CN110308255A - 一种基于污染指示菌群对近海水体污染程度定量预测方法 - Google Patents

Abstract

本发明属于定量预测水体污染程度技术领域，公开了一种基于污染指示菌群对近海水体污染程度定量预测方法，获取研究区域水体理化指标数据计算水质综合污染指数OPI，结合高通量测序获得不同海域水体样本中的微生物群落组成信息，利用随机森林算法从中筛选出对污染状态具有指示作用的污染指示菌群，再以污染指示菌组合中各微生物的相对丰度及其权重作为自变量定量预测水体污染程度。本发明建立得到基于随机森林算法的水质污染状况定量判定模型，直接通过较少的污染指示菌简单快速鉴定水质恶化的严重程度，适用于不同环境水体的水质评价，为水体监测、治理提供了可靠的依据。

Description

一种基于污染指示菌群对近海水体污染程度定量预测方法

技术领域

本发明属于预测水体污染程度技术领域，尤其涉及一种基于污染指示菌群对近海水体污染程度定量预测方法。

背景技术

目前，最接近的现有技术：

近岸海域作为汇集区，接纳着大量的陆源物质，人类活动对近岸生态环境的影响日益加剧，随着沿海城市工、农业和水产养殖业日益增加的排放，最终经河流系统汇集到海洋，导致了从近岸到远海的自然污染梯度，沿海环境受到越来越严重的污染和营养盐的威胁，给生态环境带来严重危害。近年来频繁暴发的有毒赤潮，导致水质恶化、溶解氧降低等，而藻类分泌的毒素能够对浮游动物和底栖生物造成毒害作用，对近海生态系统造成威胁。因此，亟待发展可靠的技术来预测和评估近海的污染程度，进一步了解生态系统对持续污染可能的反馈。

大量研究表明，微生物群落变化与周围水质和环境污染存在紧密的相关性，利用微生物种群来指示污染梯度已取得一些进展。基于传统的理化指标分析，尽管能够为我们对水质的评价提供定性的判断，但很难找到一类特定环境因子的阈值来判断水质是否污染及其程度。微生物在物质能量循环、污染物降解等过程中发挥主导作用；同时，由于微生物生长迅速，代时短，作为活的生命体，对周围环境扰动(如水质恶化、病原菌侵染)做出快速而敏感的响应，能够综合地反映环境和生物因素干扰的协同或拮抗效应，使得利用敏感的微生物种群来评价近海(综合)污染成为可能。

通过微生物检测海域水质状况是突破海洋环境监测技术、改进生态系统健康评价方法的可能途径。近年来，高通量技术的快速发展和成本的急速下降，使得通过在日常管理中对海域微生物的常规监测，来评价和预测水质成为可能。因此，急需建立一种能够利用简单、快速准确测定微生物群落来预测海域水质污染程度的方法来克服现有技术的限制。

综上所述，现有技术存在的问题是：

(1)现有技术中，采用单因子评价方法预测海域污染程度，掩盖了其它因子的综合响应；

(2)现有技术中，没有通过测定微生物群落来预测海域水质污染程度，造成现有技术预测海域水质污染程度数据不准确；

(3)现有技术中，没有通过高通量测序来准确反映微生物组成信息，造成现有技术对海域优势物种、稀有物种以及一些未知物种检测不准确，即污染指示菌预测不准确。

解决上述技术问题的难度：

对于微生物种类繁多，且高通量测序数据量大，加上海洋环境的不确定性因素较多以及如何通过微生物数据来预测海洋环境水质状况一直是一个难题。

解决上述技术问题的意义：

随机森林能处理高维复杂数据，分析速度快、精确度高，并能确定最重要的变量，本发明将其应用于近海水体污染程度程度的研究中。

发明内容

针对现有技术存在的问题，本发明提供了一种基于污染指示菌群对近海水体污染程度定量预测方法。通过本发明区分海域不同污染程度对微生物组成造成的影响，提供了一种基于随机森林筛选近海水体污染程度指示菌，建立预测模型定量预测海水水质污染状况的方法。

本发明是这样实现的，一种基于污染指示菌群对近海水体污染程度定量预测方法，包括：

获取研究区域水质理化指标数据计算水质综合污染指数OPI；

结合高通量测序获得不同海域水体样本中的微生物群落信息，利用随机森林算法从中筛选出对污染程度具有指示作用的污染指示菌；

再以污染指示菌组合中各微生物的相对丰度及权重作为自变量，以各样本的污染程度作为因变量，分别建立预测模型对未知样本进行预测。

进一步，获取研究区域水质理化指标数据计算水质综合污染指数OPI具体包括：

确定海水污染程度，根据海域不同空间尺度或水质污染梯度设置n个采样点的样本i，i＝1,2…,n，在每个采样点采集表层水样样本；对所有样本进行水质理化(化学需氧量COD、无机氮、PO₄ ^3-、溶解氧DO等)分析，获得每个样本的水质指标的值；结合理化数据采用水质污染综合指数OPI获得对应采样点水质污染程度数据，计算公式为：

式中：OPI为水质综合污染指数；

COD_i、DIN_i、DIP_i、DO_i分别为各理化指标的实测值；

COD_s、DIN_s、DIP_s、DO_s分别为相应要素的一类海水水质标准其值依次为2.0、0.2、0.015和6.0mg·L^-1。

进一步，根据OPI值将海水污染程度分为六类，<0水质状况良好，0-1为较好，1-2水质开始受污染，2-3为轻度污染，3-4为中度污染，>4为严重污染。

进一步，污染指示菌的筛选包括：采用Illumina高通量测序方法获得在不同海域水体样本中的微生物群落组成信息，根据微生物群落信息筛选出对污染程度具有显著差异的种群(同一位点内差异小，不同位点间差异大)，定义为污染指示菌，指示菌至少在某一特定环境具有较高的相对丰度以便于检测，且在各站点间丰度差异达到显著水平。

进一步，所述基于污染指示菌群对近海水体污染程度定量预测方法进一步包括：

1)获取研究区域水质污染数据和微生物组成信息；

2)从细菌OTU数据集所包含的N个水样样本数据中采取放回抽样的方法来随机抽取j个自助样本集；

3)利用选出的j个水样样本以每一个细菌OTU_i的相对丰度与所对应样品所属的污染程度属性选择分裂属性，依据分裂属性对水样样本数据集进行训练形成决策树；

4)以抽取的样本点作为分析的数据集，构建最优随机森林模型；

5)计算污染指示菌重要性的指标，所述度量污染指示菌重要性的指标为节点纯度(Inc Node Purity，即平均不纯度减少值)和分类误差准确度(％IncMSE，即平均精确率减少值)；

6)综合节点纯度和分类误差准确度进行重新排序，确定各污染指示菌的重要性。

进一步，步骤4)构建最优随机森林模型的方法包括：

以待检测样品的污染指示菌为自变量，随机森林模型定量预测待检测样品的污染程度；

污染状况预测模型数学公式如下：

式中P表示待检测水质污染程度；

A为指示菌的相对丰度向量，即A＝[T1，T2，T3，…，Tn]，其中Ti(i＝1，2，…，n)为各污染程度指示菌的相对丰度；

tree为决策树数目；

L为示性函数，是指示种为1，不是则为0；

n_t,a为决策树t对预测污染程度的分类结果；

n_t是决策树t的叶子节点数；

arg max A为取得最大值时对应的指示菌的相对丰度和污染指数值的取值；

构建的随机森林分类的正确率公式如下：

n为类别总个数。

本发明的另一目的在于提供一种实施所述基于污染指示菌群对近海水体污染程度定量预测系统。

本发明的另一目的在于提供一种实施所述基于污染指示菌群对近海水体污染程度定量预测方法的水质恶化预测预警终端(根据水体中污染指示菌实现水质恶化预测)。

综上所述，本发明的优点及积极效果为：

本发明根据水体中污染指示菌来实现水质恶化预测预警，获取研究区域水质理化指标数据计算水质综合污染指数OPI，结合高通量测序获得不同海域水体样本中的微生物群落组成信息，利用随机森林算法从中筛选出对污染程度具有指示作用的污染指示菌，再以污染指示菌组合中各微生物的相对丰度及其权重作为自变量定量预测水体污染程度，结合各样本的实测污染状况验证发明方法的高准确性，以发明的预测模型对未知水体样本污染程度进行预测。通过本发明的方法，建立得到基于随机森林算法的水质污染状况定量判定模型，直接通过较少的污染指示菌简单、快速和定量地鉴定水质恶化严重程度，适用于不同水质的环境水体，为水体监测、治理提供了可靠的依据。

附图说明

图1是本发明实施例提供的基于污染指示菌群对近海水体污染程度定量预测方法流程图。

图2是本发明实施例提供的海域污染程度分布图。

图3是本发明实施例提供的随机森林筛选污染指示种图。

图4是本发明实施例提供的海域污染程度预测的可能性图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

1)现有技术中，采用单因子评价方法预测海域污染程度，掩盖了其它因子的综合响应；

2)现有技术中，没有通过测定微生物群落来预测海域水质污染程度，造成现有技术预测海域水质污染程度数据不准确；

3)现有技术中，没有通过高通量测序来准确反映微生物的丰度信息，造成现有技术对海域优势物种、稀有物种以及一些未知物种检测不准确，即污染指示菌预测不准确。

为解决上述问题，下面结合具体附图对本发明作详细描述。

本发明实施例提供的基于污染指示菌群对近海水体污染程度定量预测方法，采用Illumina测序方法分别获得在不同海域水体样本中的微生物群落组成信息，根据微生物群落信息利用随机森林筛选出污染指示菌，再以特征微生物组合中各微生物的相对丰度作为自变量，以各样本的污染程度作为因变量，分别建立预测模型对未知样本进行预测，定量预测海水水质变化。

如图1所示，本发明实施例提供的基于污染指示菌群对近海水体污染程度定量预测方法包括以下步骤：

1)获取研究区域水质污染数据和微生物组成信息。

2)从细菌OTU数据集所包含的N个水样样本数据中采取放回抽样的方法来随机抽取j个自助样本集。

3)利用选出的j个水样样本以每一个细菌OTU_i的相对丰度与所对应样品所属的污染程度属性选择分裂属性，依据分裂属性对水样样本数据集进行训练形成决策树。

4)以抽取的样本点作为分析的数据集，构建最优随机森林模型。

5)计算污染指示菌重要性的指标，所述度量污染指示菌重要性的指标为节点纯度(Inc Node Purity，即平均不纯度减少值)和分类误差准确度(％IncMSE，即平均精确率减少值)。

6)综合考虑节点纯度和分类误差准确度进行重新排序，确定各污染指示菌的重要性。

在本发明实施例中，步骤4)所述的采用随机森林模型。

以待检测样品的污染指示菌为自变量，随机森林模型定量预测待检测样品的污染程度。

污染状况预测模型数学公式如下：

式中P表示待检测水质污染状况；

A为指示菌的相对丰度向量，即A＝[T1，T2，T3，…，Tn]，其中Ti(i＝1，2，…，n)为各污染程度指示菌的相对丰度；

tree为决策树数目；

L为示性函数，是指示种为1，不是则为0；

n_t,a为决策树t对预测污染程度的分类结果；

n_t是决策树t的叶子节点数；

arg max A为取得最大值时对应的指示菌的相对丰度和污染指数值的取值。

构建的随机森林分类的正确率公式如下：

n为类别总个数。

本发明通过随机森林算法计算指示微生物的重要性，筛选出污染水体特征微生物，实现微生物群落组成、预测模型和实际检测数据相互验证，从而可用较少的微生物指示菌来预测海域水质恶化状况，为及时地采取调控措施来维持生态系统的稳定提供依据。

下面结合具体实施例对本发明作进一步描述。

实施案例

2013年8月15-28日，从海洋环境监测中心的常规监测项目中选出了8个区域共82个采样点，采集0.5m深的表层水样；一部分测得海水理化性质，计算得到各采样点污染实测值(表1)；另一部分经过滤、DNA提取、PCR扩增等前处理后进行高通量测序，得到各样本微生物OTU的reads数，并将其转换为相对丰度。用不同海域共82个样本作为筛选污染指示菌并建立预测模型的样本，通过随机森林筛选的指示菌相对丰度为自变量，建立定量评估海域污染状况的方法。实施流程参照图1。

表1各采集样本理化性质及污染实测值

注：前2位英文为采样点，后面数字为平行样品间编号，如HZ10为杭州湾取得的一个样本。

以下用OTUs的数据为例，说明具体流程与方法：

1测定海水理化指标，结合水质综合污染指数确定海水水质恶化程度(图2海域污染程度分布图)。

2筛选污染指示菌

(1)用于筛选污染指示菌的样本共有82个，通过Illumina高通量测序得到n种细菌OTU_i，i＝1,2,3,……n,计算每个细菌OTU_i的相对丰度；

(2)以每一个细菌OTU_i的相对丰度与所对应样品的污染程度进行回归分析，鉴定出与污染程度显著相关的菌群；综合考虑节点纯度和分类误差准确度，计算各个细菌OTU_i的重要性，通过引导迭代法计算各个OTU_i的重要性，用10倍交叉验证确定最低OTU的个数，即随OTUs的个数增加，区分的准确率不再提高，从而确定污染指示种群的组合；前30个最重要OTUs具有最小的均方误差(图3随机森林筛选污染指示种)。

所述筛选到的污染指示种的组成如下：变形菌门/β变形菌纲(Proteobacteria/Betaproteobacteria)；浮霉状菌门(Planctomycetes)；变形菌门/γ变形菌纲(Proteobacteria/Gammaproteobacteria)；蓝细菌门(Cyanobacteria)；放线菌门(Actinobacteria)；变形菌门/δ变形菌纲(Proteobacteria/Deltaproteobacteria)；拟杆菌门(Bacteroidetes)；芽单胞菌门(Gemmatimonadetes)。

(3)以筛选到的污染指示种群相对丰度为自变量，预测海洋污染程度，发现预测的准确率高达67.1％(图4海域污染程度预测的可能性)。由图4可见，本发明对所有样本均有较好的预测效果；特别是对污染最严重的样本(数据见表2)，其预测效果较为理想，准确率高达95.5％(表3)。

表2基于高通量检测的相对丰度为自变量的预测结果

污染等级数字1-6分为代表>4为严重污染，3-4为中度污染，2-3为轻度污染，1-2水质开始受污染，0-1为较好以及<0水质状况良好六大类；下同。

表3以海水污染状况指示菌丰度为自变量预测污染状况的准确率

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于污染指示菌群对近海水体污染程度定量预测方法，其特征在于，所述基于污染指示菌群对近海水体污染程度定量预测方法包括：

获取研究区域水质理化指标数据计算水质综合污染指数OPI；

结合高通量测序获得不同海域水体样本中的微生物群落信息，利用随机森林算法从中筛选出对污染状态具有指示作用的污染指示菌；

再以污染指示菌组合中各微生物的相对丰度及权重作为自变量，以各样本的污染程度作为因变量，分别建立预测模型对未知样本进行预测。

2.如权利要求1所述的基于污染指示菌群对近海水体污染程度定量预测方法，其特征在于，获取研究区域水质理化指标数据计算水质综合污染指数OPI具体包括：

确定海水污染程度，根据海域不同空间尺度或水质污染梯度设置n个采样点的样本i，i＝1,2…,n，在每个采样点采集表层水样样本；对所有样本进行水质理化分析，获得每个样本的水质指标的值；结合理化数据采用水质综合污染指数法OPI获得对应采样点水质污染程度数据，计算公式为：

式中：OPI为水质综合污染指数；

COD_i、DIN_i、DIP_i、DO_i分别为各理化指标的实测值；

COD_s、DIN_s、DIP_s、DO_s分别为相应要素的一类海水水质标准其值依次为2.0、0.2、0.015和6.0mg·L^-1。

3.如权利要求2所述的基于污染指示菌群对近海水体污染程度定量预测方法，其特征在于，根据OPI值将海水污染程度分为六类，<0水质状况良好，0-1为较好，1-2水质开始受污染，2-3为轻度污染，3-4为中度污染，>4为严重污染。

4.如权利要求1所述的基于污染指示菌对近海水体污染程度预测方法，其特征在于，污染指示菌的筛选包括：采用Illumina高通量测序方法获得在不同海域水体样本中的微生物群落组成信息，根据微生物群落信息筛选出对污染程度具有显著差异的种群，定义为污染指示菌，指示菌至少在某一特定环境具有较高的相对丰度，且在各站点间丰度差异达到显著水平。

5.如权利要求1所述的基于污染指示菌群对近海水体污染程度定量预测方法，其特征在于，所述基于污染指示菌群对近海水体污染程度定量预测方法进一步包括：

1)获取研究区域水质污染数据和微生物组成信息；

2)从细菌OTU数据集所包含的N个水样样本数据中采取放回抽样的方法来随机抽取j个自助样本集；

3)利用选出的j个水样样本以每一个细菌OTU_i的相对丰度与所对应样品所属的污染程度属性选择分裂属性，依据分裂属性对水样样本数据集进行训练形成决策树；

4)以抽取的样本点作为分析的数据集，构建最优随机森林模型；

5)计算污染指示菌重要性的指标，所述度量污染指示菌重要性的指标为节点纯度和分类误差准确度；

6)综合节点纯度和分类误差准确度进行重新排序，确定各污染指示菌的重要性。

6.如权利要求2所述的基于污染指示菌群对近海水体污染程度定量预测方法，其特征在于，步骤4)构建最优随机森林模型的方法包括：

i)以待检测样品的污染指示菌为自变量，随机森林模型定量预测待检测样品的污染程度；

污染程度预测模型数学公式如下：

式中P表示待检测水质污染程度；

A为指示菌的相对丰度向量，即A＝[T1，T2，T3，…，Tn]，其中Ti(i＝1，2，…，n)为各污染程度指示菌的相对丰度；

tree为决策树数目；

L为示性函数，是指示种为1，不是则为0；

n_t,a为决策树t对预测污染程度的分类结果；

n_t是决策树t的叶子节点数；

arg max A为取得最大值时对应的指示菌的相对丰度和污染指数值的取值；

构建的随机森林分类的正确率公式如下：

n为类别总个数。

7.一种实施权利要求1所述基于污染指示菌群对近海水体污染程度定量预测方法的基于污染指示菌群对近海水体污染程度定量预测系统。

8.一种实施权利要求1所述基于污染指示菌群对近海水体污染程度定量预测方法的水质恶化预测预警终端。