CN112414979A - 用于识别产麻痹性贝类毒素微藻的荧光特征标准谱库及其构建方法与应用 - Google Patents

用于识别产麻痹性贝类毒素微藻的荧光特征标准谱库及其构建方法与应用 Download PDF

Info

Publication number
CN112414979A
CN112414979A CN202010757082.XA CN202010757082A CN112414979A CN 112414979 A CN112414979 A CN 112414979A CN 202010757082 A CN202010757082 A CN 202010757082A CN 112414979 A CN112414979 A CN 112414979A
Authority
CN
China
Prior art keywords
algae
microalgae
fluorescence
paralytic shellfish
producing
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
Application number
CN202010757082.XA
Other languages
English (en)
Other versions
CN112414979B (zh
Inventor
江天久
董俊
曹洁茹
杨建洪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Lightsun Technology Co ltd
Jinan University
Original Assignee
Shenzhen Lightsun Technology Co ltd
Jinan University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Lightsun Technology Co ltd, Jinan University filed Critical Shenzhen Lightsun Technology Co ltd
Priority to CN202010757082.XA priority Critical patent/CN112414979B/zh
Publication of CN112414979A publication Critical patent/CN112414979A/zh
Application granted granted Critical
Publication of CN112414979B publication Critical patent/CN112414979B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/64—Fluorescence; Phosphorescence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)

Abstract

本发明公开了一种用于识别产麻痹性贝类毒素微藻的荧光特征标准谱库及其构建方法与应用。本发明通过提取产PSP藻类和不产PSP藻类在不同环境条件下生长的三维荧光光谱信息，运用Db7小波函数提取实验藻类的特征峰，再用系统聚类法进行聚类分析，剔除异常谱，筛选标准谱，得到Db7荧光特征标准谱库，依据该荧光特征标准谱库建立的判别函数对产PSP藻类和不产PSP藻类判别，判别正确率分别为84.6％和95.6％，正确率很高，基本实现了对产毒藻快速准确识别的目的。该荧光特征标准谱库可用于制备赤潮藻类识别传感器或便携式藻类荧光识别仪。

Description

用于识别产麻痹性贝类毒素微藻的荧光特征标准谱库及其构 建方法与应用
技术领域
本发明属于有毒微藻识别防治领域，具体涉及一种用于识别产麻痹性贝类毒素微藻的荧光特征标准谱库及其构建方法与应用。
背景技术
赤潮是指水中的微生物由于水体环境及气候等原因大量繁殖导致水体变色的现象。近些年我国沿海的赤潮发生次数及面积有持续增加的趋势，经济损失严重。
根据赤潮的毒性特点，通常把赤潮分为三类，分别为无毒赤潮、鱼毒性赤潮和有毒赤潮。三类赤潮中，无毒赤潮发生的比例最高，这类赤潮不产毒素，鱼毒性赤潮产生的毒素只对鱼类造成影响，海洋中的其它生物通常不会对其富集，而有毒赤潮产生的毒素可以通过生物富集作用在贝类体内积累，人或其它动物因误食染毒的贝类而对健康造成危害。有毒赤潮主要由产毒的浮游或底栖的藻类形成，近年来，在我国的东海和长江口，多次发生有毒藻赤潮，近岸海产贝类的食用安全风险增加。
有毒赤潮产生的毒素主要有麻痹性贝毒(Paralytic Shellfish Poisoning，PSP)、腹泻性贝毒(Diarrhetic Shellfish Poisoning，DSP)、记忆缺失性贝毒(AmnesicShellfish Poisoning，ASP)、神经性贝毒(Neurotoxic Shellfish Poisoning，NSP)和西加鱼毒(Ciguatera Fish Poisoning，CFP)等。
在所有的赤潮毒素中，麻痹性贝毒由于其分布广，毒性强而成为危害最大的生物毒素之一。产麻痹性贝毒的藻类主要集中在甲藻门，如膝沟藻属(Gonyaulax)、亚历山大藻属(Alexandrium)、裸甲藻属 (Gymnodinium)。除了甲藻之外，其它门类的少数藻类也可以产PSP，如淡水藻中的蓝绿藻属，红藻和一些细菌。亚历山大藻属中的塔玛亚历山大藻(A.tamarense)、链状亚历山大藻(A.catenella)、微小亚历山大藻(A.minutum)是我国沿海产PSP的主要藻类。
麻痹性贝毒主要指石房蛤毒素(Sxatioxin，STX)及其衍生物，是一类小分子化合物，至今已经发现的麻痹性贝毒毒素成分已有57种。麻痹性贝毒为碱性极性化合物，易溶于水、甲醇、乙醇，难溶于非极性溶剂。
已有一些检测PSP的方法，如生物检测法、免疫法、化学分析法，但这些方法存在准确性、灵敏性、重复性差的缺陷或需大型昂贵设备和专业操作人员及样品前处理复杂、时效性差等问题，无法在贝类毒素监测和管理中广泛应用。此外，目前还没有一种可用于产PSP藻活体细胞的毒性检测技术，严重制约贝类毒素的现场管理。
发明内容
本发明的首要目的在于提供一种用于识别产麻痹性贝类毒素微藻的荧光特征标准谱库的构建方法。
本发明的另一目的在于提供通过上述构建方法得到的用于识别产麻痹性贝类毒素微藻的荧光特征标准谱库。
本发明的再一目的还在于提供上述用于识别产麻痹性贝类毒素微藻的荧光特征标准谱库的应用。
本发明的目的通过下述技术方案实现：
一种用于识别产麻痹性贝类毒素微藻的荧光特征标准谱库的构建方法，包括如下步骤：提取产麻痹性贝毒的藻类和不产麻痹性贝毒的藻类在不同环境条件(温度、光照强度、盐度)各生长期的三维荧光光谱信息，运用Db7小波函数提取实验藻类的荧光特征谱，再用系统聚类法进行聚类分析，筛选出具代表性的标准谱，得到用于识别产麻痹性贝类毒素微藻的荧光特征标准谱库；更优选包括如下步骤：
(1)测定微藻在不同温度、盐度和光照强度下各生长期的三维荧光，激发波长为400～600nm，发射波长为650～750nm，得到微藻细胞的三维荧光数据；其中，微藻包括产麻痹性贝毒微藻和不产麻痹性贝毒微藻；
(2)将步骤(1)获得的微藻细胞的三维荧光数据转换成TXT文件格式，采用Delaunay三角内插值法消除三维荧光光谱的瑞利散射；再将三维荧光光谱最大归一化，然后对其三维荧光光谱进行Db7小波分析，选取荧光特征谱；
(3)使用系统聚类法对经过步骤(2)处理后的藻类所有荧光光谱进行聚类分析，筛选具代表性的光谱，得到用于识别产麻痹性贝类毒素微藻的荧光特征标准谱库。
步骤(1)中所述的生长期包括对数期、稳定期和衰亡期。
步骤(1)中所述的产麻痹性贝毒微藻的株数优选为5种(株)以上。
所述的产麻痹性贝毒微藻优选为微小亚历山大藻(Alexandrium minimum,台湾株)AMSY、塔玛亚历山大藻(Alexandrium tamarense，大亚湾株)ATDY、链状裸甲藻(Gymnodinium catenatum，防城巷株) GCFC、塔玛亚历山大藻(Alexandrium tamarense，香港株)ATHK和链状亚历山大藻(Alexandrium catenella，南海株)ACSY。这些藻种经HPLC分析检测出PSP毒素。
步骤(1)中所述的不产麻痹性贝毒微藻的株数优选为21种(株)以上。
所述的不产麻痹性贝毒微藻优选为塔玛亚历山大藻(A.tamarense)ATCZ、塔玛亚历山大藻(A. tamarense)ATCZ1、东海原甲藻(Prorocentrum donghaiense)PDCZ、利马原甲藻(Prorocentrum lima) PLCZ、利马原甲藻(Prorocentrum lima)PLCZ1、米氏凯伦藻(Karenia mikimotoi)KMCZ、链状裸甲藻 (Gymnodinium catenatum)GCCZ、血红哈卡藻(Akashiwo sanguinea)ASCZ、杜氏盐藻(Dunaliella salina) DSCZ、亚心形爿藻(Platymonas subcordiformis)PSCZ、聚球藻(Synechococcus sp)SYCZ、黄绿等鞭金藻(Dictyocha galbana)IGCZ、海洋卡盾藻(Chattonella marina)CMHK、卵圆卡盾藻(Chattonella ovata) COHK、赤潮异湾藻(Heterosigma akashiwo)HACZ、小定鞭藻(Phaeocystis parvum)PPCZ、柔弱角毛藻 (Chaetoceros debilis)CDCZ、中肋骨条藻(Skeletonema costatum)SCCZ、日本星杆藻(Asterionella japonica) AJCZ、尖刺拟菱形藻(Pseudonitzschia pungens)PP1CZ、三角褐指藻(Phaeodactylum tricornutum)PTCZ。这些藻种经HPLC分析未检测出PSP毒素。
步骤(1)中所述的三维荧光数据优选为通过使用荧光分光光度计扫描获得，激发波长范围为400～ 600nm，发射波长范围为650～750nm，步长设置为5nm，狭缝宽度设置为10nm，扫描速度设置为30000 nm/s，信号积分时间为0.004s，生长期隔天测一次。
步骤(1)中所述的光照强度优选为60μmol m-2s-1、120μmol m-2s-1和200μmol m-2s-1。
步骤(1)中所述的温度优选为16℃、22℃、28℃。
步骤(1)中所述的盐度优选为25‰、30‰、35‰。
步骤(2)中所述的采用Delaunay三角内插值法消除三维荧光光谱的瑞利散射优选通过metlab处理软件实现。
步骤(2)中所述的最大归一化的处理方法如下：
X*＝[Xn-Xmin]/[Xmax-Xmin]；
Xn：各个频点的荧光强度；
Xmax：荧光强度最大值；
Xmin：荧光强度最小值；
X*：归一化所得荧光光谱的相对强度值。
步骤(2)中所述的Db7小波分析优选通过metlab处理软件实现。
步骤(2)中所述的荧光特征谱优选为使用第3尺度分量的藻类荧光特征谱。
步骤(3)中所述的系统聚类法采用的聚类标准为5。
步骤(3)中所述的用于识别产麻痹性贝类毒素微藻的荧光特征标准谱库中的荧光特征标准谱优选为 106条，其中产麻痹性贝类毒素微藻的荧光特征标准谱为26条。
一种用于识别产麻痹性贝类毒素微藻的荧光特征标准谱库，通过上述方法构建得到。
所述的用于识别产麻痹性贝类毒素微藻的荧光特征标准谱库在识别产麻痹性贝类毒素微藻中的应用，优选具体包括如下步骤：
(A)依据所述的用于识别产麻痹性贝类毒素微藻的荧光特征标准谱库建立判别函数，得到的产麻痹性贝毒藻类的微藻的分类判别函数设置为Y1，得到的不产麻痹性贝毒藻类的分类判别函数设置为Y2；
(B)对未知藻类样本判别时，若Y1>Y2，则该未知藻为产麻痹性贝毒的微藻；若Y1<Y2，则该未知藻为不产麻痹性贝毒的微藻。
所述的判别函数是将所述的用于识别产麻痹性贝类毒素微藻的荧光特征标准谱库中的荧光特征标准谱导入统计软件进行判别分析，用fisher判别法构建判别函数。
所述的统计软件优选为SPSS 19.0。
所述的产麻痹性贝毒藻类的微藻的分类判别函数优选如下：
Y1＝-104.361+131.340X1+110.937X2+216.668X3-573.085X4-249.467X5+127.917X6+88.948X7+ 136.616X8+101.274X9+33.112X10-117.875X11+143.552X12+123.647X13-15.197X14-331.150X15 +201.484X16+134.556X17+114.184X18-152.462X19-86.141X20+379.679X21；
所述的不产麻痹性贝毒藻类的微藻的分类判别函数优选如下：
Y2＝-107.802+145.123X1+89.239X2+161.001X3-532.990X4-186.616X5+104.924X6+84.881X7+1 47.044X8+114.192X9+39.049X10-139.308X11+152.123X12+93.853X13+36.581X14-421.340X15+1 43.392X16+237.998X17+136.691X18-161.409X19-86.786X20+361.705X21；
其中，X1-X21分别代表第1、2、6、11、12、13、15、16、18、20、21、22、23、24、30、31、33、37、 42、60、79数据点。
一种赤潮藻类识别传感器或便携式藻类荧光识别仪，利用上述用于识别产麻痹性贝类毒素微藻的荧光特征标准谱库制备得到，该设备能用于产PSP赤潮藻类的快速发现和识别，减少贝类食用安全的风险。
本发明相对于现有技术具有如下的优点及效果：本发明发明人首次发现了三维荧光光谱法能用于识别产麻痹性贝类毒素微藻，本发明通过小波函数、系统聚类法、判别法等选择和应用，得到判别正确率较高的分类判别函数，具体阐述如下：
(1)本发明提供的标准谱库是通过将同一种藻类不同生长期、不同环境条件下的所有荧光特征谱使用聚类分析法进行聚类分析，剔除异常荧光特征谱，并将正确的荧光特征谱分为几类，取每类中1条特征谱进入标准谱库，换言之，标准谱库集中了不同生长期、不同环境因子下所有特征谱。因此，利用标准谱库构建的判别函数在运用其进行样品判别时误差较小，相对较准确。
(2)本发明以Db7小波函数Db3分量荧光特征谱进行系统聚类法得到106条标准谱，对麻痹性贝毒藻类和非麻痹性贝毒藻类判别，判别正确率为84.6％和95.6％，正确率很高，基本实现了对产毒藻快速准确识别的目的。
(3)本发明采用系统聚类法可以有效地将n个样本按照不同聚类分为不同类，而异常值则被单独聚为一类，系统聚类法的优点在于利用样本之间的距离最近原则进行聚类，排除了选取指标阈值带来的人为因素的影响，采用多因子样本进行聚类，能够消除采用单一因子给分类划分带来的片面性及误差。
(4)本发明利用三角形内插值法来去除荧光原始光谱的瑞利散射，可有效突出CDOM(有色溶解有机物，Colored Dissolved Organic Matter)的荧光信号，并且能够保留原有散射区域的信号，使波长和荧光强度的偏移维持在非常小的水平，从而使处理后的荧光信息与原始荧光信息之间的误差在测量误差范围内。
(5)本发明选择的Daubechies小波函数具有正交性，能很好地降低不同藻株的相似性，凸显出各自的特征荧光值，并且可以对数据进行正交分解。
(6)本发明使用fisher判别法进行判别，目的是得到体现分类的函数关系式，即判别函数，是在已知观测样本的分类和特征变量值的前提下，从中筛选出能提供较多信息的变量，并建立判别函数，使得到的判别函数在判别样本所属类别时的错判率最小。
附图说明
图1是塔玛亚历山大藻ATHK、微小亚历山大藻AMSY、链状亚历山大藻ACSY、塔玛亚历山大藻 ATDY、链状裸甲藻GCFC和亚心形爿藻PSCZ等6株实验藻的Db7小波Db3尺度分量标准谱图；其中横坐标为数据点，纵坐标为相对荧光强度。
图2是东海原甲藻PDCZ、小定鞭藻PPCZ、尖刺拟菱形藻PP1CZ、海洋卡盾藻CMHK、塔玛亚历山大藻ATCZ和塔玛亚历山大藻ATCZ1等6株实验藻的Db7小波Db3尺度分量标准谱图；其中横坐标为数据点，纵坐标为相对荧光强度。
图3是黄绿等鞭金藻IGCZ、杜氏盐藻DSCZ、柔弱角毛藻CDCZ、赤潮异湾藻HACZ、米氏凯伦藻KMCZ 和三角褐指藻PTCZ等6株实验藻的Db7小波Db3尺度分量标准谱图；其中横坐标为数据点，纵坐标为相对荧光强度。
图4是日本星杆藻AJCZ、中肋骨条藻SCCZ、利马原甲藻PLCZ、利马原甲藻PLCZ1、血红哈卡藻 ASCZ和聚球藻SYCZ等6株实验藻的Db7小波Db3尺度分量标准谱图；其中横坐标为数据点，纵坐标为相对荧光强度。
图5是链状裸甲藻GCCZ和卵圆卡盾藻COHK等2株实验藻的Db7小波Db3尺度分量标准谱图；其中横坐标为数据点，纵坐标为相对荧光强度。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。
实施例1
一、实验方法
1、藻类的培养：
藻类的培养所用的是天然海水(pH 7.5±0.1，盐度27‰，由广州市黄沙水产市场购得)，使用0.45μm 微孔滤膜过滤后，在121℃、15psi条件下灭菌25min，冷却到室温。用f/2改良配方配制藻类培养液，接种后置于人工气候箱中，温度25℃，光照强度150μmolm-2s-1，光暗循环L：D＝12：12条件下培养。每种藻设三个平行样，每隔一天固定的时间取样，加鲁格固定后，在显微镜下进行藻细胞计数，绘制生长曲线。
2、不同环境下藻类的荧光光谱测定：
设置光照强度为60μmolm-2s-1、120μmolm-2s-1、200μmolm-2s-1，温度为16℃、22℃、28℃，盐度为 25‰、30‰、35‰三种环境因子。实验藻种在25℃，光暗循环L：D＝12：12，光照强度150μmolm-2s-1条件下培养，待其进入对数生长期后，重新接种藻液，进行藻类生长的单因子控制实验，每种因子分三组，每组三个平行。其中，当单因素变化时，其他培养条件不变，如光照强度变化，那么培养温度为22℃，盐度为25‰；如培养温度变化，光照强度为120μmolm-2s-1，盐度为25‰。绘制每种藻在不同环境条件下的生长曲线，确定藻类的生长期，并进行藻类PSP的HPLC检测和活体藻三维荧光光谱测定。
3、麻痹性贝毒的提取
将收集的藻液反复冻融(操作见“Selander E.Copepods induce paralyticshellfish toxin production in marine dinoflagellates[J].Proceedings of theRoyal Society B:Biological Sciences,2006.273(1594):1673-1680.”或是“Touzet N,et al.Influence of inorganic nutrition on growth and PSP toxin production ofAlexandrium minutum (Dinophyceae)from Cork Harbour,Ireland[J].Toxicon,2007.50(1):106-119”)，用超声破碎仪破碎藻细胞(50％功率，2s运行、2s停止，15min)，取破碎好的藻液镜检(破碎率＞95％)。4℃、11000g离心10min，取上清液，重复上述步骤，用10000道尔顿滤膜孔径的超滤离心管离心(4℃、7200g、10min)，取超滤液，于 -20℃冰箱保存，用于毒素的HPLC分析。
4、麻痹性贝毒的HPLC检测
麻痹性贝毒的HPLC检测分析参考Oshima(Oshima Y,et al.Post-columnderivatization HPLC methods for paralytic shellfish poisons[J].Manual onHarmful Marine Microalgae.,1995:81-94.)建立的方法，并经 Anderson(Anderson,D.M.,et al.Paralytic shellfish poisoning in southern China[J].Toxicon,1996.34(5):579-590) 修改的HPLC柱后衍生法。分析过程中采取3种不同的洗脱液等梯度洗脱方式，分析STX类毒素使用 2mmol/mL的庚基磺酸钠离子对的30mmol/mL的磷酸铵缓冲液作为流动相，pH用氨水调为7.1，在洗脱时加入100：5比例的乙腈；C类毒素使用2mmol/mL的四丁基磷酸氨溶液作为流动相，pH使用氨水调为6.1；分析GTX使用2mmol/mL的庚基磺酸钠离子对的10mmol/mL的磷酸铵缓冲液作为流动相，pH 用氨水调至7.1。三类毒素分析过程中，柱后衍生系统的氧化剂均采用含有7mmol/mL高碘酸的50 mmol/mL磷酸氢二钾缓冲液，pH用KOH溶液调为9.0；酸化剂为0.5mol/mL的醋酸溶液。洗脱液流动相流速设置为0.8mL/min，柱后衍生系统采用的流速为0.4mL/min，洗脱时柱温均设置为33℃，柱后衍生温度GTX毒素和STX毒素为75℃，C类毒素为65℃。进行HPLC分析时，为了防止因为样品峰的漂移及不同时间所测峰面积有变化而引起的误差，每隔4个样品，加入毒素标准品分析，确保所测样品PSP各成分和含量的准确性。
5、实验数据的分析处理
在进行HPLC分析时，根椐标准品的出峰时间及峰面积，对样品峰进行分析，确定PSP各成分及其峰面积。各成分定量的计算公式如下：单位藻液体积PSP含量为：
单位藻液体积PSP含量为：X＝VD÷(1000×VZ)×(VB×CB÷V1)；
单位藻细胞PSP量计算公式为：X1＝(VB×CB÷V1)×(VD÷VZ)÷N；
X为单位藻液体积PSP毒素含量(μmol/mL)；
VB为标准品峰面积；
CB为标准品中毒素的浓度(μmol/mL)；
V1为样品峰峰面积；
VZ为提取PSP时所取藻液体积(mL)；
VD为提取PSP时定容的体积(mL)；
X1为单位藻细胞PSP含量(μmol/细胞)；
N为单位藻液所含的藻细胞数(细胞/mL)；
计算出PSP各成分含量后，将各成分相加，得出样品中PSP的总量。
用Excel 2010版和origin软件绘图，用SPSS19.0软件进行数据分析处理。
6、用于三维荧光光谱测定的藻细胞密度确定
为防止藻细胞在密度高时会产生荧光自吸收现象，取对数生长末期藻液，用f/2培养液分别稀释5、 10、20、30、50、70、100倍，分别用三维荧光仪测定各密度的三维荧光光谱，确定适于三维荧光分析的最高藻细胞密度。
7、藻类活体三维荧光原始光谱的提取：
在测量之前，首先打开荧光分光光度计(型号F4600，日立，日本)，为尽量确保藻类荧光光谱的稳定性和准确性，预热半个小时之后再开始使用。使用1cm的石英比色皿(为确保所有藻测量条件的一致性，整个实验过程使用同一个比色皿)，设置激发波长范围为400-600nm，发射波长范围为650-750nm，步长设置为5nm，狭缝宽度设置为10nm，扫描速度设置为30000nm/s，信号积分时间为0.004s。在微藻生长期，隔天测一次。将扫描所得的文件(格式为*FD3)转化为txt格式文件，活体藻类的荧光信息为一个二维矩阵(21×11)，对应400-600nm的激发波长和650-750nm的发射波长。
8、藻三维荧光光谱数据的预处理
(1)三维荧光光谱瑞利散射峰的去除：通过metlab处理软件，采用Delaunay三角内插值法去瑞利散射。
(2)数据的归一化处理：
X*＝[Xn-Xmin]/[Xmax-Xmin]；
Xn：各个频点的荧光强度；
Xmax：荧光强度最大值；
Xmin：荧光强度最小值；
X*：归一化所得荧光光谱的相对强度值。
二、实验材料
产麻痹性贝毒微藻为塔玛亚历山大藻(Alexandrium tamarense，香港株)ATHK、微小亚历山大藻 (Alexandrium minimum，台湾株)AMSY、链状亚历山大藻(Alexandriumcatenella，南海株)ACSY、链状裸甲藻(Gymnodinium catenatum，防城巷株)GCFC和塔玛亚历山大藻(Alexandrium tamarense，大亚湾株)ATDY。
不产麻痹性贝毒微藻为塔玛亚历山大藻(A.tamarense)ATCZ、塔玛亚历山大藻(A.tamarense)ATCZ1、东海原甲藻(P.donghaiense)PDCZ、利马原甲藻(P.lima)PLCZ、利马原甲藻(P.lima)PLCZ1、米氏凯伦藻(K.mikimotoi)KMCZ、链状裸甲藻(G.catenatum)GCCZ、血红哈卡藻(A.sanguinea)ASCZ、杜氏盐藻DSCZ、亚心形爿藻(P.subcordiformis)PSCZ、聚球藻(Synechococcus)SYCZ、黄绿等鞭金藻(I. galbana)IGCZ、海洋卡盾藻(C.marina)CMHK、卵圆卡盾藻(C.ovata)COHK、赤潮异湾藻(H.akashiwo) HACZ、小定鞭藻(P.parvum)PPCZ、柔弱角毛藻(C.debilis)CDCZ、中肋骨条藻(S.costatum)SCCZ、日本星杆藻(A.japonica)AJCZ、尖刺拟菱形藻(P.pungens)PP1CZ、三角褐指藻(P.tricornutum)PTCZ。
以上藻株均从暨南大学赤潮与海洋生物学研究中心藻种室获得。
三、实验过程
(1)测定微藻细胞在不同温度、盐度和光照强度下各生长期的三维荧光，得到微藻细胞的三维荧光数据；其中，微藻细胞来源于上述产麻痹性贝毒微藻和不产麻痹性贝毒微藻；
(2)将步骤(1)获得的微藻细胞的三维荧光数据转换成TXT文件格式，采用Delaunay三角内插值法消除三维荧光光谱的瑞利散射；再将三维荧光光谱最大归一化，然后对其三维荧光光谱进行Db7小波分析，选取荧光特征谱；
(3)使用系统聚类法对经过步骤(2)处理后的藻类在不同环境因子下的对数期、稳定期、衰亡期的所有荧光光谱进行聚类分析，得到用于识别产麻痹性贝类毒素微藻的Db7荧光特征标准谱库。
四、实验结果
1、Db7小波函数进行分解的尺度分量的选择
将归一化和去瑞利散射后的荧光数据导入metlab软件中，用Db7小波函数进行分解，经过Db7小波分解，荧光光谱信息被分到不同的尺度分量上，对尺度分量的选择标准是尽量使判别样品和参照样品在该尺度分量上有一定的差异性，从而提高判别效率，实验结果显示，以微小亚历山大藻(AMSY)为例，第1层和第2层尺度分量上的荧光值受到了高频噪声的污染。从第3层尺度分量开始，荧光值受到的噪音污染开始逐渐减少，在尺度分量逐渐增加的过程中原本集中于低频部分的藻类荧光信息开始向高频段迁移，这使得第5尺度分量之后，藻类荧光的细微的信息被高频段所湮没，不再明显。因此，选择3、 4层的尺度分量用于实验藻类荧光光谱特征提取。
分别使用3、4尺度分量的藻类荧光特征谱分别对5株麻痹性贝毒藻类和21株非麻痹性贝毒藻类进行判别，判别率如表1～2所示，Db7小波函数的第3尺度分量Db 3对麻痹性贝毒藻类和非麻痹性贝毒藻类的判别率为66.7％和73.8％，第4尺度分量对麻痹性贝毒藻类和非麻痹性贝毒藻类的判别率为24.4％和 41.6％，因此本实验选取Db7小波的第3尺度分量进行分解和数据的判别分析。
表1 Db7小波Db3分量判别结果
PSP藻类样品 判别率(％) 非PSP藻类样品 判别率(％)
训练集样品 5 76.2％ 21 81.7％
测试集样品 5 66.7％ 21 73.8％
表2 Db7小波Db4分量判别结果
PSP藻类样品 判别率(％) 非PSP藻类样品 判别率(％)
训练集样品 5 35.9％ 21 41.6％
测试集样品 5 24.4％ 21 41.6％
注：训练集样品为5株产PSP的微藻和21株不产PSP的微藻，测试集样品为5株产PSP的微藻和21株不产PSP的微藻的另一小组平行样品。
2、藻类Db7小波函数Db3分量的荧光特征谱
(1)分别测定实验藻类在16℃、22℃、28℃时对数期的三维荧光光谱特征，其中，1-40数据点是Db7 小波分析Db3激发光谱，41-80数据点为发射光谱。将处理好的温度组Db3尺度分量荧光光谱信息输入 SPSS19.0软件进行判别分析，将产毒藻设为1，不产毒藻设为0，用fisher判别法进行判别，建立的判别函数如下：
Y1＝-130.949+78.758X1+242.195X2+354.102X3-872.739X4-291.105X5-169.714X6+187.348X7+ 90.945X8+27.478X9-29.249X10-125.974X11+509.928X12+124.248X13-6.539X14+15.802X15 -102.205X16-287.275X17-21.752X18+47.053X19+751.713X20； (3-1a)
Y2＝-124.088+167.417X1+137.332X2+212.889X3-725.046X4-217.466X5-132.201X6+149.668X7 +90.248X8+39.348X9-55.137X10-157.135X11+490.261X12+201.836X13-30.616X14-2.786X15 -170.228X16-189.410X17-28.050X18+54.651X19+707.183X20； (3-1b)
其中，X1-X20分别代表第1、2、6、11、12、13、15、16、18、20、21、22、23、24、30、33、39、42、 60、80数据点，Y1和Y2分别是麻痹性贝毒藻类和非麻痹性贝毒藻类的分类判别函数。使用函数对未知藻类判别时，若Y1>Y2，则该藻毒；若Y1<Y2，则该藻不产毒。对数据进行进行Wilk’s Lambda检验，两个判别函数显著性水平p<0.01。判别率如下表所示(表3)，对麻痹性贝毒藻类判别率为93.3％，对非麻痹性贝毒藻类的判别率为93.7％。
表3 Db7小波Db3分量判别结果
PSP藻类样品 判别率(％) 非PSP藻类样品 判别率(％)
训练集样品 15 96.8％ 63 100％
测试集样品 15 93.3％ 63 93.7％
(2)在室温条件(25℃)下，60μmolm-2s-1、120μmolm-2s-1、200μmolm-2s-1光照强度时，产麻痹性贝毒藻类在对数期产毒差异明显。将处理好的光照组Db3尺度分量荧光光谱信息输入SPSS19.0软件进行判别分析，将产毒藻设为1，不产毒藻设为0，用fisher判别法进行判别，建立的分类判别函数如下：
Y1＝-44.338-284.236X1+185.138X2+141.321X3-79.695X4-41.835X5-47.741X6+166.772X7-122.1 76X8-31.781X9+114.067X10-34.195X11-28.418X12+49.436X13+9.895X14+12.924X15+45.777X16 +23.371X17； (3-2a)
Y2＝-43.162+7.372X1+34.612X2+90.292X3-159.154X4-38.929X5-4.586X6+106.197X7-53.161X8 -14.854X9+69.368X10-47.948X11-42.603X12+73.188X13+17.191X14+2.605X15+13.181X16 +24.124X17； (3-2b)
其中，X1-X17分别代表第1、2、6、11、12、13、15、16、19、20、21、22、23、25、28、30、32数据点，Y1和Y2分别是麻痹性贝毒藻类和非麻痹性贝毒藻类的分类判别函数。使用函数对未知藻类判别时，若Y1>Y2，则该藻产PSP；若Y1<Y2，则该藻不产PSP。对数据进行进行Wilk’sLambda检验，两个判别函数显著性水平p<0.01。判别率如表4所示，对麻痹性贝毒藻类判别率为100％，对非麻痹性贝毒藻类的判别率为91.2％。
表4藻类Db7小波Db3分量判别结果
PSP藻类样品 判别率(％) 非PSP藻类样品 判别率(％)
训练集样品 15 100％ 63 96.5％
测试集样品 15 100％ 63 91.2％
(3)不同盐度条件下藻类Db7小波Db3分量荧光特征谱：在室温(25℃)下，分别收集不同盐度(25、30、35)时对数期实验藻的三维荧光信息，并用Db7小波提取Db3尺度分量，建立藻的联合光谱。将处理好的盐度组Db3尺度分量荧光光谱信息输入SPSS19.0软件进行判别分析，将产毒藻设为1，不产毒藻设为0，用fisher判别法进行判别，所建立的分类判别函数如下：
Y1＝-122.559+101.532X1+186.935X2+302.369X3-717.659X4-194.861X5-109.134X6+201.279X7 +35.978X8+78.107X9-71.051X10-117.442X11+433.254X12+163.231X13-37.441X14+23.627X15 -229.566X16-182.528X17-84.689X18+419.721X19+359.018X20 (3-3a)
Y2＝-138.594+104.706X1+223.712X2+372.917X3-799.302X4-241.379X5-147.736X6+237.216X7 +24.415X8+73.731X9-46.422X10-95.201X11+427.564X12+123.338X13-35.183X14+59.139X15 -199.404X16-262.439X17-90.384X18+617.546X19+253.711X20； (3-3b)
其中，X1-X20分别代表第1、2、6、11、12、13、15、16、18、20、21、22、23、24、30、33、39、42、 79、80数据点，Y1和Y2分别是麻痹性贝毒藻类和非麻痹性贝毒藻类的分类判别函数。使用函数对未知藻类判别时，若Y1>Y2，则该藻产PSP；若Y1<Y2，则该藻不产PSP。对数据进行进行Wilk’s Lambda检验，两个判别函数显著性水平p<0.01。判别率如表5所示，对麻痹性贝毒藻类判别率为86.7％，对非麻痹性贝毒藻类的判别率为91.7％。
表5藻类Db7小波Db3分量判别结果
PSP藻类样品 判别率(％) 非PSP藻类样品 判别率(％)
训练集样品 15 95％ 63 100％
测试集样品 15 86.7％ 63 91.7％
综合光照组、温度组、盐度组的所有判别结果，用Db7小波函数Db3分量特征谱库进行判别，对 PSP藻类和非PSP藻类的平均判别率分别为93.3％和92.2％，平均综合判别率为92.2％，判别率较高，这表明，用Db7小波函数Db3荧光谱实现PSP藻类和非PSP藻类的判别是合理的。三组不同环境条件下生长的藻类三维荧光特征谱建立判别函数的共同贡献点为第1、2、6、11、12、13、15、16、20、21、22、 23数据点，共12个数据点，这说明，麻痹性贝毒藻类非麻痹性贝毒藻类的光谱在上述数据点上有明显的差异性，这些数据点是之后建立标准谱库的基础。
3、光照强度、盐度、温度等环境因子及藻类的生长周期都会对藻类的三维荧光光谱特征产生影响，而在提取三维荧光光谱信息的过程中，也会因为操作异常、仪器误差等因素干扰光谱，为了排除异常干扰，本步骤对光照强度、温度、盐度培养条件下的26株实验藻对数期、衰亡期、稳定期的三维荧光光谱采用系统聚类法进行聚类分析，剔除异常谱，保留特征谱，以提高特征光谱的代表性和判别正确率。按步骤2，在3组单因子变化实验中，提取26株藻类对数期、稳定期、衰亡期的三维荧光光谱信息。使用系统聚类法对在不同环境因子下的对数期、稳定器、衰亡期的藻类所有荧光光谱进行分析，剔除异常谱，得到藻类的标准谱，使用的聚类标准为5。
不同环境下26株实验藻的三维荧光特征谱共702条(27×26)，使用聚类分析法分别进行聚类分析(如图1～5)，共得到106条标准谱，其中产毒藻为26条，如表6所示。
表6 Db7小波函数Db3分量标准谱库
Figure RE-GDA0002909524560000071
Figure RE-GDA0002909524560000081
将106条Db7小波函数Db3尺度的标准谱使用fisher判别法进行判别，得到的分类判别函数如下：
Y1＝-104.361+131.340X1+110.937X2+216.668X3-573.085X4-249.467X5+127.917X6+88.948X7+ 136.616X8+101.274X9+33.112X10-117.875X11+143.552X12+123.647X13-15.197X14-331.150X15 +201.484X16+134.556X17+114.184X18-152.462X19-86.141X20+379.679X21；
Y2＝-107.802+145.123X1+89.239X2+161.001X3-532.990X4-186.616X5+104.924X6+84.881X7+1 47.044X8+114.192X9+39.049X10-139.308X11+152.123X12+93.853X13+36.581X14-421.340X15+1 43.392X16+237.998X17+136.691X18-161.409X19-86.786X20+361.705X21；
其中，X1-X21分别代表第1、2、6、11、12、13、15、16、18、20、21、22、23、24、30、31、33、37、 42、60、79数据点，Y1和Y2分别是麻痹性贝毒藻类和非麻痹性贝毒藻类的分类判别函数，使用函数对未知藻类判别时，若Y1>Y2，则该样品为PSP藻类；若Y1<Y2，则该样品为非PSP藻类。对数据进行 F检验，p<0.01(231；7091)，组间差异性显著，进行Wilk’s Lambda检验，两个判别函数显著性水平p<0.01。判别率如下表(表7)所示，对麻痹性贝毒藻类判别率为84.6％，对非麻痹性贝毒藻类的判别率为95.6％。其中，ATHK、AMSY标准谱被错判为不产PSP藻类；GCCZ、CDCZ、ATCZ被错判为产PSP藻类。
表7藻类的Db7小波函数Db3分量判别结果
Figure RE-GDA0002909524560000082
对Db7小波函数Db3分量荧光特征谱进行系统聚类法得了106条标准谱，对麻痹性贝毒藻类和非麻痹性贝毒藻类进行判别，判别率正确率为84.6％和95.6％。共有11条判别错误的标准谱，分别为ATHK、 AMSY、ATCZ、GCCZ、CDCZ，甲藻门中ATCZ错判为产毒藻，AMSY、ATHK错判为不产毒藻，链状裸甲藻(GCCZ)错判为产毒藻，硅藻门中柔弱角毛藻(CDCZ)被错判为产毒藻。
本发明发明人还使用Coif小波函数进行分析，通过对Coif小波函数5个尺度分析，选择最优的Cf4分量荧光特征谱进行系统聚类法得到80条标准谱，对麻痹性贝毒藻类和非麻痹性贝毒藻类判别，判别正确率为77.3％和84.5％。其中判别错误的样本有十条，分别为ATDY、ACSY、ATCZ、SCCZ、 ATCZ1、PDCZ，其中甲藻门中产毒藻ATDY中一条标准谱被错判为不产PSP藻类，ACSY的一条标准谱被错判为不产毒藻，东海原甲藻(PDCZ)错判为产毒藻，塔玛亚历山大藻属ATCZ、ATCZ1错判为产毒藻；硅藻门中肋骨条藻(SCCZ)错判为产毒藻。
从得到的标准谱条数来看，使用Db7小波Db3分量对麻痹性贝毒藻类和非麻痹性贝毒藻类进行判别优于使用Coif 2小波Cf 4分量。两种小波函数判别分析结果相比较，Coif2小波判别率相对较低， Db7小波优于Coif2小波，说明使用该方法进行判别可行。在对麻痹性贝毒藻类的判别上看，Db7小波高于Coif 2小波7.3％，在对非麻痹性贝毒藻类的判别上，Db7小波高于Coif 2小波11.1％；由此可以看出，使用Db7小波来建立判别函数更合适。
本发明标准谱库及其判别函数在识别产毒藻的正确性上较高，实现了对产毒藻快速准确识别的目的。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (10)

1.一种用于识别产麻痹性贝类毒素微藻的荧光特征标准谱库的构建方法，其特征在于包括如下步骤：提取产麻痹性贝毒的藻类和不产麻痹性贝毒的藻类在不同环境条件各生长期的三维荧光光谱信息，运用Db7小波函数提取实验藻类的荧光特征谱，再用系统聚类法进行聚类分析，筛选出具代表性的标准谱，得到用于识别产麻痹性贝类毒素微藻的荧光特征标准谱库。
2.根据权利要求1所述的用于识别产麻痹性贝类毒素微藻的荧光特征标准谱库的构建方法，其特征在于包括如下步骤：
(1)测定微藻在不同温度、盐度和光照强度下各生长期的三维荧光，激发波长为400～600nm，发射波长为650～750nm，得到微藻细胞的三维荧光数据；其中，微藻包括产麻痹性贝毒微藻和不产麻痹性贝毒微藻；
(2)将步骤(1)获得的微藻细胞的三维荧光数据转换成TXT文件格式，采用Delaunay三角内插值法消除三维荧光光谱的瑞利散射；再将三维荧光光谱最大归一化，然后对其三维荧光光谱进行Db7小波分析，选取荧光特征谱；
(3)使用系统聚类法对经过步骤(2)处理后的藻类所有荧光光谱进行聚类分析，筛选具代表性的光谱，得到用于识别产麻痹性贝类毒素微藻的荧光特征标准谱库。
3.根据权利要求2所述的用于识别产麻痹性贝类毒素微藻的荧光特征标准谱库的构建方法，其特征在于：
步骤(1)中所述的生长期包括对数期、稳定期和衰亡期；
步骤(1)中所述的三维荧光数据为通过使用荧光分光光度计扫描获得，激发波长范围为400～600nm，发射波长范围为650～750nm，步长设置为5nm，狭缝宽度设置为10nm，扫描速度设置为30000nm/s，信号积分时间为0.004s，生长期隔天测一次；
步骤(1)中所述的光照强度为60μmol m-2s-1、120μmol m-2s-1和200μmol m-2s-1；
步骤(1)中所述的温度为16℃、22℃、28℃；
步骤(1)中所述的盐度为25‰、30‰、35‰；
步骤(1)中所述的产麻痹性贝毒微藻的株数为5株以上；
步骤(1)中所述的不产麻痹性贝毒微藻的株数为21株以上。
4.根据权利要求3所述的用于识别产麻痹性贝类毒素微藻的荧光特征标准谱库的构建方法，其特征在于：
所述的产麻痹性贝毒微藻为微小亚历山大藻(Alexandrium minimum,台湾株)AMSY、塔玛亚历山大藻(Alexandrium tamarense，大亚湾株)ATDY、链状裸甲藻(Gymnodiniumcatenatum，防城巷株)GCFC、塔玛亚历山大藻(Alexandrium tamarense，香港株)ATHK和链状亚历山大藻(Alexandrium catenella，南海株)ACSY；
所述的不产麻痹性贝毒微藻为塔玛亚历山大藻(A.tamarense)ATCZ、塔玛亚历山大藻(A.tamarense)ATCZ1、东海原甲藻(Prorocentrum donghaiense)PDCZ、利马原甲藻(Prorocentrum lima)PLCZ、利马原甲藻(Prorocentrum lima)PLCZ1、米氏凯伦藻(Kareniamikimotoi)KMCZ、链状裸甲藻(Gymnodinium catenatum)GCCZ、血红哈卡藻(Akashiwosanguinea)ASCZ、杜氏盐藻(Dunaliella salina)DSCZ、亚心形爿藻(Platymonassubcordiformis)PSCZ、聚球藻(Synechococcus sp)SYCZ、黄绿等鞭金藻(Dictyochagalbana)IGCZ、海洋卡盾藻(Chattonella marina)CMHK、卵圆卡盾藻(Chattonella ovata)COHK、赤潮异湾藻(Heterosigma akashiwo)HACZ、小定鞭藻(Phaeocystis parvum)PPCZ、柔弱角毛藻(Chaetoceros debilis)CDCZ、中肋骨条藻(Skeletonema costatum)SCCZ、日本星杆藻(Asterionella japonica)AJCZ、尖刺拟菱形藻(Pseudonitzschia pungens)PP1CZ、三角褐指藻(Phaeodactylum tricornutum)PTCZ。
5.一种用于识别产麻痹性贝类毒素微藻的荧光特征标准谱库，其特征在于：通过权利要求1～4任一项所述的方法构建得到。
6.权利要求5所述的用于识别产麻痹性贝类毒素微藻的荧光特征标准谱库在识别产麻痹性贝类毒素微藻中的应用。
7.根据权利要求6所述的应用，其特征在于包括如下步骤：
(A)依据所述的用于识别产麻痹性贝类毒素微藻的荧光特征标准谱库建立判别函数，得到的产麻痹性贝毒藻类的微藻的分类判别函数设置为Y1，得到的不产麻痹性贝毒藻类的分类判别函数设置为Y2；
(B)对未知藻类样本判别时，若Y1>Y2，则该未知藻为产麻痹性贝毒的微藻；若Y1<Y2，则该未知藻为不产麻痹性贝毒的微藻。
8.根据权利要求7所述的应用，其特征在于：
所述的判别函数是将所述的用于识别产麻痹性贝类毒素微藻的荧光特征标准谱库中的荧光特征标准谱导入统计软件进行判别分析，用fisher判别法构建判别函数。
9.根据权利要求8所述的应用，其特征在于：
所述的产麻痹性贝毒藻类的微藻的分类判别函数如下：
Y1＝-104.361+131.340X1+110.937X2+216.668X3-573.085X4-249.467X5+127.917X6+88.948X7+136.616X8+101.274X9+33.112X10-117.875X11+143.552X12+123.647X13-15.197X14-331.150X15+201.484X16+134.556X17+114.184X18-152.462X19-86.141X20+379.679X21；
所述的不产麻痹性贝毒藻类的微藻的分类判别函数如下：
Y2＝-107.802+145.123X1+89.239X2+161.001X3-532.990X4-186.616X5+104.924X6+84.881X7+147.044X8+114.192X9+39.049X10-139.308X11+152.123X12+93.853X13+36.581X14-421.340X15+143.392X16+237.998X17+136.691X18-161.409X19-86.786X20+361.705X21；
其中，X1-X21分别代表第1、2、6、11、12、13、15、16、18、20、21、22、23、24、30、31、33、37、42、60、79数据点。
10.一种赤潮藻类识别传感器或便携式藻类荧光识别仪，其特征在于：利用权利要求5所述的用于识别产麻痹性贝类毒素微藻的荧光特征标准谱库制备得到。
CN202010757082.XA 2020-07-31 2020-07-31 用于识别产麻痹性贝类毒素微藻的荧光特征标准谱库及其构建方法与应用 Active CN112414979B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010757082.XA CN112414979B (zh) 2020-07-31 2020-07-31 用于识别产麻痹性贝类毒素微藻的荧光特征标准谱库及其构建方法与应用

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010757082.XA CN112414979B (zh) 2020-07-31 2020-07-31 用于识别产麻痹性贝类毒素微藻的荧光特征标准谱库及其构建方法与应用

Publications (2)

Publication Number Publication Date
CN112414979A true CN112414979A (zh) 2021-02-26
CN112414979B CN112414979B (zh) 2022-12-06

Family

ID=74844042

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010757082.XA Active CN112414979B (zh) 2020-07-31 2020-07-31 用于识别产麻痹性贝类毒素微藻的荧光特征标准谱库及其构建方法与应用

Country Status (1)

Country Link
CN (1) CN112414979B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113705608A (zh) * 2021-07-23 2021-11-26 暨南大学 利用机器学习和/或人工神经网络模型识别产痹性贝类毒素藻类的方法与应用
CN114112531A (zh) * 2021-11-30 2022-03-01 大连理工大学 一种剑水蚤污染水体取样装置与水质特征识别方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101561395A (zh) * 2009-03-20 2009-10-21 中国海洋大学 一种浮游植物群落组成快速测定方法
CN104316505A (zh) * 2014-11-14 2015-01-28 深圳市朗诚实业有限公司 用于识别鱼毒性藻类的三维荧光标准光谱库的构建和应用
CN107102081A (zh) * 2017-04-29 2017-08-29 连云港市海洋环境监测预报中心 一种快速筛查鉴别赤潮藻中多种麻痹性贝毒素的方法
CN108358952A (zh) * 2018-03-16 2018-08-03 北京大学深圳研究生院 一种用于石房蛤毒素荧光检测化合物及检测方法
CN109389065A (zh) * 2018-09-27 2019-02-26 国家海洋局第二海洋研究所 一种基于非对称谱形结构特征提取的赤潮藻区分方法
CN111426657A (zh) * 2019-01-10 2020-07-17 华夏安健检测评价技术服务有限公司 一种溶解性有机物三维荧光谱图的识别比对方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101561395A (zh) * 2009-03-20 2009-10-21 中国海洋大学 一种浮游植物群落组成快速测定方法
CN104316505A (zh) * 2014-11-14 2015-01-28 深圳市朗诚实业有限公司 用于识别鱼毒性藻类的三维荧光标准光谱库的构建和应用
CN107102081A (zh) * 2017-04-29 2017-08-29 连云港市海洋环境监测预报中心 一种快速筛查鉴别赤潮藻中多种麻痹性贝毒素的方法
CN108358952A (zh) * 2018-03-16 2018-08-03 北京大学深圳研究生院 一种用于石房蛤毒素荧光检测化合物及检测方法
CN109389065A (zh) * 2018-09-27 2019-02-26 国家海洋局第二海洋研究所 一种基于非对称谱形结构特征提取的赤潮藻区分方法
CN111426657A (zh) * 2019-01-10 2020-07-17 华夏安健检测评价技术服务有限公司 一种溶解性有机物三维荧光谱图的识别比对方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
ELODIE BORCIER ET AL.: "Effects of bioactive extracellular compounds and paralytic shellfish toxins produced by Alexandrium minutum on growth and behaviour of juvenile great scallops Pecten maximus", 《AQUATIC TOXICOLOGY》 *
吕桂才等: "溶解有机物三维荧光光谱技术在赤潮藻识别中的应用", 《光谱学与光谱分析》 *
张翠等: "小波分析在湖泊常见浮游藻荧光识别测定中的应用", 《环境科学》 *
苏荣国等: "我国东海常见6种有毒赤潮藻的三维荧光光谱识别技术", 《海洋环境科学》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113705608A (zh) * 2021-07-23 2021-11-26 暨南大学 利用机器学习和/或人工神经网络模型识别产痹性贝类毒素藻类的方法与应用
CN114112531A (zh) * 2021-11-30 2022-03-01 大连理工大学 一种剑水蚤污染水体取样装置与水质特征识别方法

Also Published As

Publication number Publication date
CN112414979B (zh) 2022-12-06

Similar Documents

Publication Publication Date Title
Dubelaar et al. Flow cytometry as a tool for the study of phytoplankton
Kring et al. Rapid in situ measures of phytoplankton communities using the bbe FluoroProbe: evaluation of spectral calibration, instrument intercompatibility, and performance range
Johan et al. Laboratory measurement: Chlorophyll-a concentration measurement with acetone method using spectrophotometer
CN112414979B (zh) 用于识别产麻痹性贝类毒素微藻的荧光特征标准谱库及其构建方法与应用
CN111912824B (zh) 三维荧光光谱法在识别产麻痹性贝类毒素微藻中的应用
CN104316505B (zh) 用于识别鱼毒性藻类的三维荧光标准光谱库的构建和应用
CN104530102B (zh) 一种检测生物体内硫离子的荧光铜配合物及其应用
CN101561395B (zh) 一种浮游植物群落组成快速测定方法
Bonato et al. High spatial variability of phytoplankton assessed by flow cytometry, in a dynamic productive coastal area, in spring: The eastern English Channel
Šolić et al. Structure of microbial communities in phosphorus-limited estuaries along the eastern Adriatic coast
Nosaka et al. Dynamics and origin of transparent exopolymer particles in the Oyashio region of the western subarctic Pacific during the spring diatom bloom
CN111289489A (zh) 一种基于拉曼光谱的微生物单细胞生长检测方法
Humbert et al. New tools for the monitoring of cyanobacteria in freshwater ecosystems
GB2604677A (en) A method and system for online detection and identification of ichthyotoxic harmful algal bloom algae
Gu et al. Water mass shapes the distribution patterns of planktonic ciliates (Alveolata, Ciliophora) in the subtropical Pearl River Estuary
Brito et al. Structure of late summer phytoplankton community in the Firth of Lorn (Scotland) using microscopy and HPLC-CHEMTAX
Silva et al. Zooplankton (Cladocera and Rotifera) variations along a horizontal salinity gradient and during two seasons (dry and rainy) in a tropical inverse estuary (Northeast Brazil)
Liu et al. Effects of irradiance on pigment signatures of harmful algae during growth process
CN108279204A (zh) 一种快速无损检测三角褐指藻胞内岩藻黄素的方法
Jiang et al. Temporal distributions of microplankton populations and relationships to environmental conditions in Jiaozhou Bay, northern China
Wang et al. Comparing methods for measuring phytoplankton biomass in aquaculture ponds
CN113705608A (zh) 利用机器学习和/或人工神经网络模型识别产痹性贝类毒素藻类的方法与应用
CN101914615B (zh) 亚历山大藻荧光定量聚合酶链反应标准品的构建方法
Jalal et al. Spatial variation and community composition of phytoplankton along the Pahang estuary, Malaysia
CN113984659A (zh) 一种基于单细胞拉曼光谱的好氧不产氧光合细菌检测方法

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