CN115323029B - 基于高光谱技术的苯扎溴铵共代谢降解菌的快速筛选方法 - Google Patents
基于高光谱技术的苯扎溴铵共代谢降解菌的快速筛选方法 Download PDFInfo
- Publication number
- CN115323029B CN115323029B CN202210920950.0A CN202210920950A CN115323029B CN 115323029 B CN115323029 B CN 115323029B CN 202210920950 A CN202210920950 A CN 202210920950A CN 115323029 B CN115323029 B CN 115323029B
- Authority
- CN
- China
- Prior art keywords
- bdab
- culture medium
- spectrum
- colony
- sample
- 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
Links
- 241000894006 Bacteria Species 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000012216 screening Methods 0.000 title claims abstract description 26
- 238000006731 degradation reaction Methods 0.000 title claims abstract description 24
- 230000015556 catabolic process Effects 0.000 title claims abstract description 23
- 238000005516 engineering process Methods 0.000 title claims abstract description 13
- KHSLHYAUZSPBIU-UHFFFAOYSA-M benzododecinium bromide Chemical compound [Br-].CCCCCCCCCCCC[N+](C)(C)CC1=CC=CC=C1 KHSLHYAUZSPBIU-UHFFFAOYSA-M 0.000 title claims abstract description 9
- 229960002233 benzalkonium bromide Drugs 0.000 title claims abstract description 8
- 239000001963 growth medium Substances 0.000 claims abstract description 65
- 239000007787 solid Substances 0.000 claims abstract description 36
- 230000000593 degrading effect Effects 0.000 claims abstract description 32
- 230000001580 bacterial effect Effects 0.000 claims abstract description 22
- 238000009630 liquid culture Methods 0.000 claims abstract description 6
- 238000001228 spectrum Methods 0.000 claims description 84
- 230000009471 action Effects 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 10
- 229920001817 Agar Polymers 0.000 claims description 8
- FAPWRFPIFSIZLT-UHFFFAOYSA-M Sodium chloride Chemical compound [Na+].[Cl-] FAPWRFPIFSIZLT-UHFFFAOYSA-M 0.000 claims description 8
- 239000008272 agar Substances 0.000 claims description 8
- 239000000843 powder Substances 0.000 claims description 8
- 241000233866 Fungi Species 0.000 claims description 7
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 claims description 7
- 238000012258 culturing Methods 0.000 claims description 7
- 239000008103 glucose Substances 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 6
- -1 polytetrafluoroethylene Polymers 0.000 claims description 6
- 229920001343 polytetrafluoroethylene Polymers 0.000 claims description 6
- 239000004810 polytetrafluoroethylene Substances 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 239000012528 membrane Substances 0.000 claims description 5
- 238000010187 selection method Methods 0.000 claims description 5
- NLXLAEXVIDQMFP-UHFFFAOYSA-N Ammonia chloride Chemical compound [NH4+].[Cl-] NLXLAEXVIDQMFP-UHFFFAOYSA-N 0.000 claims description 4
- 238000001720 action spectrum Methods 0.000 claims description 4
- 239000011248 coating agent Substances 0.000 claims description 4
- 238000000576 coating method Methods 0.000 claims description 4
- 229910052564 epsomite Inorganic materials 0.000 claims description 4
- 239000007788 liquid Substances 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 239000011780 sodium chloride Substances 0.000 claims description 4
- 238000011282 treatment Methods 0.000 claims description 4
- 238000012795 verification Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- UXVMQQNJUSDDNG-UHFFFAOYSA-L Calcium chloride Chemical compound [Cl-].[Cl-].[Ca+2] UXVMQQNJUSDDNG-UHFFFAOYSA-L 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 claims description 2
- 239000001110 calcium chloride Substances 0.000 claims description 2
- 229910001628 calcium chloride Inorganic materials 0.000 claims description 2
- 238000009499 grossing Methods 0.000 claims description 2
- 238000004088 simulation Methods 0.000 claims description 2
- 239000002344 surface layer Substances 0.000 claims description 2
- 239000013598 vector Substances 0.000 claims description 2
- 238000001914 filtration Methods 0.000 claims 2
- 238000007865 diluting Methods 0.000 claims 1
- 244000005700 microbiome Species 0.000 abstract description 8
- 239000003153 chemical reaction reagent Substances 0.000 abstract description 5
- 230000008901 benefit Effects 0.000 abstract description 3
- 238000001514 detection method Methods 0.000 abstract description 3
- 238000000746 purification Methods 0.000 abstract description 3
- 238000010521 absorption reaction Methods 0.000 abstract description 2
- 230000008859 change Effects 0.000 abstract description 2
- 230000007613 environmental effect Effects 0.000 abstract description 2
- 230000006872 improvement Effects 0.000 abstract description 2
- 238000002329 infrared spectrum Methods 0.000 abstract description 2
- 230000009467 reduction Effects 0.000 abstract description 2
- 238000011160 research Methods 0.000 abstract description 2
- 238000012546 transfer Methods 0.000 abstract description 2
- 239000002609 medium Substances 0.000 description 8
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 6
- 229910052799 carbon Inorganic materials 0.000 description 6
- 230000003595 spectral effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 229910052739 hydrogen Inorganic materials 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 2
- 238000000701 chemical imaging Methods 0.000 description 2
- 230000001332 colony forming effect Effects 0.000 description 2
- 238000013537 high throughput screening Methods 0.000 description 2
- 239000001257 hydrogen Substances 0.000 description 2
- 230000036512 infertility Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 239000010865 sewage Substances 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 1
- 238000004497 NIR spectroscopy Methods 0.000 description 1
- 108010013381 Porins Proteins 0.000 description 1
- 241000700605 Viruses Species 0.000 description 1
- 239000003443 antiviral agent Substances 0.000 description 1
- 238000010170 biological method Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000012630 chemometric algorithm Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 239000000645 desinfectant Substances 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 230000002222 downregulating effect Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 231100000086 high toxicity Toxicity 0.000 description 1
- 230000002779 inactivation Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000004811 liquid chromatography Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000013028 medium composition Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000000813 microbial effect Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 102000007739 porin activity proteins Human genes 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- C12Q1/02—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving viable microorganisms
- C12Q1/04—Determining presence or kind of microorganism; Use of selective media for testing antibiotics or bacteriocides; Compositions containing a chemical indicator therefor
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12N—MICROORGANISMS OR ENZYMES; COMPOSITIONS THEREOF; PROPAGATING, PRESERVING, OR MAINTAINING MICROORGANISMS; MUTATION OR GENETIC ENGINEERING; CULTURE MEDIA
- C12N1/00—Microorganisms, e.g. protozoa; Compositions thereof; Processes of propagating, maintaining or preserving microorganisms or compositions thereof; Processes of preparing or isolating a composition containing a microorganism; Culture media therefor
- C12N1/02—Separating microorganisms from their culture media
-
- 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
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30204—Marker
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Organic Chemistry (AREA)
- Zoology (AREA)
- Wood Science & Technology (AREA)
- Biochemistry (AREA)
- General Physics & Mathematics (AREA)
- Genetics & Genomics (AREA)
- General Health & Medical Sciences (AREA)
- Biotechnology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Microbiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Quality & Reliability (AREA)
- Biomedical Technology (AREA)
- Medicinal Chemistry (AREA)
- Tropical Medicine & Parasitology (AREA)
- Pathology (AREA)
- Toxicology (AREA)
- Biophysics (AREA)
- Virology (AREA)
- Molecular Biology (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明属于污染研究领域,尤其涉及基于高光谱技术的苯扎溴铵共代谢降解菌的快速筛选方法。本发明鉴于BDAB在近红外光谱区段的吸收特征,对固体培养基中BDAB的浓度进行快速、无损检测。根据固体培养基中,菌落下方BDAB浓度的变化,间接预测微生物对BDAB的降解能力,对BDAB降解菌进行快速筛选。与传统的筛菌方法相比,基于高光谱的检测方法无需将大量菌落逐一转接至液体培养基中培养富集纯化,耗时短、效率高,提高了筛选共代谢降解菌的速度和正确率,也降低了化学试剂的使用,较少环境压力。
Description
技术领域
本发明属于污染研究领域,尤其涉及基于高光谱技术的苯扎溴铵共代谢降解菌的快速筛选方法。
背景技术
SARs-CoV-2的出现导致日常生活中对消毒剂的需求急剧增加。作为典型的消毒剂,苯扎溴铵(benzyl dodecyl dimethyl ammonium bromide,BDAB)凭借对病毒和细菌的高效灭活作用而广泛使用,但也导致了BDAB在环境中的释放大大增加。BDAB本身结构稳定,具有较低的生物降解性、对水生和土壤生物具有较高的毒性。因此,环境中残留的高浓度BDAB的快速去除是亟待解决的问题。鉴于生物法是去除BDAB的主要方式,因此环境中BDAB降解菌的分离和筛选成为了问题的关键。在已知的BDAB降解过程中,有一部分微生物可以BDAB作为唯一碳源,但在实际水处理环境中,BDAB不是作为唯一碳源,而是作为共存的可被微生物利用碳源中的一种的形式存在。如作为环境中BDAB主要处理单元的污水处理厂,其待处理污水中还有大量其他碳源存在。因此绝大多数情况下微生物在环境中以共代谢的形式生长,BDAB共代谢降解菌在环境中存在更为广泛。同时在共代谢的条件下,微生物能利用更容易利用的碳源从而表现出更大的生物量和BDAB降解速度。因此从环境中筛选BDAB共代谢菌具有更重要更实际的意义。
但是传统筛选共代谢降解菌菌株的过程往往存在过程复杂、费时费力、消耗化学试剂的问题。在筛选以BDAB为唯一碳源微生物时,生长就可作为BDAB降解菌的唯一判断标准。但在共代谢体系里生长的菌落并不一定具有BDAB降解能力,而有可能通过改变膜组成,孔蛋白编码基因的下调表达,流出泵蛋白的上调表达等方式实现耐受。因此,为把具有降解性能的菌株尽量的保留下来,在共代谢体系里筛选BDAB共代谢降解菌时,需要对体系生长的大量菌株逐一挑至液体培养基中培养,在反复涂布纯化后,得到众多菌落的纯培养物,最后结合液相色谱法对每个菌落进行BDAB降解性能的测定,从而筛选是否为BDAB共代谢降解菌。因此,传统方法限制了高通量筛选BDAB共代谢降解菌的可能性。所以寻找一个快速高通量的筛选方法将有助于解决这一问题。
近红外(NIR)光谱技术(750nm-2500nm)是一种快速、无损的定量分析方法,它通过反应含氢基团(O-H、N-H、C-H)化学键(X-H)的伸缩振动倍频和合频,来确定含氢基团的信息。其中近红外高光谱成像(NIR hyperspectral imaging,NIR-HSI)技术能同时包含样本的光谱信息和空间信息,结合化学计量学算法,NIR-HSI技术可根据不同样品的光谱信息定量化合物的含量,并对化学成分的空间分布进行预测。NIR-HSI技术以速度快、操作简单、检测效率高、稳定性好等特点受到各个领域的关注,被广泛用来定量分析食品、环境中目标化学物的含量。
发明内容
针对污染物共代谢降解微生物的传统筛选方法操作复杂、费时费力、使用化学试剂等问题,本发明提出了一种基于高光谱技术的BDAB共代谢降解菌的快速筛选方法,能够简单、快速的筛选固体培养基中BDAB共代谢降解菌。本发明鉴于BDAB在近红外光谱区段的吸收特征,对固体培养基中BDAB的浓度进行快速、无损检测。根据固体培养基中,菌落下方BDAB浓度的变化,间接预测微生物对BDAB的降解能力,对BDAB降解菌进行快速筛选。
本发明基于高光谱技术对固体培养基中的BDAB含量进行预测,间接判断未知菌落对BDAB的降解能力。本发明方法能够简单快速的对固体培养基中BDAB共代谢降解菌进行筛选,解决目前微生物领域筛选BDAB共代谢降解菌耗时耗力、低效,消耗化学试剂等问题,为BDAB共代谢降解菌筛选过程提供相应技术指导。
本发明技术方案如下:
基于高光谱技术的苯扎溴铵共代谢降解菌的快速筛选方法,包括以下步骤:
步骤1,配置不同浓度BDAB的固体培养基模拟样本作为建模样本;
步骤2,采集步骤1中建模样本的高光谱图像;
步骤3,为抑制光谱信息的空间波动对预测模型的影响,建模过程中,通过设置不同感兴趣区域(ROI)划分方式,提取高光谱图像在每个ROI划分方式下获得的多个光谱样本的平均光谱;
步骤4,将得到的光谱样本划分训练集和验证集,对光谱样本的平均光谱进行预处理同时展开特征波长分析并提取特征向量;
步骤5,将全波长和提取到的特征波长所对应的训练集光谱样本分别与BDAB浓度对应,建立固体培养基中BDAB浓度的偏最小二乘(PLS)预测模型;
步骤6,从待测环境中采集菌样,富集培养后涂布于固体培养基,培养得到生长菌落的实际样本,培养结束后,去掉培养基表层的菌落,并采集其高光谱图像,去掉的菌落分别进行保存,等待后续筛选;所述实际样本是指,培养有待筛选的未知菌落、且含有BDAB的固体培养基;
步骤7,提取菌落作用后的培养基与其附近无菌落作用培养基的光谱,分别作为菌落作用光谱和参照光谱,并用步骤5中的预测模型进行BDAB预测,计算菌落作用区域与其附近无菌落作用区域的BDAB浓度的差值,称为有菌差值;
步骤8,采集步骤6中所述培养基上无菌落作用区域的光谱及其附近无菌落区域的光谱,分别作为无菌落作用光谱和参照光谱;利用步骤5中的预测模型进行预测,计算无菌落作用区域与其其附近无菌落区域的BDAB的浓度差,作为培养基的空白对照,称为无菌差值;
步骤9,根据步骤7和步骤8中有菌差值和无菌差值的大小,间接推断固体培养基上未知菌落对BDAB是否有降解作用;若步骤7中的有菌差值大于步骤8中的无菌差值,说明该区域对应菌落对BDAB具有降解作用,菌落为BDAB共代谢降解菌。
步骤10,筛选步骤6中保存的菌落,根据步骤9中对菌落的判定结果,保留步骤6中为BDAB共代谢降解菌的菌落后将菌落反复分离纯化,得到数种BDAB共代谢降解菌的纯培养物。
进一步的,步骤2中,样本采集光谱前需做以下处理:将固体培养基剥离出培养皿后,将其底部紧密贴合于聚四氟乙烯平板上,同时培养基侧面覆盖不透光的黑色绝缘胶带;采集光谱时将载有固体培养基的聚四氟乙烯平板放入光谱仪的载物台上。
进一步的,步骤7中,参照光谱的选择方法如下:1)选取菌落周边没长菌且形态大小和菌落作用区域类似的区域,记为中间区域,提取该区域的平均光谱,记作中间光谱(center spectrum,CS)。2)提取与中间区域大小形状一致,位于中间区域的前、后、左、右方向的四个区域的平均光谱,各区域光谱标记为前方光谱(front spectrum,FS)、后方光谱(backspectrum,BS)、左方光谱(leftspectrum,LS)、右方光谱(right spectrum,RS),分别计算FS和BS,LS和RS,以及FS、BS、LS、RS的平均光谱,其中,FS和BS的平均光谱记为FBS,LS和RS的平均光谱记为LRS,FS、BS、LS、RS的平均光谱记为FBLRS。度量FS、BS、LS、RS、FBS、LRS、FBLRS与CS之间的相似程度,与CS的相似度最高的光谱选定为参照光谱,其对应区域为参照区域。
进一步的,步骤8中的参照光谱的选择方法同步骤7。
本发明的效果和益处:与传统的筛菌方法相比,基于高光谱的检测方法无需将大量菌落逐一转接至液体培养基中培养富集纯化,耗时短、效率高,提高了筛选共代谢降解菌的速度和正确率,也降低了化学试剂的使用,较少环境压力。
附图说明
图1为本发明提供的基于高光谱技术的苯扎溴铵共代谢降解菌的快速筛选方法流程图;
图2为本发明提供的建模样本和实际样本光谱采集过程示意图;
图3为本发明提供的建模样本的ROI划分方式:(a)40×50像素点(b)20×50像素点(c)12×50像素点(d)8×50像素点;
图4为本发明实施例提供的实际样本示意图:(a)菌落作用区域和无菌落作用区域示意图(b)参照光谱选择过程示意图;
图5为本发明实施例提供的模型对培养基上两种BDAB共代谢降解菌的预测结果示意图:(a)RQR-1有菌差值(b)BDAB-1有菌差值。
具体实施方式
以下结合技术方案和附图,详细叙述本发明的具体实施方式。
基于高光谱技术的BDAB共代谢降解菌的快速筛选方法,其整体流程如图1所示。
本实施例选取BDAB为底物,以葡萄糖为共代谢基质,对固体培养基中的BDAB共代谢降解菌进行筛选。具体步骤如下:
(1)建模样本的制备
设置一批模拟固体培养基样品作为建模样本,用于预测实际样本固体培养基的BDAB浓度。建模样本培养基组成如下(每升):7.4g K2HPO4,3.0g NaH2PO4,0.50g NaCl,1.0gNH4Cl,0.25g MgSO4·7H2O,0.01g CaCl2,若干含量的葡萄糖和BDAB。
调整固体培养基BDAB含量,使BDAB的浓度梯度为60、100、160、200、240、280、320、360mg/L。在每个BDAB浓度下设置5个不同葡萄糖浓度的样本,葡萄糖浓度梯度为100、200、300、400和500mg/L。在上述培养基中加入琼脂粉,制成建模样本固体培养基,琼脂粉浓度为20g/L。BDAB在经滤膜过滤后再加入到灭菌后的液体培养基中。建模样本制备好后不接种菌株,不进行培养,最后剩下30个建模样本。
(2)高光谱图像采集
使用近红外系统,从近红外900-1700nm(172个光谱波段)范围内获取建模样本的高光谱数据。建模样本的高光谱图像采集过程如图2所示。光谱仪与样本之间的距离设定为120mm。移动平台速度为12.5mm/s,扫描方式为线扫描,曝光时间设定为0.82ms。整个HSI系统在一个金属黑箱中运行,以减少外界光线的干扰。为最大限度地减少光强不均的干扰,将培养基从培养皿中轻轻剥离,使培养基贴合于聚四氟乙烯平板上,用黑色绝缘胶带包裹培养基外围,最后将载有培养基的聚四氟乙烯平板放置于光谱仪载物台进行高光谱图像采集,采集后的光谱进行黑白矫正。
(3)模型的建立
为了抑制培养基光谱不均问题,针对建模样本,本发明采用四种ROI划分方式,分别是40×50像素(2000像素点,600个样本),20×50像素(1000像素点,1200个样本),12×50像素(600像素点,2500个样本),和8×50像素(400像素点,3200个样本)的方形区域,并提取光谱信息。上述ROI划分方式如图3所示。根据SPXY算法按3:1的比例将样本集分为训练集和验证集。使用三点移动平滑作为预处理方法,RC和CARS算法筛选特征波长。使用PLSR建立模型,并确定最佳模型。
(4)实际样本的制备与采集
实际样本培养基组成如下(每升):7.4g K2HPO4,3.0g NaH2PO4,0.50g NaCl,1.0gNH4Cl,0.25g MgSO4·7H2O,0.01g CaCl2,0.5g C6H12O6,0.1gBADB。同样的,培养基中加入琼脂粉,制成固体培养基,琼脂粉浓度为20g/L。BDAB在经滤膜过滤后再加入到灭菌后的液体培养基中。从环境中采集、富集、培养菌样后,将菌液按一定比例稀释后涂布于固体培养基,培养得到生长有未知的待筛选菌落的实际固体培养基样本。实际样本光谱采集过程如图2所示。实际样本的光谱采集前将实际样本固体培养基表面的菌落人工移除,移除的菌落分别进行保存等待筛选。后续步骤同步骤(2)。
(5)参照光谱的选择
为了减轻不均匀的光谱分布对模型预测实际样本的影响,本发明提出将实际样本中菌落下方的区域(菌落作用区域)与其周围无菌落作用区域进行比较,周围无菌落作用区域称为“参照培养基”,对应的平均光谱为“参照光谱”。参照光谱的选取方法如下:1)选取菌落周边没长菌且形态大小和菌落作用区域类似的区域,记为中间区域,提取该区域的平均光谱,记作中间光谱(center spectrum,CS)。2)提取与中间区域大小形状一致,位于中间区域的前、后、左、右方向的四个区域的平均光谱,各区域光谱标记为前方光谱(frontspectrum,FS)、后方光谱(backspectrum,BS)、左方光谱(leftspectrum,LS)、右方光谱(right spectrum,RS)。各区域的选择过程如图4所示。分别计算FS和BS,LS和RS,以及FS、BS、LS、RS的平均光谱,其中FS和BS的平均光谱记为为FBS,LS和RS的平均光谱记为LRS,FS、BS、LS、RS的平均光谱记为FBLRS。通过欧式距离衡量FS、BS、LS、RS、FBS、LRS、FBLRS与CS之间的相似程度,与CS的欧式距离最小的光谱选定为参照光谱,其对应区域为参照区域。
(6)实际固体培养基样本BDAB浓度的预测
利用建模样本得到的PLSR模型预测菌落作用区域光谱及其参照光谱的BDAB浓度,并计算菌落作用区域与参照区域BDAB浓度的差值,作为有菌差值。采集培养基上无菌落作用区域及其附近无菌落区域的光谱(参照光谱),无菌落作用区域的参照光谱选取方式同步骤(5)。无菌落作用区域选取的ROI的形态大小与菌落作用区域类似,计算无菌落作用区域与其参照区域的BDAB浓度差,作为培养基的空白对照(无菌差值)。
(7)BDAB共代谢降解菌的筛选
通过有菌差值和无菌差值的比较,来鉴别菌落对BDAB的降解情况。原则上,无菌差值在0附近波动,有菌差值大于无菌差值,说明对应菌落为BDAB共代谢降解菌,将判定为BDAB共代谢降解菌的菌落保留同时进行反复分离纯化,得到上述众多BDAB共代谢降解菌的纯培养物,实现BDAB共代谢降解菌的筛选。
利用两种名为RQR-1和BDAB-1的BDAB共代谢降解菌,对本发明提供的方法进行验证。结果如图5所示,无菌差值在零附近小范围内波动,共代谢降解菌RQR-1和BDAB-1的有菌差值皆明显大于无菌差值(p<0.05),证明利用该发明提供的方法,BDAB共代谢降解菌可以被识别出来并可对识别出的BDAB共代谢降解菌培养纯化,实现BDAB共代谢降解菌的筛选。
Claims (1)
1.基于高光谱技术的苯扎溴铵共代谢降解菌的快速筛选方法,其特征在于,包括以下步骤:
步骤1,配置不同浓度BDAB的固体培养基模拟样本作为建模样本;
所述的建模样本培养基组成如下:7.4g/L K2HPO4,3.0g/L NaH2PO4,0.50g/L NaCl,1.0g/L NH4Cl,0.25g/L MgSO4·7H2O,0.01g/L CaCl2,若干含量的葡萄糖和BDAB;
调整固体培养基BDAB含量,使BDAB的浓度梯度为60、100、160、200、240、280、320、360mg/L;在每个BDAB浓度下设置5个不同葡萄糖浓度的样本,葡萄糖浓度梯度为100、200、300、400和500mg/L;在上述培养基中加入琼脂粉,制成建模样本固体培养基,琼脂粉浓度为20g/L;BDAB在经滤膜过滤后再加入到灭菌后的液体培养基中;
步骤2,采集步骤1中建模样本的高光谱图像;
使用近红外系统,从近红外900-1700nm范围内获取建模样本的高光谱数据;
样本采集光谱前需做以下处理:将固体培养基剥离出培养皿后,将其底部紧密贴合于聚四氟乙烯平板上,同时培养基侧面覆盖不透光的黑色绝缘胶带;采集光谱时将载有固体培养基的聚四氟乙烯平板放入光谱仪的载物台上;
步骤3,为抑制光谱信息的空间波动对预测模型的影响,建模过程中,通过设置不同感兴趣区域ROI划分方式,提取高光谱图像在每个ROI划分方式下获得的多个光谱样本的平均光谱;
步骤4,将得到的光谱样本划分训练集和验证集,对光谱样本的平均光谱进行预处理同时展开特征波长分析并提取特征向量;
根据SPXY算法按3:1的比例将样本集分为训练集和验证集;使用三点移动平滑作为预处理方法;
步骤5,将全波长和提取到的特征波长所对应的训练集光谱样本分别与BDAB浓度对应,建立固体培养基中BDAB浓度的偏最小二乘PLS预测模型;
步骤6,从待测环境中采集菌样,富集培养后涂布于固体培养基,培养得到生长菌落的实际样本,培养结束后,去掉培养基表层的菌落,并采集其高光谱图像,去掉的菌落分别进行保存,等待后续筛选;所述实际样本是指,培养有待筛选的未知菌落、且含有BDAB的固体培养基;
所述的实际样本培养基组成如下:7.4g/L K2HPO4,3.0g/L NaH2PO4,0.50g/L NaCl,1.0g/L NH4Cl,0.25g/L MgSO4·7H2O,0.01g/L CaCl2,0.5g/L C6H12O6,0.1g/LBADB;同样的,培养基中加入琼脂粉,制成固体培养基,琼脂粉浓度为20g/L;BDAB在经滤膜过滤后再加入到灭菌后的液体培养基中;从环境中采集、富集、培养菌样后,将菌液按一定比例稀释后涂布于固体培养基,培养得到生长有未知的待筛选菌落的实际固体培养基样本;
步骤7,提取菌落作用后的培养基与其附近无菌落作用培养基的光谱,分别作为菌落作用光谱和参照光谱,并用步骤5中的预测模型进行BDAB预测,计算菌落作用区域与其附近无菌落作用区域的BDAB浓度的差值,称为有菌差值;
参照光谱的选择方法如下:1)选取菌落周边没长菌且形态大小和菌落作用区域类似的区域,记为中间区域,提取该区域的平均光谱,记作中间光谱CS;2)提取与中间区域大小形状一致,位于中间区域的前、后、左、右方向的四个区域的平均光谱,各区域光谱标记为前方光谱FS、后方光谱BS、左方光谱LS、右方光谱RS,分别计算FS和BS,LS和RS,以及FS、BS、LS、RS的平均光谱,其中,FS和BS的平均光谱记为FBS,LS和RS的平均光谱记为LRS,FS、BS、LS、RS的平均光谱记为FBLRS;度量FS、BS、LS、RS、FBS、LRS、FBLRS与CS之间的相似程度,与CS的相似度最高的光谱选定为参照光谱,其对应区域为参照区域;
步骤8,采集步骤6中所述培养基上无菌落作用区域的光谱及其附近无菌落区域的光谱,分别作为无菌落作用光谱和参照光谱;利用步骤5中的预测模型进行预测,计算无菌落作用区域与其其附近无菌落区域的BDAB的浓度差,作为培养基的空白对照,称为无菌差值;
步骤8中的参照光谱的选择方法同步骤7;
步骤9,根据步骤7和步骤8中有菌差值和无菌差值的大小,间接推断固体培养基上未知菌落对BDAB是否有降解作用;若步骤7中的有菌差值大于步骤8中的无菌差值,说明该区域对应菌落对BDAB具有降解作用,菌落为BDAB共代谢降解菌;
步骤10,筛选步骤6中保存的菌落,根据步骤9中对菌落的判定结果,保留步骤6中为BDAB共代谢降解菌的菌落后将菌落反复分离纯化,得到数种BDAB共代谢降解菌的纯培养物。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210920950.0A CN115323029B (zh) | 2022-08-02 | 2022-08-02 | 基于高光谱技术的苯扎溴铵共代谢降解菌的快速筛选方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210920950.0A CN115323029B (zh) | 2022-08-02 | 2022-08-02 | 基于高光谱技术的苯扎溴铵共代谢降解菌的快速筛选方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115323029A CN115323029A (zh) | 2022-11-11 |
CN115323029B true CN115323029B (zh) | 2024-06-14 |
Family
ID=83920622
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210920950.0A Active CN115323029B (zh) | 2022-08-02 | 2022-08-02 | 基于高光谱技术的苯扎溴铵共代谢降解菌的快速筛选方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115323029B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105648109A (zh) * | 2016-01-08 | 2016-06-08 | 河南医学高等专科学校 | 一种噬菌体灭菌时化学抗菌剂筛选方法 |
CN106290240A (zh) * | 2016-08-29 | 2017-01-04 | 江苏大学 | 一种基于近红外光谱分析技术对酵母菌生长曲线测定的方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108489910B (zh) * | 2018-03-09 | 2020-08-14 | 大连理工大学 | 一种基于高光谱技术的牡蛎体内微塑料快速检测方法 |
CN108663339B (zh) * | 2018-05-15 | 2021-01-26 | 南京财经大学 | 基于光谱和图像信息融合的霉变玉米在线检测方法 |
CN111979128A (zh) * | 2020-09-04 | 2020-11-24 | 广西壮族自治区亚热带作物研究所(广西亚热带农产品加工研究所) | 一种植物源农药高效降解菌的筛选方法 |
-
2022
- 2022-08-02 CN CN202210920950.0A patent/CN115323029B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105648109A (zh) * | 2016-01-08 | 2016-06-08 | 河南医学高等专科学校 | 一种噬菌体灭菌时化学抗菌剂筛选方法 |
CN106290240A (zh) * | 2016-08-29 | 2017-01-04 | 江苏大学 | 一种基于近红外光谱分析技术对酵母菌生长曲线测定的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115323029A (zh) | 2022-11-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Beyenal et al. | Quantifying biofilm structure: facts and fiction | |
Shi et al. | Noise-free microbial colony counting method based on hyperspectral features of agar plates | |
Franco et al. | Monoalgal and mixed algal cultures discrimination by using an artificial neural network | |
Wilkinson et al. | Digital image analysis of microbes: imaging, morphometry, fluorometry and motility techniques and applications | |
Schmidt et al. | Recognizing patterns: spatial analysis of observed microbial colonization on root surfaces | |
Kang et al. | Classification of foodborne bacteria using hyperspectral microscope imaging technology coupled with convolutional neural networks | |
JPH0627014A (ja) | 水質汚染監視装置及びその方法 | |
CN111289489B (zh) | 一种基于拉曼光谱的微生物单细胞生长检测方法 | |
Galli et al. | Indigenous Aureobasidium pullulans strains as biocontrol agents of Botrytis cinerea on grape berries | |
Csoma et al. | Vinification without Saccharomyces: Interacting osmotolerant and “spoilage” yeast communities in fermenting and ageing botrytised high-sugar wines (Tokaj Essence) | |
Podevin et al. | Microalgal process-monitoring based on high-selectivity spectroscopy tools: Status and future perspectives | |
Liu et al. | The application of spectroscopy technology in the monitoring of microalgae cells concentration | |
CN111492065A (zh) | 一种鉴别细菌革兰氏类型的系统和方法 | |
Huang et al. | A fast antibiotic detection method for simplified pretreatment through spectra-based machine learning | |
Sakhamuri et al. | RETRACTED: An Overview on Prediction of Plant Leaves Disease using Image Processing Techniques | |
Wei et al. | Identification of microalgae by hyperspectral microscopic imaging system | |
Murialdo et al. | Discrimination of motile bacteria from filamentous fungi using dynamic speckle | |
CN115323029B (zh) | 基于高光谱技术的苯扎溴铵共代谢降解菌的快速筛选方法 | |
CN115963074A (zh) | 一种微生物材料孢子菌丝占比的快速检测方法和系统 | |
Yang et al. | Identification of Peanut Kernels Infected with Multiple Aspergillus flavus Fungi Using Line-Scan Raman Hyperspectral Imaging | |
CN114965300A (zh) | 基于光学水体类型和bp神经网络算法构建bp-turb的湖泊浊度制图方法 | |
CN114921521A (zh) | 一种基于深度卷积神经网络的食源性肠道致病菌检测方法 | |
Wang et al. | Dynamic surface-enhanced Raman spectroscopy and positively charged probes for rapid detection and accurate identification of fungal spores in infected apples via deep learning methods | |
CN113740279A (zh) | 基于光谱成像的赤潮藻种鉴别和浓度检测方法 | |
Lauffer et al. | Phytoplankton identification by combined methods of morphological processing and fluorescence imaging |
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 |