CN119763660B 一种基于环境dna和机器学习的水体污染物溯源方法 （同济大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN119763660B(45)授权公告日2025.07.01

(21)申请号202510265098.1

(22)申请日2025.03.07

(65)同一申请的已公布的文献号申请公布号CN119763660A

(43)申请公布日2025.04.04

(73)专利权人同济大学

地址200092上海市杨浦区四平路1239号

(72)发明人徐祖信戚言楚文海

(74)专利代理机构北京汇捷知识产权代理事务所(普通合伙)11531

专利代理师丁洁

(51)Int.CI.

G16B30/00(2019.01)

G16B40/20(2019.01)

G16B40/30(2019.01)

GO6N20/00(2019.01)

(56)对比文件

CN119151754A,2024.12.17

CN118173178A,2024.06.11审查员陈仕高

权利要求书3页说明书8页附图1页

(54)发明名称

一种基于环境DNA和机器学习的水体污染物溯源方法

(57)摘要

CN119763660B机器学习模型不同污染来源占比本发明提供了一种基于环境DNA和机器学习的水体污染物溯源方法，包括如下步骤：步骤S1:区域性污染物来源调研与水体特征表征；步骤S2:环境DNA提取、特异性引物扩增及DNA测序定量；步骤S3:利用DNA数据和水质数据构建并训练机器学习模型；步骤S4:在实际污染区域采集水样，输入数据至模型并输出污染源类型及占比。本发明通过结合环境DNA技术和机器学习模型，创新性地提出了一种适应多种污染源、准确高效

CN119763660B

机器学习模型

不同污染来源占比

CN119763660B权利要求书1/3页

2

1.一种基于环境DNA和机器学习的水体污染物溯源方法，用于从多角度分析污染源特征，实现污染物的精确溯源，其特征在于，包括如下步骤：

步骤S1:区域性污染物来源调研与水体特征表征；

步骤S11:识别潜在污染源类型，并获取其原生污水样品；通过现场调查和历史数据分析，确定可能的污染源类别，包括工业废水、农业径流、生活污水；

步骤S12:获取污染源的水质特征数据；

采用水质快速检测仪和分光光度法对水样进行初步筛选，获取关键污染指标，包括pH值、化学需氧量、总磷、总氮、悬浮物和荧光数据；

对所述原生污水样品进行分析，包括高效液相色谱、气相色谱-质谱联用和荧光光谱，获得其化学成分特征；

采集样品中的微生物群落，通过16SrRNA、18SrRNA扩增测序，获得环境DNA的背景数

据库；

步骤S13:通过环境DNA技术追踪特异性生物标记；针对特定污染源，包括工业污染物排放的特征微生物和农业污染源的细菌群落，筛选特异性DNA标记，使用实时荧光定量PCR和宏基因组测序进行扩增和分析；

所述步骤S13具体包括如下步骤：

步骤S131:污染源类别分类：

工业污染：筛选包括对特定金属离子耐受的微生物；

农业污染：筛选包括粪便指示菌和农药降解菌；

生活污水：筛选包括人源指示菌和耐抗生素基因；

步骤S132:数据库比对：

结合NCBIGenBank、Silva数据库进行比对，筛选已知污染源关联的环境DNA生物标记；采用宏基因组学分析，识别特异性基因，包括重金属耐受基因或抗生素抗性基因；

步骤S133:选取特异性生物标记引物，用于后续扩增引物设计：

使用Primer-BLAST和Oligo7.0针对污染源相关微生物，设计特异性PCR引物；

采用引物可视化工具，优化引物熔解温度和二级结构，避免非特异性扩增；确保引物能够区分不同污染源；

步骤S134:利用DNA提取试剂盒从水样中提取DNA,并低温保存DNA提取：采用磁珠法或柱式提取法高效回收微量环境DNA;使用去PCR抑制剂试剂，去除水样中的PCR抑制剂；

步骤S135:使用qPCR扩增特异性DNA片段；对扩增样品进行环境DNA测序和定量分析；

步骤S2:环境DNA提取、特异性引物扩增及DNA测序定量；

步骤S21:为模型训练提供多维数据集；采集不同污染源的环境DNA样本，基于qPCR、数字PCR和高通量测序技术提取DNA数据，并测定物种丰度；

结合水质参数，构建污染源特征数据集，作为机器学习训练样本；

所述步骤S21中，使用不同污染源水样，制备不同浓度的混合水