随着水环境中新污染物抗生素抗性基因(antibiotic resistance genes,ARGs)的污染愈加严重,受到越来越多的关注,基于定量聚合酶链反应的检测方法的统一化显得尤为重要。本研究选用污水、湖水等不同水样,在直接过膜法和低温冷冻高速离心法...随着水环境中新污染物抗生素抗性基因(antibiotic resistance genes,ARGs)的污染愈加严重,受到越来越多的关注,基于定量聚合酶链反应的检测方法的统一化显得尤为重要。本研究选用污水、湖水等不同水样,在直接过膜法和低温冷冻高速离心法这2种不同预处理方法下,使用2种广泛采用的DNA提取方法(FastDNA^(TM)SPIN Kit for Soil试剂盒、天根Magnetic Soil and Stool DNA Kit磁珠法土壤和粪便基因组DNA提取试剂盒),对水样中的DNA进行提取,然后建立qPCR方法进一步对12种抗生素抗性基因和1类整合子进行定量检测。本研究拟从菌体富集效率、DNA提取效果和定量质控等方面优化预处理、DNA提取和qPCR定量检测等步骤。结果发现,直接过膜的前处理方法使得DNA提取浓度和菌体富集效率更高。FastDNA^(TM)SPIN Kit for Soil试剂盒提取的DNA浓度更高。同时,建议在定量过程中添加以超纯水为基质的空白对照来避免引物二聚体的干扰。为了减少qPCR测量的变异性并提高精密度,每次qPCR运行包括一式三份的标准曲线的样品,并添加阳性对照。使用认证的标准品验证qPCR所得结果的正确度,以提高准确性并支持实验室间的均一性。本研究旨在提供一种可靠高效的抗生素ARGs的qPCR检测技术,为构建水环境中抗生素ARGs检测的质量控制体系提供了参考。展开更多
针对传统滑坡易发性预测方法主要依赖统一的降雨量阈值,忽视不同区域因地形、土壤和植被等环境因素差异导致的降雨响应问题,该文提出了一种提高预测准确性和实时性的解决方案。采用K-Means聚类方法,根据地形、土壤和植被等环境因素,将...针对传统滑坡易发性预测方法主要依赖统一的降雨量阈值,忽视不同区域因地形、土壤和植被等环境因素差异导致的降雨响应问题,该文提出了一种提高预测准确性和实时性的解决方案。采用K-Means聚类方法,根据地形、土壤和植被等环境因素,将研究区域划分为若干具有相似特征的子区域,为每个子区域拟合基于实时数据的降雨量阈值,提升阈值的局部适应性和针对性。将分区的实时降雨量阈值与自适应神经树模型(adaptive neural tree,ANT)集成,使ANT模型适应各分区的特定环境条件,并根据累计降雨量与滑坡发生率的关系自动调整预测阈值。以中缅油气管道贵州段为例,将整体阈值和基于K-Means聚类得到的分区实时降雨量阈值分别应用于ANT模型。结果显示,采用聚类分区实时降雨量阈值的ANT模型在精确度、召回率、F1分数和受试者工作特征曲线下面积(receiver operating characteristic area under curve,ROC AUC)值等关键性能指标上均优于仅使用整体阈值的模型。研究表明,基于K-Means聚类的实时降雨量阈值分区方法与ANT模型的集成,能够显著提高滑坡易发性预测的准确率,实现滑坡风险的实时评估。展开更多
文摘随着水环境中新污染物抗生素抗性基因(antibiotic resistance genes,ARGs)的污染愈加严重,受到越来越多的关注,基于定量聚合酶链反应的检测方法的统一化显得尤为重要。本研究选用污水、湖水等不同水样,在直接过膜法和低温冷冻高速离心法这2种不同预处理方法下,使用2种广泛采用的DNA提取方法(FastDNA^(TM)SPIN Kit for Soil试剂盒、天根Magnetic Soil and Stool DNA Kit磁珠法土壤和粪便基因组DNA提取试剂盒),对水样中的DNA进行提取,然后建立qPCR方法进一步对12种抗生素抗性基因和1类整合子进行定量检测。本研究拟从菌体富集效率、DNA提取效果和定量质控等方面优化预处理、DNA提取和qPCR定量检测等步骤。结果发现,直接过膜的前处理方法使得DNA提取浓度和菌体富集效率更高。FastDNA^(TM)SPIN Kit for Soil试剂盒提取的DNA浓度更高。同时,建议在定量过程中添加以超纯水为基质的空白对照来避免引物二聚体的干扰。为了减少qPCR测量的变异性并提高精密度,每次qPCR运行包括一式三份的标准曲线的样品,并添加阳性对照。使用认证的标准品验证qPCR所得结果的正确度,以提高准确性并支持实验室间的均一性。本研究旨在提供一种可靠高效的抗生素ARGs的qPCR检测技术,为构建水环境中抗生素ARGs检测的质量控制体系提供了参考。
文摘针对传统滑坡易发性预测方法主要依赖统一的降雨量阈值,忽视不同区域因地形、土壤和植被等环境因素差异导致的降雨响应问题,该文提出了一种提高预测准确性和实时性的解决方案。采用K-Means聚类方法,根据地形、土壤和植被等环境因素,将研究区域划分为若干具有相似特征的子区域,为每个子区域拟合基于实时数据的降雨量阈值,提升阈值的局部适应性和针对性。将分区的实时降雨量阈值与自适应神经树模型(adaptive neural tree,ANT)集成,使ANT模型适应各分区的特定环境条件,并根据累计降雨量与滑坡发生率的关系自动调整预测阈值。以中缅油气管道贵州段为例,将整体阈值和基于K-Means聚类得到的分区实时降雨量阈值分别应用于ANT模型。结果显示,采用聚类分区实时降雨量阈值的ANT模型在精确度、召回率、F1分数和受试者工作特征曲线下面积(receiver operating characteristic area under curve,ROC AUC)值等关键性能指标上均优于仅使用整体阈值的模型。研究表明,基于K-Means聚类的实时降雨量阈值分区方法与ANT模型的集成,能够显著提高滑坡易发性预测的准确率,实现滑坡风险的实时评估。
