CN109785898A - 一种基于微生物网络评估环境污染风险的方法 - Google Patents
一种基于微生物网络评估环境污染风险的方法 Download PDFInfo
- Publication number
- CN109785898A CN109785898A CN201910032923.8A CN201910032923A CN109785898A CN 109785898 A CN109785898 A CN 109785898A CN 201910032923 A CN201910032923 A CN 201910032923A CN 109785898 A CN109785898 A CN 109785898A
- Authority
- CN
- China
- Prior art keywords
- microorganism
- environmental pollution
- index
- risk
- pollution
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
- Micro-Organisms Or Cultivation Processes Thereof (AREA)
Abstract
本发明涉及一种基于微生物网络评估环境污染风险的方法,主要针对土壤、地表水、地下水、底泥等环境介质进行污染风险评估。本发明的步骤如下:通过宏基因组测序获得环境样品微生物群落结构和相对丰度数据,同时获取对应样品基本环境指标;根据优势微生物与关键环境指标构建微生物互作网络模型;通过微生物共存关系中正负相关比例和网络平均度变化,评估环境微生态系统稳定性,负相关比例降低预示环境污染风险增大,需要采取适当环境污染防治措施。本发明是基于生态学的统计方法,与基于多种环境理化指标监测评价环境污染的常规方法相比,可在污染发生前做出预判,有助于监测者对环境污染防治时机做出及时、准确的判断。
Description
技术领域
本发明属于环境污染评价技术领域,特别涉及一种基于微生物网络评估环境污染风险的方法。
背景技术
环境污染就是指有害物质对大气、水、土壤和动植物污染并达到有害的程度(物理污染、化学污染、生物污染等),通常,我国通过制定针对不同环境介质的污染风险管控标准来监测并预防环境污染,将镉、汞、砷、铅等基本指标作为农用地土壤污染风险筛选值的基本项目,将六六六总量、滴滴涕总量和苯并[a]芘定为选测污染物项目,以评估农用地土壤污染风险。但由于各类环境介质中存在的污染物质种类繁多,根据现有特征指标进行污染风险评估难免会遗漏众多潜在的污染项目,而大批量测定众多污染指标以评估环境介质污染风险成本较高,较难在各类环境介质中应用,因此挖掘更具环境污染敏感性的风险评估指标,对于环境污染风险评估和环境污染防治具有重要意义。
环境样品中存在大量的微生物,它们广泛分布于土壤、地表水、地下水、底泥等不同环境介质中。研究表明,不同的微生物在环境介质不同物质转化和代谢过程中起到至关重要的作用。大多数微生物通过利用环境介质中广泛存在的营养物质,主要包括碳源、氮源、磷源等,为自身生长代谢提供能量,进而对环境介质中的养分存在形态进行转变;一些功能微生物可以降解土壤中的有机污染物,如苯系物等,对于环境中存在的污染物起到了较大的自然衰减贡献。同时,微生物的生长和存亡特征也受介质中各个环境因子不同程度的影响。许多研究学者证实,在底泥中砷(As)、铅(Pb)、镉(Cd)等重金属的累积会显著改变微生物群落结构,甚至影响环境中优势种属门类;在土壤磷素以难利用形态富集时,微生物群落会向解磷菌属功能微生物聚积,假单胞菌属等微生物丰度显著升高。因此,微生物群落与环境介质中不同因子变化存在较密切的复杂互作关系。随着宏基因组测序技术的广泛应用,监测环境样品中的微生物数量和群落分布变得更加方便,且成本较低,通常采用网络分析进一步解析微生物个体间的相互作用关系并寻找它们之间的功能联系。但这些方法在估计微生物之间的关联时并未考虑环境因素的影响,忽略了构建更庞大的环境因素与微生物群落互作网络中隐藏的微生物共存信息。由于微生物种群之间和微生物和环境污染指标之间存在敏感的正负相关关系,同时考虑时会构建出新的互作网络,再进一步过滤环境干扰后的微生物共存关系中,正负相关比例表示核心微生物在生态系统中的稳定性,负相关比例越高稳定性越强,网络度表示核心微生物群落的关联性,网络度越低生态系统稳定性越差。这些关系在环境污染干扰时会产生显著的响应,因此,导致微生物共存网络关系的变化。
发明内容
为了克服上述现有技术的缺点,本发明的目的在于提供一种基于微生物网络评估环境污染风险的方法,基于微生物共存网络关系在微生物-环境因子互作网络中随环境污染风险的变化,通过构建环境样品中优势微生物与关键环境指标的微生物互作网络模型,基于微生物共存关系中正负相关比例和网络平均度的变化,评估环境微生态系统稳定性并预示环境污染风险,与基于多种环境理化指标监测评价环境污染的常规方法相比,可在污染发生前做出预判,有助于监测者对环境污染防治时机做出及时、准确的判断,对环境污染防治时机提供了更准确的依据。
为了实现上述目的,本发明采用的技术方案是:
一种基于微生物网络评估环境污染风险的方法,包括以下步骤:
1)通过宏基因组测序获得环境样品微生物群落结构和相对丰度数据,同时获取对应样品基本环境指标;
2)根据优势微生物与关键环境指标构建微生物互作网络模型;
3)通过微生物共存关系中正负相关比例和网络度变化,评估环境微生态系统稳定性,负相关比例和网络度降低预示环境污染风险增大;
4)对环境污染风险增大的情况,采取适当环境污染防治措施。
所述环境样品可为土壤、地表水、地下水和底泥等不同环境介质。
对应样品的基本环境指标理化指标(温度、pH、电导率等)、营养指标(总有机碳、总氮、总磷、有机质、速效氮、速效磷、腐殖质、胡敏酸、富里酸、胡敏素等)、金属污染指标(汞、镉、铜、铬、砷、镍、铅、锌等)、有机污染指标(单环芳烃、多环芳烃、卤代烃、挥发性有机物、半挥发性有机物等)、新型污染物(抗生素、全氟化合物等)。
所述优势微生物为相对丰度高于0.5%的微生物类群,可基于OTU、种、属等微生物水平,所述关键环境指标包含营养指标(总氮、总磷等)、金属污染指标(锌、铜等)以及有机污染指标(多环芳烃、卤代烃等)。
所述微生物互作网络指以存在显著相关关系即P<0.05的优势微生物和关键环境指标为节点构建的无向关联网络。所述微生物共存关系中正负相关比例指关联网络中微生物种群间的正负边占微生物共存网络中的比值,网络度指微生物共存网络节点所连边的平均值。
相同环境样品微生物共存网络中负相关比例和网络度降低时关键环境指标明显累积,环境污染风险增大,需采取适当环境污染防治措施。
与现有技术相比,本发明的有益效果是:
本发明的方法将优势环境微生物与关键环境因子互作网络中微生物共存关系统计分析应用于环境污染风险评价,通过微生物共存关系中负相关比例变化可在污染发生前做出预判,有助于监测者对环境污染防治时机做出及时、准确的判断。
附图说明
图1为本发明的实施方法流程示意图。
图2为对照(A)和污染(B)底泥优势细菌群落和关键环境因子的互作网络。
图3为对照(A)和污染(B)底泥优势细菌群落和关键环境因子的互作网络中细菌共存关系中正负比例。
图4为对照(A)和污染(B)底泥优势细菌群落和关键环境因子的互作网络中细菌共存关系网络度比较。
具体实施方式
下面结合附图和实施例对本发明的技术方案进行清楚、完整的描述,显然,以下描述的实施例是本发明的一部分实施例,而不是全部的实施例,不对本发明的内容和保护范围构成限制,任何人在本发明的启示下或是将本发明与其他现有技术的特征进行组合在没有做出创造性劳动的前提下所获得的其他实施例,都属于本发明的保护范围。
实施例:同一河网河道底泥样品中细菌群落和基本环境指标
参照图1的流程图,进行微生物-环境因子互作关系构建,并比较微生物共存关系变化,预测环境污染风险并验证。具体操作步骤如下:
选取某河道中游同一河段底泥中5处采样点进行采样,测定碳氮磷基本指标和金属污染指标,结果表明底泥样品中氮磷指标正常,且金属等指标均未超出国家污染风险管控标准。从样品中提取DNA利用宏基因组测序,通过生物信息学分析得到以相似性为基准聚类的表,以同一属为基准单位,筛选相对丰度高于0.5%的种属,基于环境指标与微生物物种的Spearman相关系数,选取P<0.05相互作用关系,最终得到199种微生物种属和7中关键环境因子。
利用gephi0.9.2软件构建微生物-环境因子互作关系,得到含有1915条边的互作网络,如图2A,过滤并仅保留微生物间共存关系,得到微生物共存网络并进行分析,结果表明,存在1837条边,其中负相关关系的边有577 条,负相关比例为31.4%,网络平均度为18.493。
选取相同河道下游河段底泥中5处采样点进行采样,测定碳氮磷基本指标和金属污染指标,发现底泥样品中,不仅存在明显的氮磷累积,而且汞(Hg)、锌(Zn)、铜(Cu)、镉(Cd)均超出国家污染风险管控标准。从样品中提取DNA利用宏基因组测序,通过生物信息学分析得到以相似性为基准聚类的表,以同一属为基准单位,筛选相对丰度高于0.5%的种属,基于环境指标与微生物物种的Spearman相关系数,选取P<0.05相互作用关系,最终得到200种微生物种属和7中关键环境因子。
利用gephi0.9.2软件构建微生物-环境因子互作关系,得到含有1703条边的互作网络,如图2B,过滤并仅保留微生物间共存关系,得到微生物共存网络并进行分析,结果表明,存在1626条边,其中负相关关系的边有258 条,负相关比例仅为15.86%,网络平均度为16.534。
图3和图4分别为相同河道不同污染状况底泥的微生物共存网络关系中负相关比例和网络平均度,可以看出,与未污染底泥相比,污染底泥中微生物共存网络中负相关比例显著降低,网络平均度也明显低于未污染组。由此说明,微生物-环境因子互作网络中微生物种群的共存关系对于环境污染情况存在极强敏感性。
Claims (8)
1.一种基于微生物网络评估环境污染风险的方法,其特征在于,包括以下步骤:
1)通过宏基因组测序获得环境样品微生物群落结构和相对丰度数据,同时获取对应样品基本环境指标;
2)根据优势微生物与关键环境指标构建微生物互作网络模型;
3)通过微生物共存关系中正负相关比例和网络度变化,评估环境微生态系统稳定性,负相关比例和网络度降低预示环境污染风险增大;
4)对环境污染风险增大的情况,采取适当环境污染防治措施。
2.根据权利要求1所述基于微生物网络评估环境污染风险的方法,其特征在于,所述环境样品为土壤、地表水、地下水和底泥中的一种或者多种。
3.根据权利要求1所述基于微生物网络评估环境污染风险的方法,其特征在于,对应样品的基本环境指标理化指标、营养指标、金属污染指标、有机污染指标以及新型污染物。
4.根据权利要求1所述基于微生物网络评估环境污染风险的方法,其特征在于,所述优势微生物为相对丰度高于0.5%的微生物类群,所述关键环境指标包含营养指标,金属污染指标以及有机污染指标。
5.根据权利要求5所述基于微生物网络评估环境污染风险的方法,其特征在于,所述优势微生物基于OTU、种或属,所述营养指标包括总氮和总磷,所述金属污染指标包括锌和铜,所述有机污染指标包括多环芳烃和卤代烃。
6.根据权利要求1所述基于微生物网络评估环境污染风险的方法,其特征在于,所述微生物互作网络指以存在显著相关关系即P<0.05的优势微生物和关键环境指标为节点构建的无向关联网络。
7.根据权利要求1所述基于微生物网络评估环境污染风险的方法,其特征在于,所述微生物共存关系中正负相关比例指关联网络中微生物种群间的正负边占微生物共存网络中的比值,网络度指微生物共存网络节点所连边的平均值。
8.根据权利要求1所述基于微生物网络评估环境污染风险的方法,其特征在于,相同环境样品微生物共存网络中负相关比例和网络度降低时关键环境指标明显累积,环境污染风险增大,需采取适当环境污染防治措施。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910032923.8A CN109785898B (zh) | 2019-01-14 | 2019-01-14 | 一种基于微生物网络评估环境污染风险的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910032923.8A CN109785898B (zh) | 2019-01-14 | 2019-01-14 | 一种基于微生物网络评估环境污染风险的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109785898A true CN109785898A (zh) | 2019-05-21 |
CN109785898B CN109785898B (zh) | 2021-03-16 |
Family
ID=66500634
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910032923.8A Active CN109785898B (zh) | 2019-01-14 | 2019-01-14 | 一种基于微生物网络评估环境污染风险的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109785898B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110277139A (zh) * | 2019-06-18 | 2019-09-24 | 江苏省产品质量监督检验研究院 | 一种基于互联网的微生物限度检查系统及方法 |
CN111222803A (zh) * | 2020-01-14 | 2020-06-02 | 南京大学 | 基于环境风险系统的企业累积性环境风险评估系统及方法 |
CN111477267A (zh) * | 2020-03-06 | 2020-07-31 | 清华大学 | 微生物的多关联网络计算方法、装置、设备及存储介质 |
CN113822469A (zh) * | 2021-08-30 | 2021-12-21 | 中国农业科学院烟草研究所(中国烟草总公司青州烟草研究所) | 一种基于土壤病原菌的风险预测方法、系统及可存储介质 |
CN114863994A (zh) * | 2022-07-06 | 2022-08-05 | 新格元(南京)生物科技有限公司 | 污染评估方法、装置、电子设备及存储介质 |
CN117423214A (zh) * | 2023-10-24 | 2024-01-19 | 重庆市生态环境科学研究院 | 一种基于环境dna数据的环境生态风险评估方法 |
CN118166136A (zh) * | 2024-05-15 | 2024-06-11 | 西南石油大学 | 一种高分辨率的压裂返排液污染土壤情况的监测方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104830977A (zh) * | 2015-04-21 | 2015-08-12 | 浙江省舟山海洋生态环境监测站 | 海洋沉积物有机污染快速监测方法 |
CN104962620A (zh) * | 2015-06-10 | 2015-10-07 | 宁波大学 | 一种基于微生物群落的生态健康评价方法 |
CN108009404A (zh) * | 2017-09-29 | 2018-05-08 | 申海科技(天津)有限公司 | 一种基于环境微生物数据的环境安全检测评估方法及系统 |
CN108078540A (zh) * | 2016-11-23 | 2018-05-29 | 中国科学院昆明动物研究所 | 基于人体菌群互作网络分析评估机体健康和诊断疾病的方法 |
CN108095685A (zh) * | 2016-11-23 | 2018-06-01 | 中国科学院昆明动物研究所 | 人体微生物互作网络中正负作用比值在评估人体健康和疾病诊断中的应用 |
CN108605486A (zh) * | 2018-03-22 | 2018-10-02 | 天津师范大学 | 一种采用污泥堆肥调控机场鸟类群落多样性的方法 |
CN108629502A (zh) * | 2018-05-02 | 2018-10-09 | 苏州农业职业技术学院 | 一种基于微生物完整性指数的湿地生态系统健康评价方法 |
CN109055479A (zh) * | 2018-09-10 | 2018-12-21 | 山东省科学院生态研究所 | 一种地形逆温区域灰霾空气污染程度检测预警方法 |
-
2019
- 2019-01-14 CN CN201910032923.8A patent/CN109785898B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104830977A (zh) * | 2015-04-21 | 2015-08-12 | 浙江省舟山海洋生态环境监测站 | 海洋沉积物有机污染快速监测方法 |
CN104962620A (zh) * | 2015-06-10 | 2015-10-07 | 宁波大学 | 一种基于微生物群落的生态健康评价方法 |
CN108078540A (zh) * | 2016-11-23 | 2018-05-29 | 中国科学院昆明动物研究所 | 基于人体菌群互作网络分析评估机体健康和诊断疾病的方法 |
CN108095685A (zh) * | 2016-11-23 | 2018-06-01 | 中国科学院昆明动物研究所 | 人体微生物互作网络中正负作用比值在评估人体健康和疾病诊断中的应用 |
CN108009404A (zh) * | 2017-09-29 | 2018-05-08 | 申海科技(天津)有限公司 | 一种基于环境微生物数据的环境安全检测评估方法及系统 |
CN108605486A (zh) * | 2018-03-22 | 2018-10-02 | 天津师范大学 | 一种采用污泥堆肥调控机场鸟类群落多样性的方法 |
CN108629502A (zh) * | 2018-05-02 | 2018-10-09 | 苏州农业职业技术学院 | 一种基于微生物完整性指数的湿地生态系统健康评价方法 |
CN109055479A (zh) * | 2018-09-10 | 2018-12-21 | 山东省科学院生态研究所 | 一种地形逆温区域灰霾空气污染程度检测预警方法 |
Non-Patent Citations (2)
Title |
---|
石文莉 等: ""太湖不同营养水平湖区沉积环境微生物分子生态网络特征及其环境响应分析"", 《南京大学学报》 * |
谢玉为: ""基于沉积物DNA宏系统分类学的底栖生物群落对化学污染物的生态响应研究"", 《中国博士学位论文全文数据库 基础科学辑》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110277139A (zh) * | 2019-06-18 | 2019-09-24 | 江苏省产品质量监督检验研究院 | 一种基于互联网的微生物限度检查系统及方法 |
CN110277139B (zh) * | 2019-06-18 | 2023-03-21 | 江苏省产品质量监督检验研究院 | 一种基于互联网的微生物限度检查系统及方法 |
CN111222803A (zh) * | 2020-01-14 | 2020-06-02 | 南京大学 | 基于环境风险系统的企业累积性环境风险评估系统及方法 |
CN111222803B (zh) * | 2020-01-14 | 2020-12-11 | 南京大学 | 基于环境风险系统的企业累积性环境风险评估系统及方法 |
CN111477267A (zh) * | 2020-03-06 | 2020-07-31 | 清华大学 | 微生物的多关联网络计算方法、装置、设备及存储介质 |
CN111477267B (zh) * | 2020-03-06 | 2022-05-03 | 清华大学 | 微生物的多关联网络计算方法、装置、设备及存储介质 |
CN113822469A (zh) * | 2021-08-30 | 2021-12-21 | 中国农业科学院烟草研究所(中国烟草总公司青州烟草研究所) | 一种基于土壤病原菌的风险预测方法、系统及可存储介质 |
CN113822469B (zh) * | 2021-08-30 | 2023-05-26 | 中国农业科学院烟草研究所(中国烟草总公司青州烟草研究所) | 一种基于土壤病原菌的风险预测方法、系统及可存储介质 |
CN114863994A (zh) * | 2022-07-06 | 2022-08-05 | 新格元(南京)生物科技有限公司 | 污染评估方法、装置、电子设备及存储介质 |
CN117423214A (zh) * | 2023-10-24 | 2024-01-19 | 重庆市生态环境科学研究院 | 一种基于环境dna数据的环境生态风险评估方法 |
CN118166136A (zh) * | 2024-05-15 | 2024-06-11 | 西南石油大学 | 一种高分辨率的压裂返排液污染土壤情况的监测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109785898B (zh) | 2021-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109785898A (zh) | 一种基于微生物网络评估环境污染风险的方法 | |
Panno et al. | Microplastic contamination in karst groundwater systems | |
Chiaudani et al. | The N: P ratio and tests with Selenastrum to predict eutrophication in lakes | |
Zeng et al. | Multivariate statistical characterization of water quality in Lake Lanier, Georgia, USA | |
Reeve et al. | Effects of soil type and farm management on soil ecological functional genes and microbial activities | |
Schlüter et al. | Identification and quantification of phytoplankton groups in lakes using new pigment ratios–a comparison between pigment analysis by HPLC and microscopy | |
Luo et al. | Grass and maize vegetation systems restore saline‐sodic soils in the Songnen Plain of northeast China | |
Oliver et al. | Transfer of Escherichia coli to water from drained and undrained grassland after grazing | |
Elliott et al. | Concentrations of pharmaceuticals and other micropollutants in groundwater downgradient from large on-site wastewater discharges | |
Perkins et al. | Managing taste and odour metabolite production in drinking water reservoirs: The importance of ammonium as a key nutrient trigger | |
Bolster et al. | Comparison of Escherichia coli and Campylobacter jejuni transport in saturated porous media | |
Hill et al. | Resource synergy in stream periphyton communities | |
LeBrun et al. | Microbial community structure and function decoupling across a phosphorus gradient in streams | |
Maul et al. | Heterotrophic bacteria in water distribution systems. I. Spatial and temporal variation | |
Subrabmanyam et al. | Soil microbial activity and its relation to soil indigenous properties in semi-arid alluvial and estuarine soils of Mahi river basin, Western India | |
Johnson et al. | Fate of phosphorus in dairy wastewater and poultry litter applied on grassland | |
Sirisena et al. | Bacterial bioclusters relate to hydrochemistry in New Zealand groundwater | |
Jia et al. | Unveiling Microbial Nitrogen Metabolism in Rivers using a Machine Learning Approach | |
Mahapatra et al. | Insights to bioprocess and treatment competence of urban wetlands | |
Xin et al. | Response of prokaryotic, eukaryotic and algal communities to heavy rainfall in a reservoir supplied with reclaimed water | |
Ding et al. | Exploring links between water quality and E. coli o157: H7 survival potential in well waters from a rural area of southern changchun city, china | |
CN106544395A (zh) | 一种测定土壤微生物对石油烃降解能力的方法 | |
Li et al. | An innovative risk evaluation method on soil pathogens in urban-rural ecosystem | |
Bennion | A diatom-phosphorus transfer function for eutrophic ponds in south-east England | |
Essien et al. | Activities of hydrocarbon-utilizing and diazotrophic bacteria in crude oil impacted mangrove sediments of the Qua Iboe Estuary, Nigeria |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |