien habita en los ecosistemas San
Juan (Santiago de Cuba) (ecosistema impactado) y
Filé (Santiago de Cuba) (condición de referencia
ambiental), así como en el Almendares (La
Habana) (ecosistema impactado).
Fue medido como biomarcador de exposición la
disponibilidad bioacumulativa de Cu, Zn, Pb y Cd
en las branquias (se realizó en forma de pool sin
diferenciación por sexo), mientras que, la actividad
acetilcolinesterasa, factor de condición biológico y
la presencia de hembras con cámara incubatriz se
reconocieron como biomarcadores de efecto,
respectivamente.
La determinación de los metales en el órgano fue
por vía húmeda y su cuantificación se realizó
me di an te e s p ec tr om et rí a p o r p l a s m a
inductivamente acoplado vía axial según la
metodología reportada por Argota et al. (2013b).
Para analizar la actividad de la enzima
acetilcolinesterasa, las muestras fueron
MATERIALES Y MÉTODOS
The Biologist (Lima). Vol. 15, Nº1, jan - jun 2017
144
Argota-Pérez et al.
varianza factorial con réplicas para definir las
fuentes de variación significativas y la prueba de
intervalos múltiples de Duncan para determinar las
magnitudes individuales de las diferencias que
resulten significativas según lo expresado por
Montgomery (1991). Todos los cálculos se
realizaron utilizando el software profesional
Statgraphics (Statpoint Technologies, 1994-2001),
donde los resultados se consideraron significativos
a un nivel de confianza del 95% (p≤0,05).
En la tabla 1, puede mostrarse las determinaciones
de metales pesados en las branquias de los
organismos pertenecientes a cada ecosistema y
periodo por año.
En la tabla 2, puede mostrarse la concentración
media de la colinesterasa cerebral en los
organismos por cada ecosistema, periodo y año.
RESULTADOS Y DISCUSIÓN
Tabla 1. Metales pesados (ppm) por ecosistemas / periodo / año en las branquias.
Ecosistema
metales
branquia
2012
2013 2014 2015 2016
Ll
E
Ll E Ll E Ll E Ll E
San Juan
Cu
40,2
42,17
41,34 42,17 43,61 44,26 42,43 42,48
40,12
42,48
Zn
47,6
47,81
52,13 47,81 47,72 48,35 49,22 49,11
48,29
49,11
Pb
0,02
0,022
0,021 0,022 0,021 0,021 0,022 0,021
0,022
0,021
Cd
15,6
16,1
16,23 16,18 16,19 17,48 17,73 17,36
16,21
16,88
Almendares
Cu
49,1
51,3
52,4 53,5 51,7 52,6 53,8 53,1 54,2 50,8
Zn
46,6
48,7
49,9 51,8 50,4 51,1 52,2 51,2 51,7 53,3
Pb
0,022
0,030
0,021 0,030 0,021 0,022 0,021 0,016
0,021
0,022
Cd
16,71
18,9
19,75 21,6 20,56 21,7 20,3 16,5 22,3
21,71
Filé
Cu
0,311
0,312
0,310 0,313 0,311 0,311 0,312 0,313
0,311
0,312
Zn
0,441
0,442
0,442 0,441 0,442 0,442 0,443 0,441
0,442
0,442
Pb
0,015
0,017
0,016 0,015 0,015 0,015 0,016 0,016
0,015
0,015
Cd 0,010 0,011 0,011 0,011 0,010 0,011 0,011 0,011 0,010 0,010
Leyenda: época de lluvia (Ll) y estiaje (E).
Tabla 2. Concentración media de acetilcolinesterasa cerebral (U/L) / ecosistemas y periodo / año.
Ecosistema
2012
2013
2014 2015 2016
Ll
E
Ll
E
Ll E Ll E Ll E
San Juan
560,21
562,45
556,34
559,87 568,66 559,87 566,98 571,12 569,37
573,35
Almendares
555,33
558,49
572,36
574,66 553,91 548,42 570,06 577,82 573,25
578,16
Filé
449,76
451,06
452,2
450,19 452,83 451,33 453,66 451,27 450,58
449,31
Leyenda: época de lluvia (Ll) y estiaje (E).
The Biologist (Lima). Vol. 15, Nº1, jan - jun 2017
145
Predicting quantitative historical risk
Tabla 3. Factor de condición biológico / ecosistemas y periodo / año.
Ecosistema 2012 2013 2014 2015 2016
Ll
E
Ll
E
Ll E Ll E Ll E
San Juan
0,22
0,22
0,31
0,27
0,38 0,32 0,44 0,42 0,39
0,37
Almendares
0,35
0,35
0,47
0,44
0,37 0,36 0,43 0,41 0,44
0,43
Filé
0,88
0,88
0,88
0,88
0,88 0,78 0,88 0,88 0,88
0,88
Leyenda: época de lluvia (Ll) y estiaje (E).
En la tabla 4, pueden mostrarse el número de
hembras con presencia de cámara incubatriz por
cada ecosistema, periodo y año.
Tabla 4. Hembras con presencia de cámara incubatriz / ecosistemas y periodo / año.
Ecosistema 2012 2013 2014 2015 2016
Ll
E
Ll
E
Ll E Ll E Ll E
San Juan
69
57
72
66
61 58 68 65 67 62
Almendares
75
64
70
61
68 59 69 58 77 71
Filé 342 339 355 348 347 341 344 338 352 349
Leyenda: época de lluvia (Ll) y estiaje (E).
de contaminación existente, sino de igual forma,
cómo están influyendo las condiciones del medio
sobre la etología animal, pues lo esencial y objetivo
era mostrar la posibilidad de medir cada
biomarcador de manera sistemática. Sin embargo,
podría resultar de interés referir que algunas
c o m p a r a c i o n e s e n t r e b i o m a r c a d o r e s
(perteneciente a cada uno de los ecosistemas),
arrojaron diferencias es t a d í sticamente
significativas (concentración media de
acetilcolinesterasa cerebral, F=117158843.40,
p≤0,05; hembras con presencia de cámara
incubatriz, F=303948.24, p≤0,05).
En las tablas 5 y 6, se muestran las diferencias
según valor de los biomarcadores entre los
ecosistemas.
Eason & O´Halloran (2002) señalan que los
biomarcadores en ecotoxicología al ser medidos
sobre especies centinelas, son necesarios
realizarlos siguiendo protocolos éticos de estudio.
Para la especie G. punctata, una vez aplicada la
eutanasia y asegurando que cada ejemplar no fue
sometido a juicio de dolor se procedió luego, al
análisis de los biomarcadores, siendo notable
señalar que aquellas hembras que se encontraban
en el estadío con presencia de la cámara incubatriz
(medida de reproducción), una vez capturadas e
identificadas en el jamo de muestreo profesional,
fueron incorporadas de forma inmediata a cada
ecosistema de procedencia. No se consideró
importante en esta investigación hacer
comparaciones y tratar mediante discusiones cada
uno de los biomarcadores con los valores de
referencia, ya que indicaría no solo el posible nivel
En la tabla 3, puede mostrarse el factor de
condición biológico determinado en los
organismos por cada ecosistema, periodo y año.
Casos Media Grupos Homogéneos
F 2016 E 12 449,31 X
F 2012 Ll
12
449,76
X
F 2013 E
12
450,19
X
F 2016 Ll
12
450,58
X
F 2012 E
12
451,06
X
F 2015 E
12
451,27
X
F 2014 E
12
451,33
X
F 2013 Ll
12
452,20
X
F 2014 Ll
12
452,83
X
F 2015 Ll
12
453,66
X
A 2014 E
12
548,42
X
A 2014 Ll
12
553,91
X
A 2012 Ll
12
555,33
X
SJ 2013 Ll
12
556,34
X
A 2012 E
12
558,49
X
SJ 2014 E
12
559,87
X
SJ 2013 E
12
559,87
X
SJ 2012 Ll
12
560,21
X
SJ 2012 E
12
562,45
X
SJ 2015 Ll
12
566,98
X
SJ 2014 Ll
12
568,66
X
SJ 2016 Ll
12
569,37
X
A 2015 Ll
12
570,06
X
SJ 2015 E
12
571,12
X
A 2013 Ll
12
572,36
X
A 2016 Ll
12
573,25
X
SJ 2016 E
12
573,35
X
A 2013 E 12 574,66 X
A 2015 E 12 577,82 X
A 2016 E 12 578,16 X
The Biologist (Lima). Vol. 15, Nº1, jan - jun 2017
146
Argota-Pérez et al.
seguridad en la toma de decisiones radica en el
carácter sistemático de medición, pues de lo
contrario, resultará más complejo entender
cualquier anomalía de efecto indirecto que se
produzca en determinado momento, debido a que
en condiciones naturales, cualquier factor biótico
como abiótico puede influir no solo sobre los
ecosistemas, también en las poblaciones que lo
integran y estos factores, no siempre se presentan
de forma cíclica (Yi & Zhang, 2012).
Orrego et al. (2005) y Öztürk et al. (2009), plantean
que cada nivel de respuesta biológica como puede
ser medida mediante biomarcadores, representa
una señal integrada de los niveles de
contaminación en un área ambiental (ejemplo; un
ecosistema) y de esta forma, funciona como
indicador del riesgo ecotoxicológico a que una
población natural está siendo expuesta. En tal
sentido, las evaluaciones permitieron analizar cada
estado ambiental ecosistémico, ya que una primera
Tabla 5. Prueba múltiple de rangos para la concentración media de acetilcolinesterasa cerebral / ecosistemas y
periodo / año.
Leyenda: F= Filé (Santiago de Cuba) (condición de referencia ambiental). A = Almendares (La Habana)
(ecosistema impactado). SJ = San Juan (Santiago de Cuba) (ecosistema impactado).
The Biologist (Lima). Vol. 15, Nº1, jan - jun 2017
147
Predicting quantitative historical risk
descripciones de factores naturales, hace
extraordinariamente muy difícil formular hipótesis
interpretativas, debido a sus propias variaciones,
aunque los estudios a nivel de laboratorio como
indican Joern & Hoagland (1996), constituyen un
marco de referencia para la distribución y destino
de los contaminantes dentro del compartimento
hacia la biota por influencia de factores abióticos.
Asumiendo que, la presencia Cu, Zn, Pb y Cd en las
branquias, obedecieron a condiciones de
disponibilidad en la matriz agua o fueron re-
Para muchas investigaciones científicas, según
Moriarty (1983), el único acercamiento realista a
la ecotoxicología acuática, consiste en realizar
estudios continuados fuera del ecosistema. La
información que se reúne es muy representativa de
ese estudio pero inestimable de la naturaleza, ya
que los estudios de laboratorio, no estiman la
calidad de los ambientes pues no pueden establecer
comparaciones inter-estación, inter-ecosistemas o
poder seguir algún indicador que se desarrolle a
medio o largo plazo (Hellawell, 1986; Herriks et
al., 1989), unido a que las identificaciones y
Tabla 6. Prueba múltiple de rangos para el factor de condición biológico / ecosistemas y periodo / año.
Casos
Media
Grupos Homogéneos
SJ 2012 E
12
0,222
X
SJ 2012 Ll
12
0,227
X
SJ 2013 E
12
0,276
X
SJ 2013 Ll
12
0,314
X
SJ 2014 E
12
0,329
X
A 2012 E 12
0,351
X
A 2012 Ll
12
0,356
X
A 2014 E 12
0,363
X
A 2014 LL
12
0,377
X
SJ 2016 E
12
0,377
X
SJ 2014 LL
12
0,388
X
SJ 2016 LL
12
0,395
X
A 2015 E 12
0,417
X
SJ 2015 E
12
0,427
X
A 2016 E 12
0,431
X
A 2015 Ll
12
0,431
X
A 2016 Ll
12
0,444
X
SJ 2015 Ll
12
0,446
X
A 2013 E 12
0,446
X
A 2013 Ll
12
0,476
X
F 2014 E 12
0,780
X
F 2014 Ll
12
0,880
X
F 2012 E 12
0,880
X
F 2016 E 12
0,881
X
F 2015 E 12
0,882
XX
F 2015 Ll 12 0,882 XX
F 2016 Ll 12 0,883 XX
F 2012 Ll 12 0,884 XX
F 2013 E 12 0,885 XX
F 2013 Ll 12 0,886 X
Leyenda: F= Filé (Santiago de Cuba) (condición de referencia ambiental). A = Almendares (La Habana)
(ecosistema impactado). SJ = San Juan (Santiago de Cuba) (ecosistema impactado).
The Biologist (Lima). Vol. 15, Nº1, jan - jun 2017
148
Argota-Pérez et al.
reproducción estuvo disminuyendo y por
tanto, fue perjudicada la población de
individuos.
Las demostraciones anteriores, sugieren que
aplicando los métodos teóricos por modelación o
sistemático, es posible predecir cuantitativamente
el riesgo en determinado periodo de tiempo, así
como presumir tendencias de comportamientos
biológicos y ello significa, una de las ventajas en
los estudios e investigaciones con medición in-situ.
En la presente investigación, a partir de la
posibilidad que se tuvo sobre este tipo de medición
mediante el uso de biomarcadores puede permitirse
luego, no solo la evaluación en condiciones de
control (Yi & Zhang, 2012), sino establecer
determinadas interacciones e influencias entre los
biomarcadores para tenerse o alcanzarse mayores
predicciones.
Rawson (1991) y Páez & Osuna (2011), señalaron
que los estudios in-situ, ofrecen como ventajas
tanto el avance, desarrollo y aplicación de últimas
tecnologías como biosensores para supervisar
posibles cambios en el medioambiente por
contaminantes específicos, además, de la
utilización de organismos biomonitores en la
valoración de los efectos funcionales en los
ecosistemas contaminados (Castañe et al., 2013),
así como también los resultados que se obtienen
pueden correlacionarse con la determinación de
parámetros físico-químicos proporcionando
ciertas e incuestionables evidencias del grado de
deterioro en los ecosistemas, indicando en última
instancia, cuáles son los contaminantes
responsables de las afectaciones (Heidary et al.,
2012). Es por ello que, considerando la presencia
de metales pesados como elementos tóxicos dada
su bioacumulación, pueden presentarse diversos
efectos desde el nivel celular hasta organismo y
población, donde se ha podido observar mediante
las comparaciones entre los ecosistemas San Juan y
Alme n dare s co n el F ilé, dife r enc i a s
estadísticamente significativas, lo cual evidencia
que se produjeron efectos adversos (Castañe et al.,
2013).
Rainbow (1995), mencionó que los niveles de
metales disueltos en los ecosistemas acuáticos,
pueden variar apreciablemente en el tiempo, ya sea
por las emisiones de las fuentes antropogénicas o
las propias estaciones climáticas, de ahí la
suspendidos desde la matriz sedimentos, indicaría
que la calidad ambiental como ecosistema en algún
momento, no fue aceptada y aún permanece
invariable, ya que los resultados históricos lo
demuestran. Si ello es así, puede mostrarse lo
siguiente:
a) Presencia de calidad ambiental del agua no
aceptada, por cuanto existió condiciones
d e i n s e g u r i d a d m e d i d a c o m o
vulnerabilidad para que determinadas
propiedades de algunos elementos (ej.:
metales pesados) se hayan expresado
toxicológicamente.
b) Si la Pcr = P + V, donde V ha sido
comunicada como no aceptada, entonces
la predicción de riesgo cuantitativo fue de
tipo alto, ya que V, es directamente
proporcional a Pcr. Esto se señala
mediante la determinación por
bioacumulación de Cu, Zn, Pb y Cd en las
branquias de los peces. Del mismo modo,
si P es atribuido a la presencia de estos
metales en las branquias de los peces, es
porque hubo condiciones que lo
propiciaron, es decir, en algún momento,
la calidad del ecosistema razonablemente
fue vulnerable.
c) Si se asume que en términos de magnitud
de riesgo (Argota & Iannacone, 2014), el
mismo fue de tipo leve donde existen
daños atribuibles a lesiones, trastornos o
comportamientos anómalos no sistémicos
(bioacumulación solo en branquias), es
porque hubo probabilidad de riesgo medio
(daños de ocurrencia en determinadas
ocasiones) x consecuencia baja (respuesta
biológica poco comprometida con
lesiones, trastornos y comportamientos
anómalos) o probabilidad de riesgo bajo
(daños de ocurrencia raras veces) x
consecuencia media (respuesta biológica
comprometida con lesiones, trastornos y
comportamientos anómalos). Sin
embargo, podría pensarse en una magnitud
de riesgo de tipo moderada (daños
atribuibles a lesiones, trastornos o
comportamientos anómalos que conducen
a una o determinadas pérdidas donde
comienza a comprometerse la vida de los
organismos) y en este sentido, puede
entenderse la presencia baja de hembras
con cámara incubatriz como que la
The Biologist (Lima). Vol. 15, Nº1, jan - jun 2017
149
Predicting quantitative historical risk
acetilcolina en la hendidura sináptica (Assis et al.,
2015). La acetilcolinesterasa puede ser empleada
como un biomarcador en peces no solo para
demostrar la presencia de plaguicidas
organofosforados y carbámicos, sino para indicar
la presencia de metales pesados (Carvalho et al.,
2013; Santillán-Calzada et al., 2016). Se ha
observado una tendencia a aumentar la AChE en
diversos tejidos de peces en ecosistemas
impactados por metales pesados (Carvalho et al.,
2013). Sin embargo, otros autores señalan modelos
variables de aumento o disminución de la AChE,
dependiendo de la duración de la exposición y del
tipo de tejido involucrado en los peces (Balambigni
& Aruna, 2011; Richetti et al., 2011; Al-Ghais
2013).
Por otra parte, el crecimiento de los peces
dependerá en gran medida de la intensidad
metabólica dentro de la población, siempre que el
complejo corriente de energía (en la cadena
trófica), factores físicos y las acciones recíprocas
con otras poblaciones lo permitan. Las condiciones
del medio constituyen una de las razones
fundamentales que regulan el crecimiento y
cuando este se encuentra alterado o en
desequilibrio, entonces influye de manera directa
en el crecimiento y desarrollo (Odum, 1986;
Heidary et al., 2012). Una medida de poder evaluar
el crecimiento y desarrollo, fue mediante el factor
de condición biológico, pues según Egea et al.
(2002), la evolución en este biomarcador, pone de
manifiesto la tendencia de los organismos a
recuperar sus pesos corporales y cuando no se
alcanza se indica, el índice de adelgazamiento
sufrido bajo cualquier situación estresante del
medio (Heidary et al., 2012; Yi & Zhang, 2012).
Kasimoglu (2014), encontró relaciones negativas
entre el factor de condición en peces y metales
trazas esenciales.
Finalmente, el género Gambusia es un organismo
oportunista, el cual se alimenta de gran variedad de
presas, donde se incluyen zooplancton, insectos
acuáticos, caracoles, algas, huevos y larvas de
anfibios y peces (García, 1999). Su elevada
voracidad motivó a introducirlos como agente
biológico para el control de vectores infecciosos al
hombre pero esta función trófica puede estar
disminuida cuando las condiciones ambientales
son desfavorables (Offill & Walton, 1999).
Asimismo, al limitarse el patrón trófico, puede
necesidad de realizar programas de monitoreo
intensos para lograr resultados fidedignos, de
manera que, en la presente investigación se siguió
tal recomendación, pues al determinarse niveles de
bioacumulación en un periodo histórico de cinco
años, entonces se señala que los metales pesados
disueltos estuvieron biodisponible; y por tanto, con
alcance ecotoxicológico (Camacho-Sánchez,
2007; Castañe et al., 2013).
En ocasiones, las concentraciones de metales
pesados en los componentes abióticos como la
matriz agua se encuentran por debajo del límite de
detección de las técnicas analíticas, por lo que hace
muy difícil realizar estudios de comparación inter-
estaciones o inter-ecosistemas (Ramelow et al.,
1989) y en este sentido, utilizar organismos propios
de los ecosistemas evaluados como biomonitores
permite entonces, realizar estas comparaciones
b r i n d a n d o , a l g u n a s i n f o r m a c i o n e s
complementarias (Martin & Coughtrey, 1990;
Market et al., 1997; Camacho-Sánchez, 2007). La
utilización de la especie G. punctata en su
condición de biomonitor posibilitó de este modo,
comparar biomarcadores entre los tres ecosistemas
en estudio.
Seleccionar para el monitoreo las branquias de los
peces resulta necesario, ya que no solo es un órgano
blanco, sino además diana, pues al estar muy
vascularizado, pueden aparecer varios daños
morfológicos cuando las condiciones del medio
presentan variaciones no deseadas (Castañe et al.,
2013). Según Bernet et al. (2004), dentro de éstos
daños se encuentran respuestas proliferativas que
generan deformación y fusión de las lamelas,
necrosis, apoptosis celular y pseudoepitelización.
Los daños mencionados, pueden tener algún tipo
de implicación sobre el sistema nervioso central y
donde determinadas actividades enzimáticas
pueden verse afectadas. Una de estas enzimas y que
sirve como biomarcador ante el posible efecto
negativo es la acetilcolinesterasa, por tal razón fue
medida en la investigación (Vidal, 2005; Carvalho
et al., 2013; Assis et al., 2015). La
acetilcolinesterasa (AChE, EC 3.1.1.7) es una
enzima crucial para el desarrollo y el
funcionamiento del sistema nervioso y presenta un
papel importante en la diferenciación
hematopoyética y en el desarrollo neural. Su
función clásica es modular el impulso nervioso a
través de la hidrólisis del neurotransmisor
The Biologist (Lima). Vol. 15, Nº1, jan - jun 2017
150
Argota-Pérez et al.
tener consecuencias sobre la reproducción, pues
como conducta natural, indica la perpetuación de
las especies o el reflejo de expansión poblacional,
siendo igualmente limitada según las condiciones
ambientales del medio, influyendo hasta la propia
supervivencia de la especie (Lee, 2000; Argota et
al., 2013c).
Particularmente, los biomarcadores de efectos
constituyen valiosos indicadores de sustancias
exógenas presentes o cambios biológicos como
respuestas a distintos xenobióticos (West et al.,
2006), aunque debe igualmente reconocerse, la
utilidad sobre los biomarcadores de efecto en
cualquier programa de vigilancia y control
ambiental, por cuanto se concluyó que, la
comparación entre los ecosistemas perturbados
San Juan y Almendares con relación al Filé
utilizado en condición de referencia ambiental
durante un periodo histórico sistemático no menor
a cinco años mediante uso de biomarcadores, fue
considerado como nuevo criterio para
biomonitores en ecotoxicología acuática
ambiental.
REFERENCIAS BIBLIOGRÁFICAS
Al-Ghais, S.M. 2013. Acetylcholinesterase,
glutathione and hepatosomatic index as
potential biomarkers of sewage pollution
and depuration in fish. Marine Pollution
Bulletin, 74: 183-186.
Argota, P.G.; Argota, C.H.; Larramendi, G.D.;
Mora, T.Y.; Fimia, D.R.; & Iannacone, O.J.
2012. Histología y química umbral de
metales pesados en hígado, branquias y
c e r e b r o d e G a m b u s i a p u n c t a t a
(Poeciliidae) del río Filé de Santiago de
Cuba. Revista electrónica veterinaria
REDVET, 13(05B).
Argota, P.G.; Iannacone, O.J.; & Fimia, D.R.
2013a. Características de Gambusia
punctata (Poeciliidae) para su selección
como biomonitor en ecotoxicología
acuática en Cuba. The Biologist (Lima), 11:
229-236.
Argota, P.G.; Argota, C.H.; Rodríguez, A.J. &
Fernández, H.A. 2013b. Determinación de
Cu, Zn, Pb y Cd por espectrometría de
e m i s i ó n a t ó m i c a c o n p l a s m a
inductivamente acoplado en órganos de la
especie Gambusia punctata (Poeciliidae).
Revista Cubana Química, 25: 92-99.
Argota, P.G.; Fimia, D.R.; & Iannacone, O.J.
2013c. Análisis reproductivo y trófico en la
Gambusia punctata (Cyprinodontiformes,
Poeciliidae) del río San Juan. Revista
electrónica veterinaria REDVET, 14(6).
Argota, P.G.; Argota, C.H.; & Fimia, D.R. 2013d.
Biomarcadores en la especie Gambusia
punctata (Poeciliidae) dada las condiciones
ambientales del ecosistema San Juan.
Revista electrónica veterinaria REDVET,
14(6).
Argota, P.G. & Iannacone, O.J. 2014. Similitud en
la predicción de riesgo ecológico entre el
Software Gecotox y biomarcadores en
Gambusia punctata (Poeciliidae). The
Biologist (Lima), 12: 85-98.
Argota, P.G. & Iannacone, O.J. 2016a. Costo
ambiental sostenible relativo dado la
variabilidad físicoquímica de las aguas
sobre la disponibilidad de metales en el
ecosistema San Juan, Santiago de Cuba-
Cuba. The Biologist (Lima), 14: 219-232.
Argota, P.G.; Argota, C.H. & Iannacone, O.J.
2016b. Exposición bioacumulativa en las
especies Gambusia punctata y Gambusia
puncticulata del ecosistema Almendares,
La Habana-Cuba. The Biologist (Lima), 14:
339-350.
Assis, C.R.D.; Linhares, A.G.; Oliveira, V.M.;
França, R.C.P.; Santos, J.F.; Carvalho,
V.M.M.E.; Bezerra, R.S. & Carvalho Jr.,
L.B. 2015. Effect of ions on the activity of
brain acetylcholinesterase from tropical
fish. Journal of Coastal Life Medicine, 3:
505-514.
Balambigni, N. & Aruna, D. 2011. Impact of
copper sulphate, an essential micronutrient
on Ach, AChE nd Na+K+ATPase in various
tissues of the fish Cyprinus carpio (L.).
Research Journal of Environmental
Toxicology, 5: 141-146.
Bernet, D.; Schmidt, H.; Wahli, T. & Burkhardt, P.
2004. Evaluation of two monitoring
approaches to assess effects of waste water
disposal on histological alterations in fish.
Hydrobiologia; 524: 53-66.
Birungi, Z.; Masola, B.; Zaranyika, M.F.; Naigaga,
I. & Marshall, B. 2007. Active biomonitorin
The Biologist (Lima). Vol. 15, Nº1, jan - jun 2017
151
Predicting quantitative historical risk
135-147.
Heidary, S.; Imanpour Namin, J. & Monsefrad F.
2012. Bioaccumulation of heavy metals Cu,
Zn, and Hg in muscles and liver of the
stellate sturgeon (Acipenser stellatus) in the
Caspian Sea and their correlation with
growth parameters. Iranian Journal of
Fisheries Sciences, 11: 325-337.
Hellawell, J.M. 1986. Biological indicators of
freshwater pollution and environmental
management. Amsterdam: Elsevier.
Herriks, E.E.; Schaeffer, D.J. & Perry, J.A. 1989.
Biomonitoring: closing the loop in the
environmental sciences. In: Ecotoxicology:
Problems and Approaches (Levin, S.A.;
Harwell, M.A.; Kelly, J.R. & Kimball, K.D.
eds). New York: Springer-Verlag. pp.351-
366.
Jebali, J.; Khedher, S.B.; Sabbagh, M.; Kamel, N.;
Banni, M. & Boussetta, H. 2013.
Cholinesterase activity as biomarker of
neurotoxicity: utility in the assessment of
aquatic environment contamination.
Journal of Integrated Coastal Zone
Management, 13:525-537.
Joern, A. & Hoagland, K.D. 1996. In defense of
hole-community bioassays for risk
assessment. Environmental Toxicology and
Chemistry, 15: 407-409.
Kosimoglu, C. 2014. The effect of fish size, age and
condition factor on the contents of seven
essential elements in Anguilla anguilla
from Tersakan stream Mugla (Turkey).
Journal of Pollution Effects & Control, 2:
1000123.
Lee, D.K. 2000. Predation efficacy of the fish
muddy loach, Misgurnus mizolepis, against
Aedes and Culex mosquitoes laboratory and
small rice plots. Journal of the American
Mosquito Control Association, 16: 258-
261.
Manrique, W.G.; Figueiredo, M.A.P. & Machado,
N.J.G. 2013. Dissipation and environmental
risk of fipronil on aquatic environment. The
Biologist (Lima), 11: 107-117.
Market, B.; Pedrozo, F. & Geller, W. 1997. A
contribution to the study of the heavy-metal
and nutritional element status of some lakes
in the southern Andes of Patagonia
(Argentina). The Science of the Total
Environment, 206: 1-15.
Martin, M.H. & Coughtrey, P.J. 1990. Land and
of tr a c e heavy metals u s ing fi s h
(Oreochromis niloticus) as bioindicator
species. The case of Nakivubo wetland
along Lake Victoria. Physics and Chemistry
of the Earth, Parts A/B/C, 32: 15-18.
Camacho-Sánchez, M.I. 2007. Bioconcentración y
toxicidad de metales en el langostino
Macrobrachium rosenbergii (de Man).
Revista de Toxicología, 24: 14-17.
Carvalho, S.J.; Menezes, M.S. & Guimaraes,
A.T.B. 2013. Analysis of Cholinesterase
enxyme activity in Rinelocaria kronei from
coastal rivers in Southern Brazil.
Ecotoxicology and Environmental
Contamination, 8: 87-92.
Castañe, P.M.; Eissa, B.L. & Ossana, N.A. 2013.
Respuesta de biomarcadores bioquímicos,
morfológicos y comportamentales de la
carpa común, Cyprinus carpio, por
exposición a muestras ambientales.
Ecotoxicology and Environmental
Contamination, 8: 41-47.
Çiftçi, N.; Ay, Ö.; Karayakar, F.; Cicik, B. &
Erdem, C. 2015. Effects of zinc and
c a d m i u m o n c o n d i t i o n f a c t o r ,
hepatosomatic and gonadosomatic index of
O re o c h ro m i s n i l o t i c u s . Fresenius
Environmental Bulletin, 24: 1-4.
Díaz, M.M. 1995. Biomonitoreo en sistemas
lénticos: El uso de especies indicadoras.
Zoología informa, 31: 17-35.
Eason, C. & O'Halloran, K. 2002. Biomarkers in
toxicology versus ecological risk
assessment. Toxicology, 181-182: 517-521.
Eissa, B.; Salibián, A.; Ferrari, L.; Porta, P. &
Borgnia, M. 2003. Evaluación toxicológica
no invasiva del cadmio: modificaciones de
biomarcadores conductuales en Cyprinus
carpio. Biología Acuática, 20: 56-62.
Egea, M.A.; Rueda, G.F.; Martínez, L. & García,
G.B. 2002. Efecto de la realimentación tras
un período de ayuno sobre el crecimiento en
el Sargo picudo Diplodus puntazzo (Cetti,
1777). Boletín Instituto Español de
Oceanografia, 18: 357-362.
Ellman, G.L. & Courtney, K.D. 1961. A new and
rapid colorimetric determination of
acetylcholinesterase activity. Biochemical
Pharmacology, 7: 88-95.
García, B.E. 1999. Food of introduced
mosquitofish: ontogenetic diet shift and
prey selection. Journal of Fish Biology, 55:
The Biologist (Lima). Vol. 15, Nº1, jan - jun 2017
152
Argota-Pérez et al.
J.N.; Young, J.C. & Langley, M.P. 1989.
Variations of heavy metals and arsenic in
fish and other organisms from the Calcasien
River and Lake, Louisiana. Archive of
Environmental Contamination and
Toxicology, 18: 804-818.
Rawson, D.M. 1991. Bioprobes and biosensors. In:
Handbook of Ecotoxicology (Calow, P.
(ed)). London: Blackwell. pp. 428-437.
Roesijadi, G. & Robinson, W.E. 1994. Metal
regulation in aquatic animals: mechanism
of uptake, accumulation and release. In:
Malins, D.C. & Ostrander, G.K. (Eds.),
Aquatic Toxicology Molecular, Biochemical
and Ce ll u la r P e rs p ec t iv e s. Lewis
Publishers, London.
Richetti, S.K.; Rosemberg, D.B.; Ventura-Lima, J.;
Monserrat, J.M.; Bogo, M.R. & Bonan,
C.D. 2011. Acetylcholinesterase activity
and antioxidant capacity of zebrafish brain
is altered by heavy metal exposure.
NeuroToxicology, 32: 116-122.
Ricker, W. 1975. Computation and interpretation
of biological statistics of fish populations.
Bulletin Fisheries Research. Board of
Canada, 191: 1-382.
Rodríguez, M. 1992. Técnicas de evaluación
cuantitativa de la madurez gonádica en
peces. Primera edición. A.G.T. Ed. S.A.
México, DF.
Rosenberg, D.M. & Pesh, W.H. 1993. Freshwater
b i o m o n i t o r i n g a n d b e n t h i c
macroinvertebrates. Chapman & Hall. New
York. 488 p.
Santillán-Calzada, M.; Toledo-Ibarra, G.A.;
Navidad-Murrieta, S.M.; Santillán-Ortega,
C.; Martinez-Cárdenas, L.; Alejo-Santiago,
G. & Girón-Pérez, M.I. 2016. Evaluación de
acetilcolinesterasa en peces poecílidos
como biomarcador de exposición a
plaguicidas en el río San Pedro Mezquital,
Nayarit. Revista Bio Ciencias, 3 (Supl.): 24.
Sisinno, C.L. & Oliveira, F.E.C. 2013. Principios
de Toxicología Ambiental. Ed. Interciência.
Rio de Janeiro. pp 216.
Sloof, J.E. 1993. Environmental Lichenology
biomonitoring trace element air pollution.
Delft University of technology.
Statgraphics Plus for Windows: SGPW. 2001.
Version 5.1. Copyright 1994-2001 for
Statistical Graphics Corporation.
Vidal, C.J. 2005. Expression of cholinesterases in
Air. Applied Science Publishers. London
and New York.
Montgomery, C. 1991. Diseño y Análisis de
Experimentos. Grupo Ed. Iberoamérica S.A
de C.V. México DF.
Moriarty, F. 1983. Ecotoxicology: the study of
pol luta nts in ecosyste ms. London:
Academic Press.
Odum, E.P. 1986. ra
Ecología. 3 ed. Barcelona:
Editorial Vedrá. 476 p.
Offill, A. & Walton, W. 1999. Comparative
Efficacy of the Threespine Stickleback
(G a ste ro s t e u s a c u l e a tus ) and the
Mosquitofish (Gambusia affinis) for
Mosquito Control. Journal of the American
Mosquito Control Association, 15: 380-
390.
Orrego, R.; Moraga, C.G.; González, M.; Barra, R.
& Valenzuela, A. 2005. Reproductive,
physiological, and biochemical responses
in j u v enile female rainbow tro u t
(Oncorhynchus mykiss) exposed to
sediment from pulp and paper mill
industrial discharge areas. Environmental
Toxicology and Chemistry, 24: 1935-1943.
Öztürk, M.; Özözen, G.; Minareci, O. & Minareci,
E. 2009. Determination of heavy metals in
fish, water and sediments of Avsar Dam
Lake in Turkey. Iranian Journal of
Environmental He a l t h Science &
Engineering, 6: 73-80.
Papis, E. & Awadhesh, N.J 2011. Relative
sensitivity of fish and mammalian cells to
the antibiotic, trimethoprim: cytotoxic and
genotoxic responses as determined by
neutral red retention, Comet and
micronucleus assays. Ecotoxicology, 20:
208-217.
Páez, O.F. & Osuna, M.C. 2011. Biomonitores de
la contaminación costera con referencia a
las costas mexicanas: una revisión sobre los
organismos utilizados. Hidrobiológica, 21:
229-238.
Price, D.J. 2007. Use of in-situ fish populations for
biomonitoring polychlorinated biphenyl
and metal pollution in moderately impacted
freshwater streams. University of Kentucky
Doctoral Dissertations. Paper 556.
Rainbow, P.S. 1995. Biomonitoring of heavy metal
availability in the marine environment.
Marine Pollution Bulletin, 31: 183-192.
Ramelow, G.J.; Webre, C.L.; Mueller, C.L.; Beck,
The Biologist (Lima). Vol. 15, Nº1, jan - jun 2017
153
Predicting quantitative historical risk
and fish size in the upper and middle reach
of Yangze river. Procedia Environmental
Science, 13: 1699-1707.
Zhou, Q.; Zhang, J.; Fu, J.; Shi, J. & Jiang, G. 2008.
Biomonitoring: an appealing tool for
assessment of metal pollution in the aquatic
ecosystem. Analytica Chimica Acta, 606:
35-150.
brain and non brain tumor. Chemico-
Biological Interactions, 157-158, 227-232.
Werner, I. & Hitzfeld, B. 2012. 50 years of
ecotoxicology since Silent Spring – A
review. Gaia, 3: 217-225.
West, D.W.; Ling, N.; Hicks, B.J.; Tremblay, L.A.;
Kim, N.D. & Van den Heuvel, M.R. 2006.
Cummulative impacts assessment along a
large river, using brown bullhead catfish
(Ameiurus nebulosos) populations.
Environmental Toxicology and Chemistry,
25: 1868-1880.
Yi, Y.J. & Zhang, S.H. 2012. The relationships
between fish heavy metal concentrations
Received February 15, 2017.
Accepted March 30, 2017.
