Environmental water quality monitoring aims to provide the data required for safeguarding the environment against adverse biological effects from multiple chemical contamination arising from anthropogenic diffuse emissions and point sources. Here, we integrate the experience of the international EU-funded project SOLUTIONS to shift the focus of water monitoring from a few legacy chemicals to complex chemical mixtures, and to identify relevant drivers of toxic effects. Monitoring serves a range of purposes, from control of chemical and ecological status compliance to safeguarding specific water uses, such as drinking water abstraction. Various water sampling techniques, chemical target, suspect and non-target analyses as well as an array of in vitro, in vivo and in situ bioanalytical methods were advanced to improve monitoring of water contamination. Major improvements for broader applicability include tailored sampling techniques, screening and identification techniques for a broader and more diverse set of chemicals, higher detection sensitivity, standardized protocols for chemical, toxicological, and ecological assessments combined with systematic evidence evaluation techniques. No single method or combination of methods is able to meet all divergent monitoring purposes. Current monitoring approaches tend to emphasize either targeted exposure or effect detection. Here, we argue that, irrespective of the specific purpose, assessment of monitoring results would benefit substantially from obtaining and linking information on the occurrence of both chemicals and potentially adverse biological effects. In this paper, we specify the information required to: (1) identify relevant contaminants, (2) assess the impact of contamination in aquatic ecosystems, or (3) quantify cause–effect relationships between contaminants and adverse effects. Specific strategies to link chemical and bioanalytical information are outlined for each of these distinct goals. These strategies have been developed and explored using case studies in the Danube and Rhine river basins as well as for rivers of the Iberian Peninsula. Current water quality assessment suffers from biases resulting from differences in approaches and associated uncertainty analyses. While exposure approaches tend to ignore data gaps (i.e., missing contaminants), effect-based approaches penalize data gaps with increased uncertainty factors. This integrated work suggests systematic ways to deal with mixture exposures and combined effects in a more balanced way, and thus provides guidance for future tailored environmental monitoring.

Surface water can contain countless organic micropollutants, and targeted chemical analysis alone may only detect a small fraction of the chemicals present. Consequently, bioanalytical tools can be applied complementary to chemical analysis to detect the effects of complex chemical mixtures. In this study, bioassays indicative of activation of the aryl hydrocarbon receptor (AhR), activation of the pregnane X receptor (PXR), activation of the estrogen receptor (ER), adaptive stress responses to oxidative stress (Nrf2), genotoxicity (p53) and inflammation (NF-κB) and the fish embryo toxicity test were applied along with chemical analysis to water extracts from the Danube River. Mixture-toxicity modeling was applied to determine the contribution of detected chemicals to the biological effect. Effect concentrations for between 0 to 13 detected chemicals could be found in the literature for the different bioassays. Detected chemicals explained less than 0.2% of the biological effect in the PXR activation, adaptive stress response, and fish embryo toxicity assays, while five chemicals explained up to 80% of ER activation, and three chemicals explained up to 71% of AhR activation. This study highlights the importance of fingerprinting the effects of detected chemicals.

Abstract The growth of online mass spectrometry metabolomics resources, including data repositories, spectral library databases, and online analysis platforms has created an environment of online/web accessibility. Here, we introduce the Metabolomics Spectrum Resolver ( https://metabolomics-usi.ucsd.edu/ ), a tool that builds upon these exciting developments to allow for consistent data export (in human and machine-readable forms) and publication-ready visualisations of tandem mass spectrometry spectra. This tool supports the Human Proteome Organization – Proteomics Standards Initiative’s Universal Spectrum Identifier (USI) specification, which has been extended to deal with the metabolomics use cases. To date, this resource already supports data formats from GNPS, MassBank, MS2LDA, MassIVE, MetaboLights, and Metabolomics Workbench and is integrated into several of these resources.

Abstract Prymnesins produced by an algal bloom of Prymnesium parvum led to the death of several hundred tons of freshwater fish in the Oder River in summer 2022. We investigated effects on aquatic life and human cell lines from exposure to extracts of contaminated water collected during the fish kill. We detected B-type prymnesins and >120 organic micropollutants. The micropollutants occurred at concentrations that would cause the predicted mixture risk quotient for aquatic life to exceed the acceptable threshold. Extracts of water and filters (biomass and particulates) induced moderate effects in vivo in algae, daphnids and zebrafish embryos but caused high effects in a human neuronal cell line indicating the presence of neurotoxicants. Mixture toxicity modelling demonstrated that the in vitro neurotoxic effects were mainly caused by the detected B-type prymnesins with minor contributions by organic micropollutants. Complex interactions between natural and anthropogenic toxicants may underestimate threats to aquatic ecosystems.

Abstract Background Prioritisation of chemical pollutants is a major challenge for environmental managers and decision-makers alike, which is essential to help focus the limited resources available for monitoring and mitigation actions on the most relevant chemicals. This study extends the original NORMAN prioritisation scheme beyond target chemicals, presenting the integration of semi-quantitative data from retrospective suspect screening and expansion of existing exposure and risk indicators. The scheme utilises data retrieved automatically from the NORMAN Database System (NDS), including candidate substances for prioritisation, target and suspect screening data, ecotoxicological effect data, physico-chemical data and other properties. Two complementary workflows using target and suspect screening monitoring data are applied to first group the substances into six action categories and then rank the substances using exposure, hazard and risk indicators. The results from the ‘target’ and ‘suspect screening’ workflows can then be combined as multiple lines of evidence to support decision-making on regulatory and research actions. Results As a proof-of-concept, the new scheme was applied to a combined dataset of target and suspect screening data. To this end, > 65,000 substances on the NDS, of which 2579 substances supported by target wastewater monitoring data, were retrospectively screened in 84 effluent wastewater samples, totalling > 11 million data points. The final prioritisation results identified 677 substances as high priority for further actions, 7455 as medium priority and 326 with potentially lower priority for actions. Among the remaining substances, ca. 37,000 substances should be considered of medium priority with uncertainty, while it was not possible to conclude for 19,000 substances due to insufficient information from target monitoring and uncertainty in the identification from suspect screening. A high degree of agreement was observed between the categories assigned via target analysis and suspect screening-based prioritisation. Suspect screening was a valuable complementary approach to target analysis, helping to prioritise thousands of substances that are insufficiently investigated in current monitoring programmes. Conclusions This updated prioritisation workflow responds to the increasing use of suspect screening techniques. It can be adapted to different environmental compartments and can support regulatory obligations, including the identification of specific pollutants in river basins and the marine environments, as well as the confirmation of environmental occurrence levels predicted by modelling tools. Graphical Abstract

Vom WasserEarly View Kurzbeiträge Ad-hoc assessment of Non-Target Screening data for regulatory water monitoring of the future Anna Lena Kronsbein, Corresponding Author Anna Lena Kronsbein [email protected] Berlin Anna Lena Kronsbein, M. Sc., Umweltbundesamt, Colditzstraße 34, 12099 Berlin, Germany; e-mail: [email protected]Search for more papers by this authorAlexander Badry (Berlin), Alexander Badry (Berlin) BerlinSearch for more papers by this authorKevin S. Jewell(Koblenz), Kevin S. Jewell(Koblenz) BerlinSearch for more papers by this authorTobias Schulze, Tobias Schulze BerlinSearch for more papers by this authorEric Rosenheinrich (Berlin), Eric Rosenheinrich (Berlin) BerlinSearch for more papers by this authorArne Wick (Koblenz), Arne Wick (Koblenz) BerlinSearch for more papers by this authorNicole Bandow, Nicole Bandow BerlinSearch for more papers by this authorJan Koschorreck, Jan Koschorreck BerlinSearch for more papers by this author Anna Lena Kronsbein, Corresponding Author Anna Lena Kronsbein [email protected] Berlin Anna Lena Kronsbein, M. Sc., Umweltbundesamt, Colditzstraße 34, 12099 Berlin, Germany; e-mail: [email protected]Search for more papers by this authorAlexander Badry (Berlin), Alexander Badry (Berlin) BerlinSearch for more papers by this authorKevin S. Jewell(Koblenz), Kevin S. Jewell(Koblenz) BerlinSearch for more papers by this authorTobias Schulze, Tobias Schulze BerlinSearch for more papers by this authorEric Rosenheinrich (Berlin), Eric Rosenheinrich (Berlin) BerlinSearch for more papers by this authorArne Wick (Koblenz), Arne Wick (Koblenz) BerlinSearch for more papers by this authorNicole Bandow, Nicole Bandow BerlinSearch for more papers by this authorJan Koschorreck, Jan Koschorreck BerlinSearch for more papers by this author First published: 27 November 2024 https://doi.org/10.1002/vomw.202400022Read the full textAboutPDF ToolsRequest permissionExport citationAdd to favoritesTrack citation ShareShare Give accessShare full text accessShare full-text accessPlease review our Terms and Conditions of Use and check box below to share full-text version of article.I have read and accept the Wiley Online Library Terms and Conditions of UseShareable LinkUse the link below to share a full-text version of this article with your friends and colleagues. Learn more.Copy URL Share a linkShare onEmailFacebookxLinkedInRedditWechat No abstract is available for this article. References 1Jewell, K. S.; Thron, F.; Schlüsener, M.; Kramer, K.; Scharrenbach, T.; Fettig, I.; Koschorreck, J.; Schulte, C.; Ternes, T.; Wick, A.: Ein Datenbankmodell für aggregierte Non-Target-Screening-Ergebnisse, Vom Wasser 2021, 119 (3), 94–96. 10.1002/vomw.202100020 Google Scholar 2Jewell, K. S.; Kunkel, U.; Ehlig, B.; Thron, F.; Schlüsener, M.; Dietrich, C.; Wick, A.; Ternes, T. A.: Comparing mass, retention time and tandem mass spectra as criteria for the automated screening of small molecules in aqueous environmental samples analyzed by liquid chromatography/quadrupole time-of-flight tandem mass spectrometry, Rapid Commun. Mass Spectrom. 2020, 34 (1), https://doi.org/10.1002/rcm.8541. 10.1002/rcm.8541 PubMedGoogle Scholar 3Szöcs, E.; Stirling, T.; Scott, E. R.; Scharmüller, A.; Schäfer, R. B.: webchem: An R Package to Retrieve Chemical Information from the Web, J. Stat. Software 2020, 93 (13), 1–17, https://doi.org/10.18637/jss.v093.i13. 10.18637/jss.v093.i13 Google Scholar Early ViewOnline Version of Record before inclusion in an issue ReferencesRelatedInformation