CN114023388A - 一种基于地质微生物群落特征的监控油藏的方法 - Google Patents
一种基于地质微生物群落特征的监控油藏的方法 Download PDFInfo
- Publication number
- CN114023388A CN114023388A CN202210007313.4A CN202210007313A CN114023388A CN 114023388 A CN114023388 A CN 114023388A CN 202210007313 A CN202210007313 A CN 202210007313A CN 114023388 A CN114023388 A CN 114023388A
- Authority
- CN
- China
- Prior art keywords
- stratum
- bacterial
- liquid production
- bacterium
- rock debris
- 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
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000012544 monitoring process Methods 0.000 title claims abstract description 12
- 230000000813 microbial effect Effects 0.000 title claims abstract description 9
- 238000004519 manufacturing process Methods 0.000 claims abstract description 77
- 239000007788 liquid Substances 0.000 claims abstract description 55
- 241000894006 Bacteria Species 0.000 claims description 85
- 239000011435 rock Substances 0.000 claims description 83
- 239000012530 fluid Substances 0.000 claims description 82
- 230000001580 bacterial effect Effects 0.000 claims description 74
- 241000894007 species Species 0.000 claims description 39
- 230000015572 biosynthetic process Effects 0.000 claims description 28
- 238000012163 sequencing technique Methods 0.000 claims description 26
- 239000003129 oil well Substances 0.000 claims description 23
- 230000003321 amplification Effects 0.000 claims description 14
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 14
- 238000000513 principal component analysis Methods 0.000 claims description 11
- 239000012634 fragment Substances 0.000 claims description 10
- 108090000623 proteins and genes Proteins 0.000 claims description 7
- 239000003086 colorant Substances 0.000 claims description 6
- 238000005553 drilling Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 239000000203 mixture Substances 0.000 claims description 2
- 238000012360 testing method Methods 0.000 abstract description 6
- 238000005457 optimization Methods 0.000 abstract description 3
- 238000011156 evaluation Methods 0.000 abstract description 2
- 108020004414 DNA Proteins 0.000 description 25
- 108091028043 Nucleic acid sequence Proteins 0.000 description 25
- 238000005755 formation reaction Methods 0.000 description 24
- 239000011159 matrix material Substances 0.000 description 17
- 238000004458 analytical method Methods 0.000 description 15
- 239000000047 product Substances 0.000 description 12
- 239000002028 Biomass Substances 0.000 description 11
- 239000000243 solution Substances 0.000 description 10
- 238000011161 development Methods 0.000 description 9
- 238000005520 cutting process Methods 0.000 description 8
- 238000004140 cleaning Methods 0.000 description 7
- 239000000700 radioactive tracer Substances 0.000 description 7
- 238000009826 distribution Methods 0.000 description 6
- 239000011259 mixed solution Substances 0.000 description 6
- 238000003908 quality control method Methods 0.000 description 6
- 238000005070 sampling Methods 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- FAPWRFPIFSIZLT-UHFFFAOYSA-M Sodium chloride Chemical compound [Na+].[Cl-] FAPWRFPIFSIZLT-UHFFFAOYSA-M 0.000 description 5
- 239000007853 buffer solution Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 244000005700 microbiome Species 0.000 description 5
- 238000000227 grinding Methods 0.000 description 4
- 239000012535 impurity Substances 0.000 description 4
- 238000002156 mixing Methods 0.000 description 4
- 239000000843 powder Substances 0.000 description 4
- 241000283690 Bos taurus Species 0.000 description 3
- 238000012408 PCR amplification Methods 0.000 description 3
- 210000004027 cell Anatomy 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000000746 purification Methods 0.000 description 3
- 239000011780 sodium chloride Substances 0.000 description 3
- 108091093088 Amplicon Proteins 0.000 description 2
- HEDRZPFGACZZDS-UHFFFAOYSA-N Chloroform Chemical compound ClC(Cl)Cl HEDRZPFGACZZDS-UHFFFAOYSA-N 0.000 description 2
- 238000000137 annealing Methods 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000011109 contamination Methods 0.000 description 2
- 229910000397 disodium phosphate Inorganic materials 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000012165 high-throughput sequencing Methods 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- PHTQWCKDNZKARW-UHFFFAOYSA-N isoamylol Chemical compound CC(C)CCO PHTQWCKDNZKARW-UHFFFAOYSA-N 0.000 description 2
- 239000007790 solid phase Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000007400 DNA extraction Methods 0.000 description 1
- 102000016943 Muramidase Human genes 0.000 description 1
- 108010014251 Muramidase Proteins 0.000 description 1
- 108010062010 N-Acetylmuramoyl-L-alanine Amidase Proteins 0.000 description 1
- RCEAADKTGXTDOA-UHFFFAOYSA-N OS(O)(=O)=O.CCCCCCCCCCCC[Na] Chemical compound OS(O)(=O)=O.CCCCCCCCCCCC[Na] RCEAADKTGXTDOA-UHFFFAOYSA-N 0.000 description 1
- 238000000246 agarose gel electrophoresis Methods 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 239000011324 bead Substances 0.000 description 1
- 210000002421 cell wall Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004925 denaturation Methods 0.000 description 1
- 230000036425 denaturation Effects 0.000 description 1
- 239000012153 distilled water Substances 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 230000033001 locomotion Effects 0.000 description 1
- 229960000274 lysozyme Drugs 0.000 description 1
- 235000010335 lysozyme Nutrition 0.000 description 1
- 239000004325 lysozyme Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 239000002773 nucleotide Substances 0.000 description 1
- 125000003729 nucleotide group Chemical group 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000012257 pre-denaturation Methods 0.000 description 1
- 239000002244 precipitate Substances 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000002002 slurry Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000006228 supernatant Substances 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 239000011534 wash buffer Substances 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- C12Q1/64—Geomicrobiological testing, e.g. for petroleum
-
- 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
- G16B50/00—ICT programming tools or database systems specially adapted for bioinformatics
- G16B50/30—Data warehousing; Computing architectures
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Organic Chemistry (AREA)
- Biotechnology (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Wood Science & Technology (AREA)
- Zoology (AREA)
- Theoretical Computer Science (AREA)
- Medical Informatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Microbiology (AREA)
- General Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Genetics & Genomics (AREA)
- Analytical Chemistry (AREA)
- Bioethics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- Public Health (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Software Systems (AREA)
- Epidemiology (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Environmental & Geological Engineering (AREA)
- General Chemical & Material Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Oil, Petroleum & Natural Gas (AREA)
Abstract
本发明提供了一种基于地质微生物群落特征的监控油藏的方法，属于油藏工程技术领域。本发明根据不同深度的地层会产生其特有的菌种的种类以及丰度来构建产液剖面图，再根据所述产液剖面图计算有效裂缝高度；所述计算有效裂缝高度的方法包括：以所述不同地层的产液贡献率的平均值作为阈值，阈值在产液剖面图上以虚线标记，超过阈值的地层判定为裂缝延伸的有效地层，所有有效地层的深度之和为有效裂缝高度。根据所述有效裂缝高度能够监控整个油藏，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
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监控油藏的方法。
背景技术
在油田开发过程中，利用油田生产数据和各种监测方法采集到的资料来分析、研究地下水运动规律及其发展变化，检验开发方案及其有关措施的实施，预测油气田开发效果，并为调整挖潜提供依据的全部工作称为油田开发动态分析。油田开发动态分析包括预测裂缝的有效泄油高度、井间联通关系分析和产液剖面分析等。油田开发动态分析对于认识储层地质特征和剩余油分布规律、指导后期注采政策优化和堵水调剖等措施调整、提高油藏经营管理水平具有重要的作用。
常用的油田开发动态分析研究方法为示踪剂测试技术。示踪剂测试技术是在注水井中注入与已注入流体相溶的的示踪剂。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。示踪剂均为外来流体，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监控油藏的方法，该方法分析出每个水平段以及每口井的贡献率，并依次为依据来监控油藏，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监控油藏的方法，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；
4）分别分析所述岩屑和流体样品的扩增产物的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以及计算每口井的所述不同地层的产液贡献率的平均值；
7）根据每个地层的产液贡献率，绘制产液剖面图；所述产液剖面图包括：以地层深度为纵坐标，每个地层每种细菌的产液贡献率的堆积图；和以地层深度为纵坐标，每个地层的产液贡献率为横坐标的堆积图；
8）根据所述产液剖面图计算有效裂缝高度；
所述计算有效裂缝高度的方法包括：以所述不同地层的产液贡献率的平均值作为阈值，阈值在产液剖面图上以虚线标记，超过阈值的地层判定为裂缝延伸的有效地层，所有有效地层的深度之和为有效裂缝高度。
优选的，所述有效裂缝高度包括最低泄油高度和最大泄油高度；
所述最低泄油高度为：目的层的厚度和关联层的厚度之和；所述关联层为与目的层相连通且产液贡献率超过阈值的地层；
所述最大泄油高度为：产液贡献率超过阈值的最浅地层的上表面到产液贡献率超过阈值的最深地层的下表面的间距。
优选的，所述方法还包括测定不同油井的细菌种类和细菌丰度，根据不同油井的细菌种类和细菌丰度绘制井间细菌相似图；
所述井间细菌相似图的绘制方法包括以下步骤：根据每口井的细菌种类和细菌丰度，绘制主成分分析图，以不同的颜色或形状的点来代表不同井，在主成分分析图上反映出井间相似性。
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，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；
式II中
表示第A个地层上包含第i种细菌的概率，
表示细菌i来源于地层A的概率；
表示细菌i浓度占所有细菌浓度的比值；
表示地层A出现的概率，数值为所有地层数量分之一；
式III中
表示第A个地层对产液的贡献率，
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监控油藏的方法，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，根据所述产液剖面图计算有效裂缝高度；
所述计算有效裂缝高度的方法包括：以所述不同地层的产液贡献率的平均值作为阈值，阈值在产液剖面图上以虚线标记，超过阈值的地层判定为裂缝延伸的有效地层，所有有效地层的深度之和为有效裂缝高度。根据所述有效裂缝高度能够监控整个油藏，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。
附图说明
图1为每口井物种功能聚类堆积图；
图2为每口井主成分分析图。
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监控油藏的方法，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；
4）分别分析所述岩屑和流体样品的扩增产物的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以及计算每口井的所述不同地层的产液贡献率的平均值；
7）根据每个地层的产液贡献率，绘制产液剖面图；所述产液剖面图包括：以地层深度为纵坐标，每个地层每种细菌的产液贡献率的堆积图；和以地层深度为纵坐标，每个地层的产液贡献率为横坐标的堆积图；
8）根据所述产液剖面图计算有效裂缝高度；
所述计算有效裂缝高度的方法包括：以所述不同地层的产液贡献率的平均值作为阈值，阈值在产液剖面图上以虚线标记，超过阈值的地层判定为裂缝延伸的有效地层，所有有效地层的深度之和为有效裂缝高度。
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。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岩屑和流体样品的扩增产物的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；
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。
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；
式II中
表示第A个地层上包含第i种细菌的概率，
表示细菌i来源于地层A的概率；
表示细菌i浓度占所有细菌浓度的比值；
表示地层A出现的概率，数值为所有地层数量分之一；
式III中
表示第A个地层对产液的贡献率，
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，以不同的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。
得到产剖面图后，本发明根据所述产液剖面图计算有效裂缝高度；
所述计算有效裂缝高度的方法优选的包括：以所述不同地层的产液贡献率的平均值作为阈值，阈值在产液剖面图上以虚线标记，超过阈值的地层判定为裂缝延伸的有效地层，所有有效地层的深度之和为有效裂缝高度。
在本发明中，所述有效裂缝高度优选的包括最低泄油高度和最大泄油高度；所述最低泄油高度优选为：目的层的厚度和关联层的厚度之和；所述关联层为与目的层相连通且产液贡献率超过阈值的地层；所述最大泄油高度优选为：产液贡献率超过阈值的最浅地层的上表面到产液贡献率超过阈值的最深地层的下表面的间距。
在本发明中，所述方法优选的还包括测定不同油井的细菌种类和细菌丰度，根据不同油井的细菌种类和细菌丰度绘制井间细菌相似图；所述井间细菌相似图的绘制方法优选的包括以下步骤：根据每口井的细菌种类和细菌丰度，绘制主成分分析图，以不同的颜色或形状的点来代表不同井，在主成分分析图上反映出井间相似性，越相似的油井井间联通性则越好。
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、水平井每隔15m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；
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。
所述溯源步骤如下：
（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；
式II中
表示第A个地层上包含第i种细菌的概率，
表示细菌i来源于地层A的概率；
表示细菌i浓度占所有细菌浓度的比值；
表示地层A出现的概率，数值为所有地层数量分之一；
式III中
表示第A个地层对产液的贡献率，
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。
13、根据所述产液剖面图计算有效裂缝高度；所述计算有效裂缝高度的方法为：以所述不同地层的产液贡献率的平均值作为阈值，阈值在产液剖面图上以虚线标记，超过阈值的地层判定为裂缝延伸的有效地层，所有有效地层的深度之和为有效裂缝高度。
14、根据每口井的细菌种类和细菌丰度，绘制主成分分析图，以不同的颜色或形状的点来代表不同井的不同种类的细菌，在主成分分析图上反映出井间相似性，越相似的油井井间联通性则越好。
实施例2
在胜利油田采样四口井的产液进行测序，所取样井名为牛页6号井筒、牛业113-2号井、牛业021-1号井、牛业138-1号井、牛业046-1号井，取样深度为5101m、5104m、5107m、5110m和5113m。对样品按实施例1的步骤运送到实验室并进行测序。对比每口井产液的细菌种类和细菌丰度，利用mothur进行聚类分析，按照实施例1的步骤制作每口井的每口井物种功能聚类堆积图和主成分分析图(PCA)，结果分别参见图1和图2。根据图1可以看出，D5101和D5104地层的经过功能聚类后的菌种，丰度相似度高；D5110和D5113地层的经过功能聚类后的菌种，丰度相似度高；D5107地层则和其他地层菌种差异较大。从图2可以看出，D5101和D5104所代表的牛页6号井筒、牛业113-2号井两口井的井间连通性较高；D5110和D5113所代表的牛业138-1号井、牛业046-1号井两口井的井间连通性较高，牛业021-1号井与其他井的产液相似度较低，井间连通性较差。
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监控油藏的方法，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；
4）分别分析所述岩屑和流体样品的扩增产物的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以及计算每口井的所述不同地层的产液贡献率的平均值；
7）根据每个地层的产液贡献率，绘制产液剖面图；所述产液剖面图包括：以地层深度为纵坐标，每个地层每种细菌的产液贡献率的堆积图；和以地层深度为纵坐标，每个地层的产液贡献率为横坐标的堆积图；
8）根据所述产液剖面图计算有效裂缝高度；
所述计算有效裂缝高度的方法包括：以所述不同地层的产液贡献率的平均值作为阈值，阈值在产液剖面图上以虚线标记，超过阈值的地层判定为裂缝延伸的有效地层，所有有效地层的深度之和为有效裂缝高度。
2.根据权利要求1所述的方法，其特征在于，所述有效裂缝高度包括最低泄油高度和最大泄油高度；
所述最低泄油高度为：目的层的厚度和关联层的厚度之和；所述关联层为与目的层相连通且产液贡献率超过阈值的地层；
所述最大泄油高度为：产液贡献率超过阈值的最浅地层的上表面到产液贡献率超过阈值的最深地层的下表面的间距。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括测定不同油井的细菌种类和细菌丰度，根据不同油井的细菌种类和细菌丰度绘制井间细菌相似图；
所述井间细菌相似图的绘制方法包括以下步骤：根据每口井的细菌种类和细菌丰度，绘制主成分分析图，以不同的颜色或形状的点来代表不同井，在主成分分析图上反映出井间相似性。
4.根据权利要求1所述的方法，其特征在于，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。
5.根据权利要求1或4所述的方法，其特征在于，步骤1）中所述岩屑的直径为1~3cm。
6.根据权利要求1所述的方法，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。
7.根据权利要求1所述的方法，其特征在于，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；
式II中
表示第A个地层上包含第i种细菌的概率，
表示细菌i来源于地层A的概率；
表示细菌i浓度占所有细菌浓度的比值；
表示地层A出现的概率，数值为所有地层数量分之一；
式III中
表示第A个地层对产液的贡献率，
表示第A个地层上包含第i种细菌的概率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210007313.4A CN114023388B (zh) | 2022-01-06 | 2022-01-06 | 一种基于地质微生物群落特征的监控油藏的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210007313.4A CN114023388B (zh) | 2022-01-06 | 2022-01-06 | 一种基于地质微生物群落特征的监控油藏的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114023388A true CN114023388A (zh) | 2022-02-08 |
| CN114023388B CN114023388B (zh) | 2022-03-08 |
Family
ID=80069455
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210007313.4A Active CN114023388B (zh) | 2022-01-06 | 2022-01-06 | 一种基于地质微生物群落特征的监控油藏的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114023388B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140162274A1 (en) * | 2012-06-28 | 2014-06-12 | Taxon Biosciences, Inc. | Compositions and methods for identifying and comparing members of microbial communities using amplicon sequences |
| 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 |
| US20170139078A1 (en) * | 2013-12-31 | 2017-05-18 | Biota Technology, Inc. | Microbiome based systems, apparatus and methods for the exploration and production of hydrocarbons |
| CN107532198A (zh) * | 2015-02-12 | 2018-01-02 | 生物识别有限公司 | 基于微生物勘探的对地下地层中的非均质分布式烃源的计算机支持的探测和生产 |
-
2022
- 2022-01-06 CN CN202210007313.4A patent/CN114023388B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140162274A1 (en) * | 2012-06-28 | 2014-06-12 | Taxon Biosciences, Inc. | Compositions and methods for identifying and comparing members of microbial communities using amplicon sequences |
| US20170139078A1 (en) * | 2013-12-31 | 2017-05-18 | Biota Technology, Inc. | Microbiome based systems, apparatus and methods for the exploration and production of hydrocarbons |
| 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 |
| CN107532198A (zh) * | 2015-02-12 | 2018-01-02 | 生物识别有限公司 | 基于微生物勘探的对地下地层中的非均质分布式烃源的计算机支持的探测和生产 |
| US20180023371A1 (en) * | 2015-02-12 | 2018-01-25 | Biodentify B.V. | Computer supported exploration and production of heterogeneous distributed hydrocarbon sources in subsurface formations based on microbial prospecting |
Non-Patent Citations (4)
| Title |
|---|
| 张文达 等: "嗜热稠油油藏本源为生物多样性及提高原油采收率应用潜力", 《化学与生物工程》 * |
| 曹军 等: "微生物地球化学勘探技术在黄图塬地貌区油气勘探中的应用", 《特种油气藏》 * |
| 汪卫东: "微生物采油技术研究进展与发展趋势", 《油气地质与采收率》 * |
| 高配科: "中低温油藏注采系统微生物群落分布特征与群落调控驱油技术研究", 《万方数据库知识服务平台》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114023388B (zh) | 2022-03-08 |
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 | |
| WO2015103332A2 (en) | Microbiome based systems, apparatus and methods for the exploration and production of hydrocarbons | |
| Sorensen et al. | Using boreholes as windows into groundwater ecosystems | |
| CN110004239A (zh) | 一种基于微生物溯源解析水体污染源的方法 | |
| 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 | |
| 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 | |
| CN114023388B (zh) | 一种基于地质微生物群落特征的监控油藏的方法 | |
| CN102952846A (zh) | 一种油藏内源微生物原位采集方法 | |
| 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 | |
| RU2741886C1 (ru) | Способ определения профиля притока в горизонтальных нефтяных скважинах при помощи микробиомного анализа | |
| CN101914626A (zh) | 一种山羊品种ssr分子标记鉴定方法 | |
| 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 | |
| Bowman et al. | Analysis of full-length metagenomic 16S genes by SMRT sequencing | |
| 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 | |
| Posdyshev et al. | Using DNA-Logging to Determine Inflow Profile in Horizontal Wells | |
| US20230279775A1 (en) | Using microbial dna in well planning and management | |
| CN108728557B (zh) | 用于检测嗜酸硫杆菌的引物对及设计方法与检测方法 | |
| Hayatdavoudi et al. | Application of Bacterial DNA Fingerprinting in Crude Oil for Evaluating the Reservoir-Part I | |
| 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 | |
| Woortman et al. | De novo Genome Sequencing and Annotation of a Thermophilic Cyanobacterium using the Oxford Nanopore Technologies Sequencing Platform | |
| CN116622818A (zh) | 无宿主背景干扰的植物内生真菌全长its基因扩增方法 | |
| 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 | |
| CN111485015A (zh) | 从垃圾填埋场微生物中分离甲烷氧化基因组dna的方法 |
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 | ||
| 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: 20240116 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 |