CN117887825A - 基于ngs的水源地重点风险物检测方法、系统以及介质 - Google Patents
基于ngs的水源地重点风险物检测方法、系统以及介质 Download PDFInfo
- Publication number
- CN117887825A CN117887825A CN202410061607.4A CN202410061607A CN117887825A CN 117887825 A CN117887825 A CN 117887825A CN 202410061607 A CN202410061607 A CN 202410061607A CN 117887825 A CN117887825 A CN 117887825A
- Authority
- CN
- China
- Prior art keywords
- risk
- area
- key
- sampling
- objects
- 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.)
- Pending
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 184
- 238000001514 detection method Methods 0.000 title claims abstract description 40
- 238000005070 sampling Methods 0.000 claims abstract description 149
- 238000009792 diffusion process Methods 0.000 claims abstract description 92
- 238000007481 next generation sequencing Methods 0.000 claims abstract description 54
- 238000000034 method Methods 0.000 claims abstract description 29
- 150000007523 nucleic acids Chemical class 0.000 claims abstract description 17
- 238000005516 engineering process Methods 0.000 claims abstract description 16
- 102000039446 nucleic acids Human genes 0.000 claims abstract description 16
- 108020004707 nucleic acids Proteins 0.000 claims abstract description 16
- 238000011156 evaluation Methods 0.000 claims abstract description 12
- 238000003753 real-time PCR Methods 0.000 claims abstract description 9
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000004458 analytical method Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 17
- 244000005700 microbiome Species 0.000 claims description 15
- 238000012163 sequencing technique Methods 0.000 claims description 12
- 241000894007 species Species 0.000 claims description 9
- 238000002864 sequence alignment Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 238000012165 high-throughput sequencing Methods 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 8
- 239000000126 substance Substances 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 231100000614 poison Toxicity 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 238000012502 risk assessment Methods 0.000 description 2
- 239000003440 toxic substance Substances 0.000 description 2
- 241000195493 Cryptophyta Species 0.000 description 1
- 241000700605 Viruses Species 0.000 description 1
- 238000007622 bioinformatic analysis Methods 0.000 description 1
- 238000003766 bioinformatics method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000010249 in-situ analysis Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000813 microbial effect Effects 0.000 description 1
- 235000021049 nutrient content Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 244000045947 parasite Species 0.000 description 1
- 244000052769 pathogen Species 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000012372 quality testing Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
Abstract
本发明公开了基于NGS的水源地重点风险物检测方法、系统以及介质，涉及水质检测技术领域。该基于NGS的水源地重点风险物检测方法，对各个采样区域获取的水样进行NGS测序，计算风险区域的风险程度指数，计算风险物扩散潜力系数，采用NGS测序技术，能够全面获取水样中的核酸信息，包括DNA和RNA，通过定量PCR技术和多次不同深度采样方式，实现了对水样中重点风险物的高灵敏度检测，通过综合考虑重点风险物的种类、含量、各采样点深度和区域等多个因素，提高了对水源地风险的综合评估水平，使评估更加全面、科学，相较于传统的水质监测方法，提供更详尽的信息，并且预测潜在的扩散趋势，更好地了解水质问题的整体状况。
Description
技术领域
本发明涉及水质检测技术领域，具体为基于NGS的水源地重点风险物检测方法、系统以及介质。
背景技术
水源地重点风险物检测是指在水源地区域，对可能对水质造成危害的特定物质进行监测和检测，以确保水源地水质的安全和稳定。这些重点风险物通常包括化学物质、微生物和其他污染源，监测可以通过定期采样和实地分析，也可以利用自动化监测系统，例如水质传感器网络。及早发现和识别潜在的水质问题，有助于及时采取措施保护水源地。政府、环保组织和水务管理部门通常会负责进行这些监测和检测工作，以确保公共饮用水源的安全和可持续性。
传统的水质检测方法通常包括采样和实验室分析，以及定点监测站的使用。监测人员定期到水体现场采集水样本，然后将样本送往实验室进行分析。实验室分析可以包括测量各种参数，如化学物质浓度、微生物数量、营养物质含量等。
但是现有的传统的水质检测方法不便更全面地了解水源地中存在的微生物、污染物和其他可能对水质有影响的物质，并且不便预测潜在的扩散趋势。
发明内容
针对现有技术的不足，本发明提供了基于NGS的水源地重点风险物检测方法、系统以及介质，解决了现有的传统水质检测方法不便更全面地了解水源地中存在的微生物、污染物和其他可能对水质有影响的物质，并且不便预测潜在的扩散趋势的问题。
为实现以上目的，本发明通过以下技术方案予以实现：一种基于NGS的水源地重点风险物检测方法，包括以下步骤：对各个采样区域获取的水样进行NGS测序，判断各个采样区域内是否存在重点风险物，若是则将采样区域标记为风险区域并计算风险区域的风险程度指数，所述风险程度指数用于表示各个采样区域重点风险物对水源地水质的影响程度，所述采样区域通过将水源地进行区域划分获得；结合各个采样区域的重点风险物数据计算重点风险物扩散程度指数；判断重点风险物扩散程度指数是否大于设定的扩散阈值，若是则计算风险物扩散潜力系数，所述重点风险物数据包括重点风险物的种类数量和各重点风险物对应的含量。
进一步地，对各个采样区域获取的水样进行NGS测序，判断各个采样区域内是否存在重点风险物并将含有重点风险物的采样区域标记为风险区域的过程如下：提取每个采样区域内的每个采样点的水样的核酸，所述核酸包括DNA和RNA，其中每个采样点的水样通过进行多次不同深度采样的方式获取，并为每一个采样点的水样依次进行编号为a＝1,2,3,...,A；为每个采样点的水样的核酸建立测序文库，并使用高通量测序平台对构建好的测序文库进行测序，获取序列数据；基于生物信息学工具对序列数据进行分析，所述分析包括序列比对和物种多样性分析，所述序列比对为将序列数据与已建数据库进行比对，确定水样中存在的微生物，所述物种多样性分析用于表示水样中的微生物多样性水平；基于分析后的结果确定水样中是否存在重点风险物，并确定重点风险物的种类及数量，将水样中含有重点风险物的采样区域标记为风险区域并编号为i＝1,2,3,...,n。
进一步地，计算风险区域的风险程度指数的过程如下：基于定量PCR技术确定每个采样点的水样中各个重点风险物的含量，每个采样区域内的采样点的编号为j＝1,2,3,...,m；基于确定的重点风险物的种类数量和各个重点风险物的含量评估每个采样点的风险程度值；基于各个采样点的风险程度值计算风险区域的风险程度指数，计算公式为：式中，Λi为第i个风险区域的风险程度指数，CWRij为第i个风险区域的第j个采样点的风险程度值，e为自然常数。
进一步地，风险区域的每个采样点的风险程度值的计算公式如下：式中，b＝1,2,3,...,B为每个水样中确定的重点风险物的种类数量，fxhab为第a个水样的中第b个重点风险物的含量，zfxab为fxhab对应的最大允许含量。
进一步地，结合各个采样区域的重点风险物数据计算重点风险物扩散程度指数的过程如下：获取标记为风险区域的采样区域的个数，并计算风险区域的占比；获取各风险区域内各种类重点风险物的最小含量，累加确定重点风险物最低总含量；基于重点风险物最低总含量及占比计算重点风险物扩散程度指数。
进一步地，重点风险物扩散程度指数的计算公式如下：式中，Γ为重点风险物扩散程度指数，ZBw为风险区域的占比，wrV为风险区域总面积，syV水源地总面积，c＝1,2,3,...,C为总风险区域内确定的重点风险物的种类总数，zdwc为第c个重点风险物的最低含量。
进一步地，计算风险物扩散潜力系数的过程如下：获取总风险区域内各种类重点风险物在各个采样点的各个水样中的含量并计算各种类重点风险物的平均含量；获取风险区域的最大风险程度指数，并基于最大风险程度指数，各种类重点风险物在各个采样点的含量和各种类重点风险物在各个采样点的平均含量计算风险物扩散潜力系数。
进一步地，风险物扩散潜力系数的计算公式如下：式中，Ψ为风险物扩散潜力系数，σc为第c个重点风险物的含量偏差，其表示为各种类重点风险物的平均含量与各种类重点风险物在各个采样点的各个水样中的含量的差值关系，Λmax为最大风险程度指数，F为风险区域的总个数。
基于NGS的水源地重点风险物检测方法的系统，包括重点风险物确定模块、扩散程度计算模块和扩散潜力评估模块，其中：所述重点风险物确定模块即用于对各个采样区域获取的水样进行NGS测序，判断各个采样区域内是否存在重点风险物，若是则将采样区域标记为风险区域并计算风险区域的风险程度指数，所述风险程度指数用于表示各个采样区域重点风险物对水源地水质的影响程度，所述采样区域通过将水源地进行区域划分获得；所述扩散程度计算模块即用于结合各个采样区域的重点风险物数据计算重点风险物扩散程度指数；所述扩散潜力评估模块即用于判断重点风险物扩散程度指数是否大于设定的扩散阈值，若是则计算风险物扩散潜力系数，所述重点风险物数据包括重点风险物的种类数量和各重点风险物对应的含量。
一种计算机可读存储介质，用于存储程序，所述程序被处理器执行时实现如上所述的基于NGS的水源地重点风险物检测方法。
本发明具有以下有益效果：
(1)、该基于NGS的水源地重点风险物检测方法，采用NGS测序技术，能够全面获取水样中的核酸信息，包括DNA和RNA，通过定量PCR技术和多次不同深度采样方式，实现了对水样中重点风险物的高灵敏度检测，通过综合考虑重点风险物的种类、含量、各采样点深度和区域等多个因素，提高了对水源地风险的综合评估水平，使评估更加全面、科学。
(2)、该基于NGS的水源地重点风险物检测方法，通过将水源地进行区域划分，标记风险区域，并计算区域风险程度指数，实现了对水源地的空间区域化管理，引入风险物扩散潜力系数，通过综合考虑各种类风险物的平均含量、最大风险程度指数、风险区域的总个数等多个因素，提供了一个综合的风险物扩散潜力评估，有助于制定更有效的管理策略。
当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
图1为本发明基于NGS的水源地重点风险物检测方法流程图。
图2为本发明基于NGS的水源地重点风险物检测方法判断采样区域内是否存在重点风险物的流程图。
图3为本发明基于NGS的水源地重点风险物检测方法计算风险区域的风险程度指数的过程流程图。
图4为本发明基于NGS的水源地重点风险物检测方法计算重点风险物扩散程度指数的过程流程图。
图5为本发明基于NGS的水源地重点风险物检测方法计算风险物扩散潜力系数的过程流程图。
图6为本发明基于NGS的水源地重点风险物检测方法的系统流程框图。
具体实施方式
本申请实施例通过基于NGS的水源地重点风险物检测方法，相较于传统的水质监测方法，提供更详尽的信息，并且预测潜在的扩散趋势，更好地了解水质问题的整体状况。
本申请实施例中的问题，总体思路如下：
NGS(Next-Generation Sequencing)，基于下一代测序技术，可以用于检测水体中的微生物、有害藻类、寄生虫、病毒等。采用NGS技术对各个采样区域的水样进行测序，可以同时获得水中DNA、RNA、蛋白质等多种分子信息,相对于传统的水质监测方法，NGS提供了更全面、高通量的数据，使得可以检测到更多种类的微生物、有毒物质以及其他可能对水质产生影响的成分。通过对NGS测序数据进行分析，可以准确、高效地检测出水中的重点风险物，这些可能包括各种污染物、病原体、有毒物质等。
根据各个采样区域内是否存在重点风险物，将水源地划分为不同的区域，标记为风险区域。通过计算风险区域的风险程度指数，量化各个区域内重点风险物对水质的影响程度,有助于确定问题的严重性和紧急性。结合各个采样区域的重点风险物数据，计算重点风险物扩散程度指数,帮助了解不同区域之间的风险物传播情况，为整体水质问题提供更全面的了解。
当重点风险物扩散程度指数超过设定的阈值时，通过计算风险物扩散潜力系数，可以预测潜在的扩散趋势,有助于及早识别可能的水质问题蔓延路径，为采取控制和治理措施提供提前预警。
通过结合高通量的NGS技术、精确的风险物检测和区域化的风险评估，提供了更为详尽的水质信息，并通过评估扩散程度和潜在扩散趋势，更好地了解整体水质状况，为水源地管理者提供科学依据和有效决策支持。
请参阅图1，本发明实施例提供一种技术方案：一种基于NGS的水源地重点风险物检测方法，包括以下步骤：对各个采样区域获取的水样进行NGS测序，判断各个采样区域内是否存在重点风险物，若是则将采样区域标记为风险区域并计算风险区域的风险程度指数，风险程度指数用于表示各个采样区域重点风险物对水源地水质的影响程度，采样区域通过将水源地进行区域划分获得；结合各个采样区域的重点风险物数据计算重点风险物扩散程度指数；判断重点风险物扩散程度指数是否大于设定的扩散阈值，若是则计算风险物扩散潜力系数，重点风险物数据包括重点风险物的种类数量和各重点风险物对应的含量。
具体地，如图2所示，对各个采样区域获取的水样进行NGS测序，判断各个采样区域内是否存在重点风险物并将含有重点风险物的采样区域标记为风险区域的过程如下：提取每个采样区域内的每个采样点的水样的核酸，核酸包括DNA和RNA，其中每个采样点的水样通过进行多次不同深度采样的方式获取，并为每一个采样点的水样依次进行编号为a＝1,2,3,...,A；为每个采样点的水样的核酸建立测序文库，并使用高通量测序平台对构建好的测序文库进行测序，获取序列数据；基于生物信息学工具对序列数据进行分析，分析包括序列比对和物种多样性分析，序列比对为将序列数据与已建数据库进行比对，确定水样中存在的微生物，物种多样性分析用于表示水样中的微生物多样性水平；基于分析后的结果确定水样中是否存在重点风险物，并确定重点风险物的种类及数量，将水样中含有重点风险物的采样区域标记为风险区域并编号为i＝1,2,3,...,n。
本实施方案中，通过多次不同深度的采样方式，能够捕获水样中不同深度的核酸，从而更全面地反映水体的生态特征,编号化采样点有助于建立采样点的坐标体系，便于后续的区域标记和管理。为每个采样点的水样建立测序文库，将提取的核酸转化为可测序的文库,这样的构建过程能够保留原始信息，使得后续的测序数据更具代表性。
使用高通量测序平台对构建好的测序文库进行测序，以获得大量的序列数据,有助于在短时间内获取大量信息，提高了检测的效率。序列比对和物种多样性分析是关键步骤，通过比对已建数据库，可以确定水样中存在的微生物，结合物种多样性分析，可以更全面地了解微生物的多样性水平。基于生物信息学分析的结果，确定水样中是否存在重点风险物，并将含有重点风险物的采样区域标记为风险区域。
通过多次不同深度的采样方式和高通量测序平台，该方法能够全面获取水样中的核酸信息，包括DNA和RNA,提供了对水中微生物和其他生物分子的高灵敏度检测，相较于传统方法，能够更全面地了解水样的组成。利用生物信息学工具进行序列比对和分析，能够高效地鉴定水样中存在的微生物,提高了分析的自动化程度，减少了人工操作的主观性，有助于获得更准确和可靠的结果。
通过对NGS数据进行生物信息学分析，能够准确检测水样中是否存在重点风险物，以及这些物质的种类和数量，有助于更精确地标记风险区域，为后续的风险评估提供可靠数据，将含有重点风险物的采样区域标记为风险区域并编号，实现了对水源地的空间区域化管理，有助于管理者更有针对性地采取控制和治理措施，提高资源利用效率。
具体地，如图3所示，计算风险区域的风险程度指数的过程如下：基于定量PCR技术确定每个采样点的水样中各个重点风险物的含量，每个采样区域内的采样点的编号为j＝1,2,3,...,m；基于确定的重点风险物的种类数量和各个重点风险物的含量评估每个采样点的风险程度值；基于各个采样点的风险程度值计算风险区域的风险程度指数，计算公式为：式中，Λi为第i个风险区域的风险程度指数，CWRij为第i个风险区域的第j个采样点的风险程度值，e为自然常数。
本实施方案中，使用定量PCR技术测定每个采样点水样中各个重点风险物的含量，得到数据集CWRij，表示为第i个风险区域的第j个采样点的风险程度值，针对每个采样点，根据其水样中重点风险物的种类数量和各个重点风险物的含量，评估每个采样点的风险程度值。这是对水样中风险物情况的综合评估。
利用风险区域的风险程度指数的计算公式计算每个风险区域的风险程度指数，该指数综合了所有采样点的风险程度值，通过取对数等运算，使得指数更符合实际情况。
使用定量PCR技术，可以准确测定每个采样点水样中各个重点风险物的含量，相较于定性分析，使得风险程度指数更具精确性和可比性。通过基于各个采样点的风险程度值计算风险区域的风险程度指数，考虑了整个区域内多个采样点的风险情况，更全面地评估了风险区域的整体风险。风险程度指数的计算公式综合了重点风险物的种类数量和各个重点风险物的含量信息，综合考虑有助于更全面地评估风险，避免仅仅关注种类或含量而忽略其他因素。
具体地，风险区域的每个采样点的风险程度值的计算公式如下：式中，b＝1,2,3,...,B为每个水样中确定的重点风险物的种类数量，fxhab为第a个水样的中第b个重点风险物的含量，zfxab为fxhab对应的最大允许含量。
本实施方案中，公式的计算逻辑综合了不同深度的采样、不同重点风险物的含量、最大允许含量等多个因素，通过相对风险值的计算和深度平均，得到了每个采样点的风险程度值，有助于更全面地评估水样中的风险情况，为后续的风险区域风险程度指数的计算提供了基础。
具体地，如图4所示，结合各个采样区域的重点风险物数据计算重点风险物扩散程度指数的过程如下：获取标记为风险区域的采样区域的个数，并计算风险区域的占比；获取各风险区域内各种类重点风险物的最小含量，累加确定重点风险物最低总含量；基于重点风险物最低总含量及占比计算重点风险物扩散程度指数。重点风险物扩散程度指数的计算公式如下：式中，Γ为重点风险物扩散程度指数，ZBw为风险区域的占比，wrV为风险区域总面积，syV水源地总面积，c＝1,2,3,...,C为总风险区域内确定的重点风险物的种类总数，zdwc为第c个重点风险物的最低含量。
本实施方案中，获取标记为风险区域的采样区域的个数，并计算风险区域的占比，即统计所有被标记为风险区域的采样区域个数，计算其占整个水源地的百分比，得到占比。对于每个风险区域，获取各种类重点风险物的最小含量，将这些最小含量累加，得到重点风险物的最低总含量，基于重点风险物最低总含量及占比计算重点风险物扩散程度指数。
通过综合考虑不同风险区域的占比、总面积、以及各种类风险物的最低含量，提供了一个综合的重点风险物扩散程度指数，有助于更全面地评估水源地的风险程度，为制定合理的管理策略提供科学依据。
具体地，计算风险物扩散潜力系数的过程如下：获取总风险区域内各种类重点风险物在各个采样点的各个水样中的含量并计算各种类重点风险物的平均含量；获取风险区域的最大风险程度指数，并基于最大风险程度指数，各种类重点风险物在各个采样点的含量和各种类重点风险物在各个采样点的平均含量计算风险物扩散潜力系数。
风险物扩散潜力系数的计算公式如下：式中，Ψ为风险物扩散潜力系数，σc为第c个重点风险物的含量偏差，其表示为各种类重点风险物的平均含量与各种类重点风险物在各个采样点的各个水样中的含量的差值关系，Λmax为最大风险程度指数，F为风险区域的总个数。
本实施方案中，获取总风险区域内各种类重点风险物在各个采样点的各个水样中的含量并计算各种类重点风险物的平均含量，对于每个种类的重点风险物c，获取其在各个采样点的各个水样中的含量，计算各种类重点风险物的平均含量，即所有采样点和水样中该物质含量的平均值，获取风险区域的最大风险程度指数，计算风险物扩散潜力系数。通过综合考虑各种类风险物的平均含量、最大风险程度指数、风险区域的总个数等多个因素，提供了一个综合的风险物扩散潜力系数，有助于更全面地评估水源地的风险扩散情况，为风险管理提供科学依据。
基于NGS的水源地重点风险物检测方法的系统，包括重点风险物确定模块、扩散程度计算模块和扩散潜力评估模块，其中：重点风险物确定模块即用于对各个采样区域获取的水样进行NGS测序，判断各个采样区域内是否存在重点风险物，若是则将采样区域标记为风险区域并计算风险区域的风险程度指数，风险程度指数用于表示各个采样区域重点风险物对水源地水质的影响程度，采样区域通过将水源地进行区域划分获得；扩散程度计算模块即用于结合各个采样区域的重点风险物数据计算重点风险物扩散程度指数；扩散潜力评估模块即用于判断重点风险物扩散程度指数是否大于设定的扩散阈值，若是则计算风险物扩散潜力系数，重点风险物数据包括重点风险物的种类数量和各重点风险物对应的含量。
本实施方案中，通过对各个采样区域获取的水样进行NGS测序，获取水样中的核酸信息，包括DNA和RNA，利用生物信息学工具对测得的核酸序列进行分析，包括序列比对和物种多样性分析，基于分析的结果，判断各个采样区域内是否存在重点风险物，确定存在重点风险物的采样区域并进行标记。
将水源地进行区域划分，将每个采样区域标记为风险区域，获得风险区域的信息，结合各个采样区域的重点风险物数据，包括种类数量和含量信息，利用计算公式综合考虑风险区域的信息，得到重点风险物扩散程度指数，用于表示重点风险物在整个水源地中的扩散程度。
判断重点风险物扩散程度指数是否大于设定的扩散阈值，确定是否存在扩散趋势，如果存在扩散趋势，计算风险物扩散潜力系数，综合扩散程度指数、扩散趋势和风险物数据，得到对水源地风险物扩散潜力的综合评估。
通过整合NGS技术、生物信息学工具和定量PCR技术等方法，实现了对水源地水质问题的多层次、全面性的检测和评估。系统模块之间有机连接，形成一个完整的流程，旨在提供更精确、详尽的水质信息，同时帮助管理者预测可能的风险扩散趋势，更好地理解水源地的整体水质状况。
一种电子设备，包括：处理器；以及存储器，在存储器中存储有计算机程序指令，计算机程序指令在被处理器运行时使得处理器执行如上的基于NGS的水源地重点风险物检测方法。
一种计算机可读存储介质，用于存储程序，程序被处理器执行时实现如上的基于NGS的水源地重点风险物检测方法。
综上，本申请至少具有以下效果：
采用NGS测序技术，能够全面获取水样中的核酸信息，包括DNA和RNA，通过定量PCR技术和多次不同深度采样方式，实现了对水样中重点风险物的高灵敏度检测，通过综合考虑重点风险物的种类、含量、各采样点深度和区域等多个因素，提高了对水源地风险的综合评估水平，使评估更加全面、科学。
通过将水源地进行区域划分，标记风险区域，并计算区域风险程度指数，实现了对水源地的空间区域化管理，引入风险物扩散潜力系数，通过综合考虑各种类风险物的平均含量、最大风险程度指数、风险区域的总个数等多个因素，提供了一个综合的风险物扩散潜力评估，有助于制定更有效的管理策略。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的系统、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (10)
1.基于NGS的水源地重点风险物检测方法，其特征在于，包括以下步骤：
对各个采样区域获取的水样进行NGS测序，判断各个采样区域内是否存在重点风险物，若是则将采样区域标记为风险区域并计算风险区域的风险程度指数，所述风险程度指数用于表示各个采样区域重点风险物对水源地水质的影响程度，所述采样区域通过将水源地进行区域划分获得；
结合各个采样区域的重点风险物数据计算重点风险物扩散程度指数；
判断重点风险物扩散程度指数是否大于设定的扩散阈值，若是则计算风险物扩散潜力系数，所述重点风险物数据包括重点风险物的种类数量和各重点风险物对应的含量。
2.根据权利要求1所述的基于NGS的水源地重点风险物检测方法，其特征在于，对各个采样区域获取的水样进行NGS测序，判断各个采样区域内是否存在重点风险物并将含有重点风险物的采样区域标记为风险区域的过程如下：
提取每个采样区域内的每个采样点的水样的核酸，所述核酸包括DNA和RNA，其中每个采样点的水样通过进行多次不同深度采样的方式获取，并为每一个采样点的水样依次进行编号为a＝1,2,3,...,A；
为每个采样点的水样的核酸建立测序文库，并使用高通量测序平台对构建好的测序文库进行测序，获取序列数据；
基于生物信息学工具对序列数据进行分析，所述分析包括序列比对和物种多样性分析，所述序列比对为将序列数据与已建数据库进行比对，确定水样中存在的微生物，所述物种多样性分析用于表示水样中的微生物多样性水平；
基于分析后的结果确定水样中是否存在重点风险物，并确定重点风险物的种类及数量，将水样中含有重点风险物的采样区域标记为风险区域并编号为i＝1,2,3,...,n。
3.根据权利要求2所述的基于NGS的水源地重点风险物检测方法，其特征在于，计算风险区域的风险程度指数的过程如下：
基于定量PCR技术确定每个采样点的水样中各个重点风险物的含量，每个采样区域内的采样点的编号为j＝1,2,3,...,m；
基于确定的重点风险物的种类数量和各个重点风险物的含量评估每个采样点的风险程度值；
基于各个采样点的风险程度值计算风险区域的风险程度指数，计算公式为：式中，Λi为第i个风险区域的风险程度指数，CWRij为第i个风险区域的第j个采样点的风险程度值，e为自然常数。
4.根据权利要求3所述的基于NGS的水源地重点风险物检测方法，其特征在于，风险区域的每个采样点的风险程度值的计算公式如下：
式中，b＝1,2,3,...,B为每个水样中确定的重点风险物的种类数量，fxhab为第a个水样的中第b个重点风险物的含量，zfxab为fxhab对应的最大允许含量。
5.根据权利要求4所述的基于NGS的水源地重点风险物检测方法，其特征在于，结合各个采样区域的重点风险物数据计算重点风险物扩散程度指数的过程如下：
获取标记为风险区域的采样区域的个数，并计算风险区域的占比；
获取各风险区域内各种类重点风险物的最小含量，累加确定重点风险物最低总含量；
基于重点风险物最低总含量及占比计算重点风险物扩散程度指数。
6.根据权利要求5所述的基于NGS的水源地重点风险物检测方法，其特征在于，重点风险物扩散程度指数的计算公式如下：
式中，Γ为重点风险物扩散程度指数，ZBw为风险区域的占比，wrV为风险区域总面积，syV水源地总面积，c＝1,2,3,...,C为总风险区域内确定的重点风险物的种类总数，zdwc为第c个重点风险物的最低含量。
7.根据权利要求6所述的基于NGS的水源地重点风险物检测方法，其特征在于，计算风险物扩散潜力系数的过程如下：
获取总风险区域内各种类重点风险物在各个采样点的各个水样中的含量并计算各种类重点风险物的平均含量；
获取风险区域的最大风险程度指数，并基于最大风险程度指数，各种类重点风险物在各个采样点的含量和各种类重点风险物在各个采样点的平均含量计算风险物扩散潜力系数。
8.根据权利要求7所述的基于NGS的水源地重点风险物检测方法，其特征在于，其特征在于，风险物扩散潜力系数的计算公式如下：
式中，Ψ为风险物扩散潜力系数，σc为第c个重点风险物的含量偏差，其表示为各种类重点风险物的平均含量与各种类重点风险物在各个采样点的各个水样中的含量的差值关系，Λmax为最大风险程度指数，F为风险区域的总个数。
9.应用于权权利要求1-8任一项所述的基于NGS的水源地重点风险物检测方法的系统，其特征在于，包括重点风险物确定模块、扩散程度计算模块和扩散潜力评估模块，其中：
所述重点风险物确定模块即用于对各个采样区域获取的水样进行NGS测序，判断各个采样区域内是否存在重点风险物，若是则将采样区域标记为风险区域并计算风险区域的风险程度指数，所述风险程度指数用于表示各个采样区域重点风险物对水源地水质的影响程度，所述采样区域通过将水源地进行区域划分获得；
所述扩散程度计算模块即用于结合各个采样区域的重点风险物数据计算重点风险物扩散程度指数；
所述扩散潜力评估模块即用于判断重点风险物扩散程度指数是否大于设定的扩散阈值，若是则计算风险物扩散潜力系数，所述重点风险物数据包括重点风险物的种类数量和各重点风险物对应的含量。
10.一种计算机可读存储介质，用于存储程序，其特征在于，所述程序被处理器执行时实现如权利要求1至8中任一项所述的基于NGS的水源地重点风险物检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410061607.4A CN117887825A (zh) | 2024-01-16 | 2024-01-16 | 基于ngs的水源地重点风险物检测方法、系统以及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410061607.4A CN117887825A (zh) | 2024-01-16 | 2024-01-16 | 基于ngs的水源地重点风险物检测方法、系统以及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117887825A true CN117887825A (zh) | 2024-04-16 |
Family
ID=90639154
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410061607.4A Pending CN117887825A (zh) | 2024-01-16 | 2024-01-16 | 基于ngs的水源地重点风险物检测方法、系统以及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117887825A (zh) |
-
2024
- 2024-01-16 CN CN202410061607.4A patent/CN117887825A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20230194464A1 (en) | Methods, systems, and computer readable media for making base calls in nucleic acid sequencing | |
| Dehasque et al. | Inference of natural selection from ancient DNA | |
| Porazinska et al. | Evaluating high‐throughput sequencing as a method for metagenomic analysis of nematode diversity | |
| Kelly et al. | Development of a novel metric for evaluating diatom assemblages in rivers using DNA metabarcoding | |
| Pérez-Burillo et al. | Evaluation and sensitivity analysis of diatom DNA metabarcoding for WFD bioassessment of Mediterranean rivers | |
| JP5778927B2 (ja) | ポリマー特性の予測を改善する方法、および改善されたポリマー特性予測能を有するシステム | |
| CN105740650A (zh) | 一种快速准确鉴定高通量基因组数据污染源的方法 | |
| White et al. | A roadmap for high‐throughput sequencing studies of wild animal populations using noninvasive samples and hybridization capture | |
| Harwood et al. | Performance criteria | |
| EP2419846B1 (en) | Methods for nucleic acid quantification | |
| Buchner et al. | Cooking small and large portions of “biodiversity‐soup”: Miniaturized DNA metabarcoding PCRs perform as good as large‐volume PCRs | |
| CN117887825A (zh) | 基于ngs的水源地重点风险物检测方法、系统以及介质 | |
| Remmel et al. | DNA metabarcoding and morphological identification reveal similar richness, taxonomic composition and body size patterns among flying insect communities | |
| CN115660455A (zh) | 一种三水统筹下水质评价体系模型构建系统、设备及终端 | |
| EP2745108B1 (en) | Methods, systems, and computer readable media for making base calls in nucleic acid sequencing | |
| CN109711736B (zh) | 一种筛选流域水环境风险物质的方法及装置 | |
| Nadvornikova et al. | Multiplex real‐time quantitative polymerase chain reaction assay for rapid and sensitive detection of hematopoietic chimerism | |
| Kornai et al. | Hierarchical heuristic species delimitation under the multispecies coalescent model with migration | |
| Loh et al. | Toward eDNA‐based bioassessment of freshwater reservoirs with small volumes of water: Robust molecular protocols | |
| CN113345522B (zh) | 基于一代测序技术的自动化菌种鉴定方法、系统、终端及介质 | |
| Skrbinšek et al. | Analysis of noninvasive genetic samples from brown bears (Ursus arctos) from the transboundary Prespa Basin | |
| US20220119865A1 (en) | Methods and systems for processing genetic samples to determine identity or detect contamination | |
| US20230360730A1 (en) | Systems and methods for analysis of samples | |
| JP6845256B2 (ja) | 生物学的サンプルを分類する方法 | |
| Buchner | Upscaling and automating DNA metabarcoding for high-throughput biodviersity assessments |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination |