基于同步辐射红外显微光谱技术的微生物组方法学初步研究

发布时间:2018-08-18 08:32
【摘要】:微生物组是指占据一定界限栖息地的微生物群落的总和,它决定着群落的整体功能。深入解析微生物组的信息总量与分布规律,有望成为解决当前能源、农业、医疗等诸多难题的关键,微生物组研究正日益成为科学热点。微生物组研究不仅需要明确其种类构成,而且需要探究组内微生物之间及其与宿主或环境之间的相互作用,因此对研究方法与技术提出了更高的要求和挑战。红外光谱技术能够快速检测微生物的化学分子组成并产生特异的红外指纹图谱,因而被用于对微生物进行区分和鉴别。本论文旨在探索与发展基于同步辐射的傅里叶变换红外显微光谱技术(SR-FTIR)应用于微生物组研究的方法学。我们利用SR-FTIR技术结合主成分分析(PCA)和层次聚类分析(HCA)等生物统计学方法,分别对16种单一体系的微生物和3种微生物构成的简单复合体系进行分析,初步建立了对微生物组构成进行分类与鉴定的方法。具体结果如下:第一,建立了利用SR-FTIR技术分别在属、种和亚种水平上对单一体系的微生物组进行鉴定的方法。发现红外光谱的全谱(3000-2800,1800-900cm-1)和脂区域(3000-2800cm-1)、蛋白区域(1800-1500cm-1)、混合区域(1500-1200cm-1)、多糖区域(1200-900cm-1)的四个分谱能够分别在种和亚种的水平上对细菌进行鉴别,但在属的水平上,全谱比四个分谱有更好的分类效果。第二,建立了利用SR-FTIR技术对于单一体系的微生物组进行聚类分析的方法。发现红外光谱的1300-1000cm-1区域(主要反映核酸和细胞壁多糖组分)含有最多特异性成分,其聚类结果与细菌自身的种属分类基本相对应,可以作为细菌的红外特征指纹区域。第三,利用SR-FTIR技术对简单复合体系的微生物组模型进行检测分析并对其光谱的特征峰进行了统计比较,初步建立了利用红外光谱对二元或三元复合体系中微生物进行鉴别的方法。总之,利用SR-FTIR技术所具有的空间分辨率高、检测速度快、重复性好的特点与优势,通过与PCA和HCA等多变量统计分析方法相结合,不仅能够对微生物在不同分类水平上进行鉴别,而且可以对简单体系的微生物组进行区分,从而有望发展为一种微生物组研究的重要手段。
[Abstract]:Microbial group refers to the sum of microbial communities occupying a certain range of habitats, which determines the overall function of the community. It is expected to be the key to solve the problems of energy, agriculture, medical treatment and so on. The study of microbiota not only needs to clarify its composition, but also needs to explore the interaction between microbes and their host or environment within the group. Therefore, the research methods and techniques have been put forward higher requirements and challenges. Infrared spectroscopy can quickly detect the chemical composition of microbes and produce specific IR fingerprints, so it is used to distinguish and identify microbes. This paper aims to explore and develop the methodology for the application of synchrotron radiation-based Fourier transform infrared microspectroscopy (SR-FTIR) in microflora research. In this paper, we use the SR-FTIR technique to combine with the principal component analysis (PCA) and the hierarchical cluster analysis (HCA) to analyze the simple composite systems of 16 single microbes and 3 microbes, respectively. A method for classification and identification of microbial composition was established. The results are as follows: first, a method for identifying the microflora of the single system at the level of genus, species and subspecies using SR-FTIR technique was established. It was found that the whole spectrum (3000-2800 ~ 1800-900 cm ~ (-1), lipid region (3000-2800cm-1), protein region (1800-1500cm-1), mixed region (1500-1200cm-1) and polysaccharide region (1200-900cm-1) could identify bacteria at the species and subspecies levels, but at the generic level. The whole spectrum has better classification effect than the four fractionated spectrum. Secondly, a method for cluster analysis of microorganism in a single system was established by using SR-FTIR technology. It was found that the 1300-1000cm-1 region of infrared spectrum (mainly reflecting nucleic acid and cell wall polysaccharides) contains the most specific components, and its clustering results are basically corresponding to the taxonomy of bacteria itself, and can be used as the infrared fingerprint region of bacteria. Thirdly, the microorganism group model of simple composite system was detected and analyzed by SR-FTIR technology, and the characteristic peaks of the spectrum were statistically compared. A method for identification of microbes in binary or ternary systems by infrared spectroscopy was established. In a word, SR-FTIR technology has the advantages of high spatial resolution, fast detection speed and good repeatability. By combining with multivariable statistical analysis methods such as PCA and HCA, not only can microbes be identified at different classification levels, Moreover, it is possible to distinguish the microflora of the simple system, which is expected to be an important means of microbiome research.
【学位授予单位】:中国科学院研究生院(上海应用物理研究所)
【学位级别】:硕士
【学位授予年份】:2017
【分类号】:Q93

【相似文献】

相关期刊论文 前10条

1 陈晨;利用聚类分析选择有投资价值的上市公司[J];浙江金融;2004年11期

2 王道植;晏才全;徐友源;徐玉蓉;;贵州漆树栽培区划的聚类分析[J];贵州农学院学报;1983年02期

3 陈华豪;;聚类分析[J];林业勘察设计;1981年02期

4 马俊才,赵玉峰;聚类分析在微生物数值分类上的应用[J];微生物学通报;1986年05期

5 章志敏;;不等指标的聚类分析法[J];系统工程;1990年02期

6 何湘藩;庄真;;模糊分级聚类分析方法[J];数量经济技术经济研究;1991年12期

7 陈燕国;蔡少华;;应用聚类分析对水库营养类型分类和0—1高指标判别方法[J];湖泊科学;1993年03期

8 袁建美;聚类分析法在学生成绩评估中的应用[J];石油大学学报(自然科学版);1998年01期

9 肖宜滨;聚类分析的理论及其应用[J];江苏统计;2001年11期

10 姚泽清,赵世玲,华中民;江苏省13城市国民经济主要指标的聚类分析[J];解放军理工大学学报(自然科学版);2003年03期

相关会议论文 前10条

1 梅翠;;我国各地区居民收入差距及其对消费的制约[A];中国现场统计研究会第12届学术年会论文集[C];2005年

2 李均立;傅国华;;海南各县(市)经济实力的聚类分析[A];中国现场统计研究会第12届学术年会论文集[C];2005年

3 刘黄金;曹林峰;;南京服务业发展的聚类分析[A];江苏省现场统计研究会第十次学术年会论文集[C];2006年

4 肖静;杨泽峰;徐辰武;;微阵列表达谱监督聚类分析方法的比较研究[A];江苏省遗传学会第七届代表大会暨学术研讨会论文摘要汇编[C];2006年

5 路爱峰;崔玉杰;;沪市电力上市公司经营业绩的聚类分析[A];中国数学力学物理学高新技术交叉研究学会第十二届学术年会论文集[C];2008年

6 陈国华;廖小莲;夏君;;证券投资分析的聚类分析方法[A];中国企业运筹学[2011(1)][C];2011年

7 张红卫;隗金水;;聚类分析评价与测量效度关系探讨[A];第九届全国体育科学大会论文摘要汇编(4)[C];2011年

8 牛东晓;乞建勋;;网络资源平衡问题的聚类分析优化遗传算法研究[A];2001年中国管理科学学术会议论文集[C];2001年

9 詹原瑞;彭书杰;李如一;;基于聚类分析的企业信用等级评价方法[A];西部开发与系统工程——中国系统工程学会第12届年会论文集[C];2002年

10 邹晓玫;修春波;;基于聚类分析的犯罪率相关因素的研究[A];当代法学论坛(二○一○年第3辑)[C];2010年

相关博士学位论文 前4条

1 张建萍;基于计算智能技术的聚类分析研究与应用[D];山东师范大学;2014年

2 李成安;分布式环境下聚类分析新方法的研究[D];浙江大学;2006年

3 杨旭杰;基于统计方法模型分析的中药复方专利保护研究[D];北京中医药大学;2012年

4 李宝玲;王裕颐教授学术思想与临床经验总结及治疗眩晕证治规律研究[D];北京中医药大学;2012年

相关硕士学位论文 前10条

1 李元俊;大学生就业能力培养与社会需求的匹配性研究[D];山东建筑大学;2015年

2 冯雪冰;基于模糊理论的EM算法在聚类分析的应用研究[D];中国地质大学(北京);2015年

3 黄银;行业地区发展水平的聚类分析[D];苏州大学;2015年

4 郭俊峰;聚类分析下的股票投资价值挖掘研究[D];大连海事大学;2015年

5 张旭;考虑风电接入不确定性的节点特性建模研究[D];山东大学;2015年

6 褚旭;我国各省市CDM项目聚类分析及影响因素研究[D];首都经济贸易大学;2015年

7 刘鑫琳;VAGUE集理论及其在聚类分析中的应用[D];广西大学;2015年

8 周颖;基于蚁群算法的聚类分析在学生成绩中的研究[D];南昌大学;2015年

9 邢蕊;以聚类分析为基础的我国证券公司效率研究[D];山西大学;2015年

10 王帅宇;K-Means算法在用户细分方面的应用研究[D];北京理工大学;2015年



本文编号:2188939

资料下载
论文发表

本文链接:https://www.wllwen.com/shoufeilunwen/benkebiyelunwen/2188939.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户d9e14***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com