CN114015794B - 一种基于地质微生物群落特征的产液剖面图的构建方法 - Google Patents

一种基于地质微生物群落特征的产液剖面图的构建方法 Download PDF

Info

Publication number
CN114015794B
CN114015794B CN202210007298.3A CN202210007298A CN114015794B CN 114015794 B CN114015794 B CN 114015794B CN 202210007298 A CN202210007298 A CN 202210007298A CN 114015794 B CN114015794 B CN 114015794B
Authority
CN
China
Prior art keywords
bacterium
probability
stratum
rock debris
matrix
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.)
Active
Application number
CN202210007298.3A
Other languages
English (en)
Other versions
CN114015794A (zh
Inventor
于春磊
杨海彤
李聪聪
王硕桢
陈文滨
王硕亮
李俊键
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.)
Shandong Zhongdi Yicai Petroleum Technology Co ltd
China University of Geosciences Beijing
Original Assignee
Shandong Zhongdi Yicai Petroleum Technology Co ltd
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 Shandong Zhongdi Yicai Petroleum Technology Co ltd filed Critical Shandong Zhongdi Yicai Petroleum Technology Co ltd
Priority to CN202210007298.3A priority Critical patent/CN114015794B/zh
Publication of CN114015794A publication Critical patent/CN114015794A/zh
Application granted granted Critical
Publication of CN114015794B publication Critical patent/CN114015794B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C12Q1/6876—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
    • C12Q1/6888—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for detection or identification of organisms
    • C12Q1/689—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for detection or identification of organisms for bacteria
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C12Q1/6806—Preparing nucleic acids for analysis, e.g. for polymerase chain reaction [PCR] assay
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C12Q1/6869—Methods for sequencing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B45/00—ICT specially adapted for bioinformatics-related data visualisation, e.g. displaying of maps or networks

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Organic Chemistry (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Physics & Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • Zoology (AREA)
  • Wood Science & Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biotechnology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Biophysics (AREA)
  • Immunology (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Microbiology (AREA)
  • Genetics & Genomics (AREA)
  • Biochemistry (AREA)
  • Theoretical Computer Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Public Health (AREA)
  • Software Systems (AREA)
  • Epidemiology (AREA)
  • Databases & Information Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioethics (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

本发明提供了一种基于地质微生物群落特征的产液剖面图的构建方法，属于油藏工程技术领域，本发明对油井钻井过程中产生的不同地下深度的岩屑和油井井口的流体样品的细菌基因组DNA进行高通量测序，通过测序结果确定流体样品和不同地下深度的岩屑的细菌种类和细菌丰度，对流体样品的测序结果进行溯源，识别其每种细菌来源于哪个地层，根据贝叶斯混合模型计算每个地层的产液贡献率，以地层深度为纵坐标，以不同地层的产液贡献率为横坐标绘制产液剖面图。利用本发明测定得到的产液剖面图能够监控整个油藏，实现优化井距、评估井间连通性、缝高监测和产出剖面测试，为最大限度地提高油藏经济性的目的提供了基础。

Description

一种基于地质微生物群落特征的产液剖面图的构建方法
技术领域
本发明涉及油藏工程技术领域，尤其涉及一种基于地质微生物群落特征的产液剖面图的构建方法。
背景技术
我国各油田一般采用多层合采及注水开发，因此，在整个油田开发过程中利用产出剖面测井了解产层出力状况和产出流体组分含量具有重要意义。
产液剖面测井即通过对油井产液温度、压力、含水率、流量、液体密度等参数的测量，来获得油井总层及各个分层的产液量与产液性质等数据。利用产液剖面测井能科学精确地测量影响油井的各种因素的参数，通过测井电缆将测井仪器带入井内，使地面的电测仪能沿着井持续地记录各种随深度而发生变化的参数，来识别地下岩层的性质，如煤层、水层、石油、天然气、金属矿藏等。通过认真仔细地对参数进行研究，能找到高效的解决或者规避措施。例如示踪流量测井技术能保证不受到油稠等其他因素的干扰，有效地弥补因油密度较大而造成的涡轮不转所形成的空缺，这种方法可以用于对油水两相井的测量。通过对产液剖面测井得到的压力、流量、温度等各种参数的掌握和研究，能够有效地挖掘改造低产层并对高水层实施堵水作业等任务。另外，在工程测井上，产液剖面测井技术也能很好地用于判断油井的作业状态，评估油田的开发效果，并及时对开发方向和手段作出合理的调整。
示踪流量测井判断井间连通技术为在注水井中注入示踪剂，该示踪剂与已注入流体相溶，示踪剂在地层中随着注入水的流动而流动；在采油井中取样并萃取富集所述示踪剂；检测富集后的所述示踪剂的浓度；根据所述示踪剂的浓度，分析确定产油井各层段的剩余油分布状况。通过分析产出流体中的示踪剂浓度变化情况、示踪剂产出曲线以及峰值特征同时结合储层渗流特征，并进行综合分析，达到判断井间连通性的效果。示踪剂为外来流体，测试移除后会污染储层中的本底浓度，因而传统示踪属于侵入性工作，对原始地层会产生一定程度的破坏。
发明内容
有鉴于此，本发明的目的在于提供一种基于地质微生物群落特征的产液剖面图的构建方法，该方法以油井钻井过程中产生的不同地下深度的岩屑和从油井的井口收集的流体样品作为待检样品进行产液贡献率的测定和产液剖面图的构建，摆脱了传统示踪流量测井技术中示踪剂对地下的侵入，对油田开发全过程无破坏。
本发明提供了一种基于地质微生物群落特征的产液剖面图的构建方法，包括以下步骤：
1）采集油井钻井过程中产生的不同地下深度的岩屑和油井井口的流体样品；
2）分别提取所述流体样品和不同地下深度的岩屑的细菌基因组DNA；
3）以所述岩屑和流体样品的细菌基因组DNA为模板，采用针对16srRNA基因的引物分别进行扩增，分别得到岩屑和流体样品的扩增产物，分别对所述岩屑和流体样品的扩增产物进行测序，分别得到岩屑和流体样品的扩增产物的测序结果；
4）分别分析所述测序结果确定流体样品和不同地下深度的岩屑的细菌种类和细菌丰度；
5）依据步骤4）得到的不同地下深度的岩屑的细菌种类和细菌丰度，对流体样品中的每种细菌进行溯源，得到每种细菌在各个地层中出现的概率；
6）根据所述每种细菌在各个地层中出现的概率和贝叶斯混合模型计算每个地层的产液贡献率；
7）以地层深度为纵坐标，以不同地层的产液贡献率为横坐标绘制产液剖面图。
优选的，步骤1）中，所述岩屑为间隔相同距离深度的岩屑；当所述油井为直井时，岩屑采集的间隔距离为3~5m；当所述油井为水平井时，岩屑采集的间隔距离为15~30m。
优选的，步骤1）中所述岩屑的直径为1~3cm。
优选的，步骤3）中所述引物为针对16srRNA基因的V4和V5高变区的引物。
优选的，步骤4）中，分析所述测序结果前还包括：将所述测序结果进行质量控制，将通过质量控制的测序结果用于分析。
优选的，所述质量控制的方法包括以下步骤：
S1.以不含岩屑或流体样品的空白对照的细菌基因组DNA作为干扰DNA序列，分别按照式I所示公式计算流体样品和不同地下深度的岩屑的测序结果的可信任地下信号分数；
Figure 866033DEST_PATH_IMAGE002
式I；
S2.以所述可信任地下信号分数作为纵坐标，分别以流体样品和不同地下深度的岩屑的DNA序列的数量为横坐标，构建可信任地下信号分数与生物量的关系图，设置可信任阈值为80%，阈值以上且DNA序列数量适中的区域为置信度较高的区域；以横坐标的最大量为1计，所述DNA序列数量适中的区域为DNA序列数量在1/6~5/6的区域，该区域的DNA序列为通过QC的DNA序列，用于后续测序结果的分析。
优选的，所述溯源包括以下步骤：
（1）利用吉布斯抽样求出条件概率，从产液中选择一种细菌，计为细菌1，将细菌1来源于每个地层的概率随机设置一个初始值，并假设这个初始值为正确的，将来源于每个地层的概率写成1行n列的矩阵，n含义为地层个数，此矩阵命名为Π0；
（2）构建P矩阵，P矩阵为n行i列，n是地层个数，i是细菌种类的总数；P矩阵的每一列代表细菌i来源于地层n的概率，此概率分配来源于地层基线；
（3）在产液中选择另一种细菌，计为细菌2，根据P矩阵计算细菌2来源于每个地层的概率为Π0×P；以此类推，根据P矩阵计算细菌3来源于每个地层的概率是Π0×P2，同理根据P矩阵计算细菌i来源于每个地层的概率是Π0×Pi-1；当迭代次数足够多时，结果矩阵的每一行数值趋于统一，那么这个行向量的数值就是细菌1来源于每个地层的概率，溯源完毕。
优选的，所述贝叶斯混合模型采用式II和式III所述公式来表征；
Figure 621762DEST_PATH_IMAGE003
式II；
式II中
Figure DEST_PATH_IMAGE004
表示第A个地层上包含第i种细菌的概率，
Figure 712165DEST_PATH_IMAGE005
表示细菌i来源于地层A的概率；
Figure DEST_PATH_IMAGE006
表示细菌i浓度占所有细菌浓度的比值；
Figure DEST_PATH_IMAGE008
表示地层A出现的概率，数值为所有地层数量分之一；
Figure 393682DEST_PATH_IMAGE009
式III；
式III中
Figure 349131DEST_PATH_IMAGE011
表示第A个地层对产液的贡献率，
Figure 485714DEST_PATH_IMAGE004
表示第A个地层上包含第i种细菌的概率。
本发明提供了一种基于地质微生物群落特征的产液剖面图的构建方法，本发明基于微生物随环境的变化而产生差异，油井不同深度地层的温度、pH值、盐度、温度和压力都不相同，因此不同深度的地层会产生其特有的菌种的种类以及丰度，据此构建产液剖面图。本发明以油井钻井过程中产生的不同地下深度的岩屑和从油井的井口收集的流体样品作为待检样品进行产液贡献率的测定，摆脱了传统示踪流量测井技术中示踪剂对地下的侵入，对油田开发全过程无破坏。利用本发明测定得到的产液剖面图能够监控整个油藏，实现优化井距、评估井间连通性、缝高监测和产出剖面测试，为最大限度地提高油藏经济性的目的提供了基础。
具体实施方式
本发明提供了一种基于地质微生物群落特征的产液剖面图的构建方法，包括以下步骤：
1）采集油井钻井过程中产生的不同地下深度的岩屑和油井井口的流体样品；
2）分别提取所述流体样品和不同地下深度的岩屑的细菌基因组DNA；
3）以所述岩屑和流体样品的细菌基因组DNA为模板，采用针对16srRNA基因的引物分别进行扩增，分别得到岩屑和流体样品的扩增产物，分别对所述岩屑和流体样品的扩增产物进行测序，分别得到岩屑和流体样品的扩增产物的测序结果；
4）分别分析所述测序结果确定流体样品和不同地下深度的岩屑的细菌种类和细菌丰度；
5）依据步骤4）得到的不同地下深度的岩屑的细菌种类和细菌丰度，对流体样品中的每种细菌进行溯源，得到每种细菌在各个地层中出现的概率；
6）根据所述每种细菌在各个地层中出现的概率和贝叶斯混合模型计算每个地层的产液贡献率；
7）以地层深度为纵坐标，以不同地层的产液贡献率为横坐标绘制产液剖面图。
本发明首先采集油井钻井过程中产生的不同地下深度的岩屑和油井井口的流体样品。
在本发明中，每个地下深度的岩屑的采集的质量优选为50~400g，更优选为100~200g。在本发明中，所述岩屑为间隔相同距离深度的岩屑；当所述油井为直井时，岩屑采集的间隔距离优选为3~5m；当所述油井为水平井时，岩屑采集的间隔距离优选为15~30m。在本发明中，所述岩屑的直径优选为1~3cm，更优选为2cm。
在本发明中，采集后的岩屑优选的收集于无菌袋中；每个地下深度的岩屑优选的采用2个无菌袋分装；所述无菌袋优选的标有取样井名，取样时间和地层深度。在本发明中，所述流体样品优选的收集于无菌容器中；所述无菌容器的形状优选为圆锥形；每个无菌容器收集流体样品的体积优选为23~45mL；在安全要求范围内尽可能靠近井口收集流体，得以使流体最大化代表油藏。在本发明中，所述采集后的岩屑和流体样品的保存和运输温度优选为-10~0℃，这一温度范围可以抑制微生物生长，避免杂质微生物影响结果。在本发明具体实施过程中，所述无菌袋和无菌容器放入冷却器冰袋中保持其生物稳定性，将收集到的钻井岩屑和流体样品运送到实验室。在本发明中，所述岩屑优选的通过震动筛采集。采集岩屑和流体样品过程中不会导致钻机停机，从而允许在任何阶段对生产井中收集井岩屑和流体样品。这一采集方式的优势在于可以安全无破坏的对样品数据进行记录，对整个作业过程无干扰，污染程度小于10%。
采集油井钻井过程中产生的不同地下深度的岩屑和油井井口的流体样品后，本发明分别提取所述流体样品和不同地下深度的岩屑的细菌基因组DNA。在分别提取所述岩屑的细菌基因组DNA前，优选的还包括对所述岩屑进行预处理；所述预处理优选的包括筛选出直径为1~3cm的岩屑、对筛选后的岩屑进行清洗和研磨；所述研磨后的样品粒径没有特殊要求，研磨成粉末状即可；所述清洗的作用是洗掉干扰物和表面杂质细菌，去除混杂物、泥浆、表面化学物质和可循环利用材料；所述研磨的目的的是释放岩石细菌，使得岩石表面和岩石中的细菌被发现。
本发明对提取所述流体样品和不同地下深度的岩屑的细菌基因组DNA没有特殊限制，采用本领域的常规方法即可。
在本发明中，流体样品或每个深度的岩屑提取到的细菌基因组DNA的数量≥10000个，优选为10000~20000个。当流体样品或每个深度的岩屑提取到的细菌基因组DNA的数量<10000时，则不能将此组测序数据进行下游分析，可再次取样并进行提取。
提取所述流体样品和不同地下深度的岩屑的细菌基因组DNA后，本发明以所述岩屑和流体样品的细菌基因组DNA为模板，采用针对16srRNA基因的引物分别进行扩增，分别得到岩屑和流体样品的扩增产物，分别对所述岩屑和流体样品的扩增产物进行测序，分别得到岩屑和流体样品的扩增产物的测序结果。在本发明中，所述引物优选为针对16srRNA基因的V4和V5高变区的引物。本发明对所述扩增的方法没有特殊限制，采用本领域的常规扩展方法即可。
本发明得到岩屑和流体样品的扩增产物后，优选的还包括对所述岩屑和流体样品的扩增产物进行纯化，所述纯化的方法优选为用琼脂糖凝胶电泳纯化珠纯化。
在本发明，对每个深度的岩屑和流体样品优选的进行一式两份的扩增和测序。
得到岩屑和流体样品的扩增产物的测序结果后，本发明分别分析所述测序结果确定流体样品和不同地下深度的岩屑的细菌种类和细菌丰度。
在本发明中，所述测序结果预先经过质量控制，所述质量控制的方法优选的包括以下步骤：
S1.以不含岩屑或流体样品的空白对照的细菌基因组DNA作为干扰DNA序列，分别按照式I所示公式计算流体样品和不同地下深度的岩屑的测序结果的可信任地下信号分数；
Figure 482489DEST_PATH_IMAGE012
式I；
S2.以所述可信任地下信号分数作为纵坐标，以流体样品和不同地下深度的岩屑的DNA序列的数量为横坐标，构建可信任地下信号分数与生物量的关系图，设置可信任阈值为80%，阈值以上且DNA序列数量适中的区域为置信度较高的区域；以横坐标的最大量为1计，所述DNA序列数量适中的区域为DNA序列数量在1/6~5/6的区域，该区域的DNA序列为通过QC的DNA序列，用于后续测序结果的分析，其余的DNA序列为未通过QC的DNA序列。
在本发明中，干扰DNA序列百分数越低，可信任地下信号分数越高，可用于下游分析的生物量越多。
本发明具体实施过程中，根据80%的阈值与总生物量（每个深度的岩屑的DNA序列数量）将图像分成四部分，其中可信任地下信号分数在阈值以下的部分不能用于后续测序分析。将阈值以上的图像根据生物量分为三部分，其中生物量适中的区域，可信任地下信号分数较高，且生物量较多，此部分为置信度较高的区域，可用于下游分析。
与生物量适中的区域相比，对生物量低的区域进行严格审查，确保其可信度高与实验污染有关，所述严格审查优选的包括对不含岩屑的空白对照进行进一步的污染溯源。
与生物量适中的区域相比，对生物量高的区域进行进一步的质量控制检查，这是由于生物量高的区域可能是因为自采集以来，一些微生物已经潜在地下并在样品中生长繁衍。微生物的强烈生长可能会抑制岩屑中的DNA序列变异和多样性。
对测序结果进行质量控制后，本发明对通过QC的测序数据进行聚类分析（参照式IV），确定不同地下深度的菌种种类和菌种丰度。对通过QC的测序数据进行分析的方法优选的包括：通过reads之间的Overlap关系将reads拼接成Tags；在给定的相似度下将Tags聚成细菌，然后通过细菌与数据库比对，对细菌进行物种注释；基于细菌和物种注释结果进行样品物种复杂度分析以及组间物种差异分析。
Figure DEST_PATH_IMAGE013
式IV；
其中Numn-1（Xk ＊）：已溯源完毕的产液样本个数；Xk ＊：即将溯源的样本；n-1:溯源完成的样本数量；α：即将聚类的地层含有的已经溯源完成的菌种数量；Xn：代表第n个地层上的细菌数。
得到流体样品和不同地下深度的岩屑的细菌种类和细菌丰度后，本发明依据得到的不同地下深度的岩屑的细菌种类和细菌丰度，对流体样品中的每种细菌进行溯源，得到每种细菌在各个地层中出现的概率。
在本发明中，所述溯源的原理为：本发明以不同地下深度的岩屑的细菌种类和细菌丰度作为依据来估计流体样品（产液）中来自每个地层的成分中有多大比例可归因于每个“源”。首先进行吉布斯采样，将每个产液的细菌随机分配给一个地层环境，假设这些赋值是正确的，并按照狄利克雷分布统计测试产液样本中地层环境的当前比例。然后，从产液序列中删除一个序列并重新选择其地层环境分配，其中选择每个地层的概率与在该地层中观察该序列的概率乘以在测试样本中观察该地层序列的概率的当前估计值成正比。在重新分配之后，更新所选地层环境的个数，并在另一个随机选择的序列上重复该过程。在多次重新分配所有产液序列后，观察到的每一组分配都是从所有可能序列地层分配的分布中得出的代表性结果。为了估计该分布的可变性，可以重复该过程任意多次。
在本发明中，所述溯源依据分层基线进行；在本发明中，所述分层基线为每个地层深度所包含的菌种类型以及其丰度，所述分层基线以柱形图表示，纵坐标表示地层深度，横坐标的每个柱形代表此地层内所有的细菌丰度之和，用不同的颜色或形状表示，柱形的长度表示菌种的丰度。
在本发明中，所述溯源优选的包括以下步骤：
（1）利用吉布斯抽样求出条件概率，从产液中选择一种细菌，计为细菌1，将细菌1来源于每个地层的概率随机设置一个初始值，并假设这个初始值为正确的，将来源于每个地层的概率写成1行n列的矩阵，n含义为地层个数，此矩阵命名为Π0；
（2）构建P矩阵，P矩阵为n行i列，n是地层个数，i是细菌种类的总数；P矩阵的每一列代表细菌i来源于地层n的概率，此概率分配来源于地层基线；
（3）在产液中选择另一种细菌，计为细菌2，根据P矩阵计算细菌2来源于每个地层的概率为Π0×P；以此类推，根据P矩阵计算细菌3来源于每个地层的概率是Π0×P2，同理根据P矩阵计算细菌i来源于每个地层的概率是Π0×Pi-1。当迭代次数足够多时，结果矩阵的每一行数值趋于统一，那么这个行向量的数值就是细菌1来源于每个地层的概率，溯源完毕。
即已知这种DNA存在的情况下，该细菌在每个地层中的存在的概率，以细菌1为例，地层A、B、C、D……为例，所求条件概率即表示为P(A，B，C..../细菌1)，所有存在的细菌均以该方法溯源。
在本发明中，所述溯源采用的软件优选mothur。
得到每种细菌在各个地层中出现的概率后，本发明根据所述每种细菌在各个地层中出现的概率和贝叶斯混合模型计算每个地层的产液贡献率。
在本发明中，所述的所述贝叶斯混合模型的计算结果采用式II和式III所述公式来表征；
Figure 101952DEST_PATH_IMAGE003
式II；
式II中
Figure 43232DEST_PATH_IMAGE004
表示第A个地层上包含第i种细菌的概率，
Figure 717927DEST_PATH_IMAGE005
表示细菌i来源于地层A的概率；
Figure 38050DEST_PATH_IMAGE006
表示细菌i浓度占所有细菌浓度的比值；
Figure 156309DEST_PATH_IMAGE008
表示地层A出现的概率，数值为所有地层数量分之一；
Figure 991410DEST_PATH_IMAGE009
式III；
式III中
Figure 204217DEST_PATH_IMAGE011
表示第A个地层对产液的贡献率，
Figure 530244DEST_PATH_IMAGE004
表示第A个地层上包含第i种细菌的概率。
得到不同地层的产液贡献率后，本发明以地层深度为纵坐标，以不同地层的产液贡献率为横坐标绘制产液剖面图。在本发明中，所述产液剖面图优选的采用mothur软件进行绘制。
下面将结合本发明中的实施例，对本发明中的技术方案进行清楚、完整地描述。
实施例1
进行采样工作。采样工作包括：
1、直井每隔3m收集岩屑，将样品收集到无菌袋中，袋子标有相应的地层深度。
2、使用无菌圆锥容器从井口收集流体样品，平均每个圆锥容器收集23~45ml产液。
3、将无菌袋和无菌圆锥容器立即放入冷却器中，将收集到的钻井岩屑运送到实验室。
4、对实验室中的岩屑进行尺寸分类，保留其中直径1~3cm的岩屑的岩屑，对岩屑进行清洗和研磨，研磨成细粉后收集入锥形瓶中。在离心管中加入10~50g岩屑细粉，在离心管中加入100μL的清洗缓冲液，混合后得到均匀的混合液。用过滤膜过滤来浓缩菌液。利用离心机离心混合液，将转速设置为12000rpm/min转，离心时长为15min，离心后的细菌沉淀物冷藏保存直到提取。
清洗缓冲液：10g Na2HPO4配1gKH2HPO4、50gNaCl 和1.5g KCl，在Na2HPO4中加入KH2HPO4、NaCl、KCl配成溶液，在溶液中加入百分之一的溶液体积的十二烷基硫酸钠混合均匀得到缓冲液，调节缓冲液的pH为7.5，然后再加入缓冲液10倍体积的蒸馏水混合均匀。
6、分别提取岩屑和流体样品的细菌基因组DNA，提取步骤为：
在离心管中加入10~50μL样品，然后在离心管中加入100μL的清洗缓冲液，混合后得到均匀的混合液；
利用细胞破碎仪将混合液破碎40~60s；
利用离心机离心混合液，将转速设置为12000~16000转/min，离心时长为10~15min；
离心后的混合液去除掉上清液得到了固相；
在固相中加入200~300μL的萃取清洗液，之后再加入30~50μL的溶菌酶并均匀混合，在37℃的温度下水浴5~10h；
萃取清洗液：将氯仿和异戊醇按体积比为24：1混合在一起；
加入2MOL/L的氯化钠溶使DNA的溶解度达到最大，此时过滤已经将杂质滤去。调节溶液到0.14MOL/L析出DNA，再过滤，滤出DNA。
7、进行DNA的提取纯化，具体步骤如下：
1）把样品装到96孔的试管盒中，这样一次就可以对多个样品进行高通量测试。
2）复制单个样品，用物理和化学结合的方法打破细胞壁，将微生物内部的DNA转化为中性溶液。
3）细胞裂解后进行提纯。
8、PCR扩增：
所述PCR扩增的体系包括：细菌基因组DNA、5PRIME MasterMix和“通用”16srRNA靶向引物515F-Y和926R。所述PCR扩增的程度优选为：93℃预变性5min；变性30s，55℃退火40s，72℃延伸1min，25个循环。在第8个循环的第二次反应中，通过与扩增子的接头序列退火，将特有的正向和反向指数添加到每个样品的扩增子中，以添加测序条形码用于样品区分。此过程在严格的QA和QC程序下进行。
9、高通量测序：用illumina测序机进行高通量测序。由于之前的提纯，每个样本的DNA片段的末尾都有一个特殊的DNA序列，这样所有的样本就都被连接在一起，装到机器中。测序期间，DNA链结合到封闭细胞的表面，并像PCR那样复制支架。然而在DNA链中，每个DNA序列都是荧光标记，测序仪识别到的新核苷酸添加到2500万个DNA序列中每一个适合流动的结尾。测序结束后，DNA序列数据可转换为可读取的文本，原始序列数据存储在生物群的数据库中并与原始样本相关联元数据，例如井名和数据。
10、对测序结果进行质量控制，步骤为：
1）以不含岩屑或流体样品的空白对照的细菌基因组DNA作为干扰DNA序列，分别按照式I所示公式计算流体样品和不同地下深度的岩屑的测序结果的可信任地下信号分数；
Figure 803094DEST_PATH_IMAGE012
式I；
2）以所述可信任地下信号分数作为纵坐标，以流体样品和不同地下深度的岩屑的DNA序列的数量为横坐标，构建可信任地下信号分数与生物量的关系图，设置可信任阈值为80%，阈值以上且DNA序列数量适中的区域为置信度较高的区域；以横坐标的最大量为1计，所述DNA序列数量适中的区域为DNA序列数量在1/6~5/6的区域，该区域的DNA序列为通过QC的DNA序列，用于后续测序结果的分析，其余的DNA序列为未通过QC的DNA序列。
11、针对质量控制后的测序结果，通过reads之间的Overlap关系将reads拼接成Tags；在给定的相似度下将Tags聚成细菌，然后通过细菌与数据库比对，对细菌进行物种注释；基于细菌和物种注释结果进行样品物种复杂度分析以及组间物种差异分析，确定流体样品和每个地层深度的岩屑所包含的细菌类型以及其丰度。
12、依据得到的不同地下深度的岩屑的细菌种类和细菌丰度，构建分层基线以及采用mothur软件对流体样品的每种细菌进行溯源，得到每种细菌在各个地层中出现的概率；
所述分层基线为每个地层深度所包含的菌种类型以及其丰度，所述分层基线以柱形图表示，纵坐标表示地层深度，横坐标的每个柱形代表此地层内所有的细菌丰度之和，用不同的颜色或形状表示，柱形的长度表示菌种的丰度。
所述溯源包括以下步骤：
（1）利用吉布斯抽样求出条件概率，从产液中选择一种细菌，计为细菌1，将细菌1来源于每个地层的概率随机设置一个初始值，并假设这个初始值为正确的，将来源于每个地层的概率写成1行n列的矩阵，n含义为地层个数，此矩阵命名为Π0；
（2）构建P矩阵，P矩阵为n行i列，n是地层个数，i是细菌种类的总数；P矩阵的每一列代表细菌i来源于地层n的概率，此概率分配来源于地层基线；
（3）在产液中选择另一种细菌，计为细菌2，根据P矩阵计算细菌2来源于每个地层的概率为Π0×P；以此类推，根据P矩阵计算细菌3来源于每个地层的概率是Π0×P2，同理根据P矩阵计算细菌i来源于每个地层的概率是Π0×Pi-1。当迭代次数足够多时，结果矩阵的每一行数值趋于统一，那么这个行向量的数值就是细菌1来源于每个地层的概率，溯源完毕。
即已知这种DNA存在的情况下，该细菌在每个地层中的存在的概率，以细菌1为例，地层A、B、C、D……为例，所求条件概率即表示为P(A，B，C..../细菌1)，所有存在的细菌均以该方法溯源。
在本发明中，所述溯源采用的软件优选mothur。
得到每种细菌在各个地层中出现的概率后，本发明根据所述每种细菌在各个地层中出现的概率和贝叶斯混合模型计算每个地层的产液贡献率。
在本发明中，所述的所述贝叶斯混合模型的计算结果采用式II和式III所述公式来表征；
Figure 718966DEST_PATH_IMAGE015
式II；
式II中
Figure 735463DEST_PATH_IMAGE004
表示第A个地层上包含第i种细菌的概率，
Figure 921856DEST_PATH_IMAGE005
表示细菌i来源于地层A的概率；
Figure 631186DEST_PATH_IMAGE006
表示细菌i浓度占所有细菌浓度的比值；
Figure 768776DEST_PATH_IMAGE008
表示地层A出现的概率，数值为所有地层数量分之一；
Figure 323385DEST_PATH_IMAGE017
式III；
式III中
Figure 629863DEST_PATH_IMAGE011
表示第A个地层对产液的贡献率，
Figure 510095DEST_PATH_IMAGE004
表示第A个地层上包含第i种细菌的概率。
12、采用mothur软件，以地层深度为纵坐标，以每个地层的产液贡献率为横坐标绘制产液剖面图。
实施例2
水平井每隔15m收集岩屑，其余同实施例1。
实施例3
水平井每隔30m收集岩屑，其余同实施例1。
尽管上述实施例对本发明做出了详尽的描述，但它仅仅是本发明一部分实施例而不是全部实施例，人们还可以根据本实施例在不经创造性前提下获得其他实施例，这些实施例都属于本发明保护范围。

Claims (7)

1.一种基于地质微生物群落特征的产液剖面图的构建方法，包括以下步骤：
1)采集油井钻井过程中产生的不同地下深度的岩屑和油井井口的流体样品；
2)分别提取所述流体样品和不同地下深度的岩屑的细菌基因组DNA；
3)以所述岩屑和流体样品的细菌基因组DNA为模板，采用针对16srRNA基因的引物分别进行扩增，分别得到岩屑和流体样品的扩增产物，分别对所述岩屑和流体样品的扩增产物进行测序，分别得到岩屑和流体样品的扩增产物的测序结果；
4)分别分析所述测序结果确定流体样品和不同地下深度的岩屑的细菌种类和细菌丰度；
5)依据步骤4)得到的不同地下深度的岩屑的细菌种类和细菌丰度，对流体样品中的每种细菌进行溯源，得到每种细菌在各个地层中出现的概率；
6)根据所述每种细菌在各个地层中出现的概率和贝叶斯混合模型计算每个地层的产液贡献率；
7)以地层深度为纵坐标，以不同地层的产液贡献率为横坐标绘制产液剖面图；
所述贝叶斯混合模型采用式II和式III所述公式来表征；
Figure FDA0003513989080000011
式II中P(细菌i|A)表示第A个地层上包含第i种细菌的概率，P(A|细菌i)表示细菌i来源于地层A的概率；P(细菌i)表示细菌i浓度占所有细菌浓度的比值；P(A)表示地层A出现的概率，数值为所有地层数量分之一；
Figure FDA0003513989080000012
式III中P(A′)表示第A个地层对产液的贡献率，P(细菌i|A)表示第A个地层上包含第i种细菌的概率。
2.根据权利要求1所述的构建方法，其特征在于，步骤1)中，所述岩屑为间隔相同距离的岩屑；当所述油井为直井时，岩屑采集的间隔距离为3～5m；当所述油井为水平井时，岩屑采集的间隔距离为15～30m。
3.根据权利要求1或2所述的构建方法，其特征在于，步骤1)中所述岩屑的直径为1～3cm。
4.根据权利要求1所述的构建方法，其特征在于，步骤3)中所述引物为针对16srRNA基因的V4和V5高变区的引物。
5.根据权利要求1所述的构建方法，其特征在于，步骤4)中，分析所述测序结果前还包括：将所述测序结果进行质量控制，将通过质量控制的测序结果用于分析。
6.根据权利要求5所述的构建方法，其特征在于，所述质量控制的方法包括以下步骤：
S1.以不含岩屑或流体样品的空白对照的细菌基因组DNA作为干扰DNA序列，分别按照式I所示公式计算流体样品和不同地下深度的岩屑的测序结果的可信任地下信号分数；
Figure FDA0003513989080000021
S2.以所述可信任地下信号分数作为纵坐标，分别以流体样品和不同地下深度的岩屑的DNA序列的数量为横坐标，构建可信任地下信号分数与生物量的关系图，设置可信任阈值为80％，阈值以上且DNA序列数量适中的区域为置信度较高的区域；以横坐标的最大量为1计，所述DNA序列数量适中的区域为DNA序列数量在1/6～5/6的区域，该区域的DNA序列为通过质量控制的DNA序列，用于后续测序结果的分析。
7.根据权利要求1所述的构建方法，其特征在于，所述溯源包括以下步骤：
(1)利用吉布斯抽样求出条件概率，从产液中选择一种细菌，计为细菌1，将细菌1来源于每个地层的概率随机设置一个初始值，并假设这个初始值为正确的，将来源于每个地层的概率写成1行n列的矩阵，n含义为地层个数，此矩阵命名为Π0；
(2)构建P矩阵，P矩阵为n行i列，n是地层个数，i是细菌种类的总数；P矩阵的每一列代表细菌i来源于地层n的概率，此概率分配来源于地层基线；
(3)在产液中选择另一种细菌，计为细菌2，根据P矩阵计算细菌2来源于每个地层的概率为Π0×P；以此类推，根据P矩阵计算细菌3来源于每个地层的概率是Π0×P2，同理根据P矩阵计算细菌i来源于每个地层的概率是Π0×Pi-1；当迭代次数足够多时，结果矩阵的每一行数值趋于统一，那么这个行向量的数值就是细菌1来源于每个地层的概率，溯源完毕。
CN202210007298.3A 2022-01-06 2022-01-06 一种基于地质微生物群落特征的产液剖面图的构建方法 Active CN114015794B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210007298.3A CN114015794B (zh) 2022-01-06 2022-01-06 一种基于地质微生物群落特征的产液剖面图的构建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210007298.3A CN114015794B (zh) 2022-01-06 2022-01-06 一种基于地质微生物群落特征的产液剖面图的构建方法

Publications (2)

Publication Number Publication Date
CN114015794A CN114015794A (zh) 2022-02-08
CN114015794B true CN114015794B (zh) 2022-03-25

Family

ID=80069671

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210007298.3A Active CN114015794B (zh) 2022-01-06 2022-01-06 一种基于地质微生物群落特征的产液剖面图的构建方法

Country Status (1)

Country Link
CN (1) CN114015794B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115406806B (zh) * 2022-11-02 2023-04-11 山东省中地易采石油技术有限责任公司 一种致密油气藏两相渗流实验的计量装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ES2632538T3 (es) * 2000-04-10 2017-09-14 Taxon Biosciences, Inc. Métodos para el estudio y análisis genético de poblaciones
CN103981259A (zh) * 2014-05-06 2014-08-13 山西晋城无烟煤矿业集团有限责任公司 一种煤层水中微生物多样性和物种丰度的分析方法
CN112301138A (zh) * 2020-11-06 2021-02-02 新方舟能源科技(天津)有限公司 一种油气微生物基因勘探方法

Also Published As

Publication number Publication date
CN114015794A (zh) 2022-02-08

Similar Documents

Publication Publication Date Title
US20210404333A1 (en) Microbiome Based Systems, Apparatus and Methods for the Exploration and Production of Hydrocarbons
DK2694669T3 (en) PROCEDURES FOR THE PREPARATION OR CREATION OF A SYNTHETIC MICROBIAL CONSORTIUM IDENTIFIED BY COMPUTER ANALYSIS OF AMPLICON SEQUENCES
US20170139078A1 (en) Microbiome based systems, apparatus and methods for the exploration and production of hydrocarbons
Sorensen et al. Using boreholes as windows into groundwater ecosystems
EP3090029A2 (en) Microbiome based systems, apparatus and methods for the exploration and production of hydrocarbons
CN114015794B (zh) 一种基于地质微生物群落特征的产液剖面图的构建方法
CN105260550B (zh) 一种油井间连通关系的评价方法
CN114023388B (zh) 一种基于地质微生物群落特征的监控油藏的方法
CN110656922B (zh) 基于笔石带特征的页岩等时地层测井划分方法及系统
CN113361213B (zh) 一种基于水力学与水化学耦合的水源识别方法
CN114317791A (zh) 一种基于地质微生物群落特征分析的油井地下分层方法
CN115629188A (zh) 一种岩心产能模拟实验系统
RU2741886C1 (ru) Способ определения профиля притока в горизонтальных нефтяных скважинах при помощи микробиомного анализа
Kobayashi et al. Long-Term Microbial DNA-Based Monitoring of the Mature Sarukawa Oil Field in Japan
CN107058535A (zh) 一种用于高通量测序的无宿主背景干扰的豇豆内生真菌its基因扩增方法
CN113554066B (zh) 一种海岸带地下卤水储层间水力联系识别方法及系统
CN116334266B (zh) 一种海洋链霉菌次级代谢产物基因鉴定和筛选的方法
Bowman et al. Analysis of full-length metagenomic 16S genes by SMRT sequencing
Posdyshev et al. Using DNA-Logging to Determine Inflow Profile in Horizontal Wells
CN114199911B (zh) 泥质碳酸盐岩原始有机质丰度恢复的方法及其应用
CN118166136A (zh) 一种高分辨率的压裂返排液污染土壤情况的监测方法
Hakala et al. Biogeochemical Characterization of Core Fluids and Gas at MSEEL
Yuan et al. Microbial activity in the development of oil and gas: a cultivation-independent method
CN115161404A (zh) 一种通过快速检测底栖生物组成初步探测深海活动冷泉的方法
Hayatdavoudi et al. Application of Bacterial DNA Fingerprinting in Crude Oil for Evaluating the Reservoir-Part I

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
CB03 Change of inventor or designer information

Inventor after: Chen Wenbin

Inventor after: Yang Haitong

Inventor after: Li Congcong

Inventor after: Wang Shuozhen

Inventor after: Yu Chunlei

Inventor after: Wang Shuoliang

Inventor after: Li Junjian

Inventor before: Yu Chunlei

Inventor before: Yang Haitong

Inventor before: Li Congcong

Inventor before: Wang Shuozhen

Inventor before: Chen Wenbin

Inventor before: Wang Shuoliang

Inventor before: Li Junjian

CB03 Change of inventor or designer information
TR01 Transfer of patent right

Effective date of registration: 20240117

Address after: 100083 No. 29, Haidian District, Beijing, Xueyuan Road

Patentee after: China University of Geosciences (Beijing)

Patentee after: Shandong Zhongdi Yicai Petroleum Technology Co.,Ltd.

Address before: 257029 No. 739, Beiyi Road, Wenhui street, Dongying District, Dongying City, Shandong Province

Patentee before: Shandong Zhongdi Yicai Petroleum Technology Co.,Ltd.

TR01 Transfer of patent right