蓝藻溶藻细菌研究现状的可视化分析.pdf

蓝藻溶藻细菌研究现状的可视化分析.pdf

  1. 1、本文档共11页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

蓝藻溶藻细菌研究现状的可视化分析

摘要:蓝藻水华的暴发严重影响了水生生物以及饮用水的安全,溶藻菌能

够以直接或间接的方式对蓝藻水华起到防治作用.以中國知网和WebofScience

两个数据库中2002至2022年蓝藻溶藻菌及其相关领域的文献为数据源,运用

CiteSpace软件构建关于发文作者、国家、机构以及关键词的知识图谱,分析该

领域的研究热点以及未来研究趋势.结果表明:(1)近年来关于蓝藻溶藻菌方面

的发文量一直呈上升趋势,国内主要以中国科学院、西南大学等单位为主,国

外主要以韩国汉阳大学等单位为主;(2)2022年以前研究者主要关注蓝藻溶藻

菌的分离鉴定、菌藻关系、放线菌、氧化应激、16SrRNA、溶藻机制、微生物

群体、浮游植物、溶藻物质成分、培养条件优化等方面,2022年以后,蓝藻溶

藻菌的分离鉴定、蓝藻水华的生物治理、氧化应激反应、溶藻分子机制、群体感

藻物质和相关编码基因的深层挖掘等可能成为潜在的关注热点.

关键词:CiteSpace;有害蓝藻水华;溶藻菌;研究热点

人类活动的影响、全球气候变暖加之水体接纳过量氮、磷等营养物质而使水

体呈富营养化状态,导致蓝藻水华频频暴发1).淡水资源是人类饮用水的主要来

源,蓝藻水华的暴发严重影响了饮用水的安全.蓝藻水华的暴发会产生蓝绿色湖

淀、散发难闻的气味以及释放次级代谢产物2,如微囊藻藻毒素(microcystins,

的环状七肽物质,其致毒方式主要有抑制蛋白磷酸酶活性、直接破坏细胞结构引

发细胞溶解、诱导细胞凋亡和癌变、诱导基因突变和DNA损伤等4.另外,MCs

人体的积累与人类原发性肝癌(简称肝癌)发病率相关联(5),因此蓝藻水华防

治已迫在眉睫.在各种水华防治技术中,细菌溶藻因其高效、环保、经济等优点

脱颖而出[6].研究表明,微生物在水华生消过程中起重要作用,细菌和浮游植物

之间形成一定的藻菌关系,其相互作用既复杂又动态,关联范围从互惠共生到寄

能够溶藻细胞的细菌的统称,溶藻细菌可以通过直接和间接两种方式溶藻,从而

抑制藻类的生长或杀死藻类.前者主要是通过分泌一些生物活性物质使藻细胞裂

解死亡,后者是细菌通过直接与藻细胞接触使藻细胞裂解死亡[8-11].目前已知的

从自然环境中分离得到以及对其溶藻机制展开研究的蓝藻溶藻菌有芽孢杆菌属

而且还能降解藻毒素[25-26],具有应用潜力.目前还在藻菌关系127-281、溶藻物质

与QS效应[29]、溶藻菌培养基优化[301、固定化溶藻菌[31]等方面开展研究.

用于计量和分析科研文献数据的信息可视化CiteSpace软件可以简单明了

地呈现出科研文献的数据源之间的关系,并分析某一科学领域中的关键文献、研

至2022年发表的有关蓝藻溶藻菌研究的中英文文献为对象,通过所选文献的关

键词共现、关键词聚类、突显词分析、作者合作共现及机构合作共现等内容,对

蓝藻溶藻菌相关的研究现状及未来趋势进行分析,把握蓝藻溶藻菌的研究概况、

发展演变规律、研究热点和研究前沿等问题,以期为进一步推动溶藻菌控制蓝藻

水华的研究工作提供参考.

1数据与分析方法

1.1数据来源与处理

1.1.1CNKI文献数据与处理

在中国知网CNKI核心合集中以“溶藻菌”为主题,共检索到313篇文献,为

保证数据的可信性,人工甄别并剔除与“蓝藻”无关的文献后共检索到2002至

2022年间的篇文献99篇,其中期刊论文54篇,博士论文2篇,硕士论文37

篇,会议论文6篇.将筛选的文献以Refworks格式导出并移入事先建好的文件夹

1.1.2WebofScience(WOS)数据与处理

人工甄别并剔除与蓝藻、溶藻菌无关的文献后得到时间范围为2003至2022年

数设置与1.1.1相同.

1.2研究方法

1.2.1可视化工具

中心值及运用LLR算法(对数似然率,其值越大越具有聚类代表性)对关键词

中进行关键词突变检测.

1.2.2CiteSpace关键评价指标

(1)节点(Nodes).图谱中出现的年轮或其他形状的节点,节点越大,其

代表的主题词共现频次越高,节点的颜色变化代表年份的变化,即所展示主题词

在不同年份出现的频次,节点与节点之间的连线的粗细表示它们之间的联系密切

程度[35]

(2)共现频次(Count).指所分析的文献中主题词出现的次数,在一定程

度上反映了主题词的研究热度.

高的中心值表明该节点在某一研究领域具有较高的影响力,属于热点主题

文档评论(0)

乐毅淘文斋 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

版权声明书
用户编号:8121131046000040

1亿VIP精品文档

相关文档