Acinetobacter lwoffii DNS32对阿特拉津污染的氧化应激响应

文章探讨以A.lwoffii DNS32为试验菌株革兰氏阳性菌S.aureus R2经阿特拉津处理后,于0、6、12和24 h取样测定SOD、CAT、GST活性和T-AOC。结果表明,暴露6 h,两菌株T-AOC受到诱导,SOD、CAT和GST活性最大诱导率分别为111.26%和55.47%,72.79%和61.61%,33.35%和52.76%。暴露24 h,A.lwoffii DNS32 SOD和CAT受到诱导,GST和T-AOC受到抑制,而S.aureus R2 SOD、CAT、GST活性和T-AOC都受到抑制。与S.aureus R2相比,A.lwoffii DNS32对阿特拉津氧化胁迫的耐受性相对较高。

机动车尾气污染的排放量以及降低程度分析

机动车普及在一定程度上方便了人们出行,可因此所产生的污染也十分严重。机动车的尾气污染问题严重影响着我国环境的质量,同时也对公共卫生产生较大的负面影响。所以,在现阶段的环境污染治理中采用有效降低机动车尾气污染影响的措施已刻不容缓。本文结合笔者多年来的实际工作经验,简要分析机动车尾气污染排放量,并且针对性的提出了降低程度的治理措施。

重污染天气应对措施探讨

在我国现代化社会发展的过程中,城市经济水平逐渐提升,人们的物质生活水平不断提升。与此同时,我国可持续发展建设取得了一定程度的成效,但是部分地区还是出现了重污染天气,导致区域环境受到损害。要全面实现我国生态建设可持续发展,就需要对重污染天气进行解决,使得生态环境得以好转。本文主要通过分析重污染天气的特点及应对误区,简要探讨重污染天气应对措施。

阿特拉津降解菌株DNS32的降解特性及分类鉴定与降解途径研究

【目的】研究阿特拉津降解菌株DNS32的菌种分类、降解特性及降解途径,丰富阿特拉津降解菌菌种资源。【方法】在长期施用阿特拉津的东北地区寒地黑土中筛选出一株以阿特拉津为唯一氮源生长的降解菌株DNS32,测定其基本降解特性,通过16S rRNA序列分析进行分类鉴定,并利用阿特拉津降解基因PCR扩增技术及降解产物生成量的测定,进一步揭示其降解途径。【结果】实验结果发现DNS32菌株具有较好的降解能力,且在相对较低温度下也具有一定的降解能力。16S rRNA序列分析结果表明DNS32与鲁氏不动杆菌(Acinetobacter lwoffii)16S rRNA序列同源性高达99%。成功地扩增降解基因trzN、atzB及atzC,实验结果表明DNS32遵循Arthrobacter aurescens TC1的降解模式,可将阿特拉津降解为氰尿酸,降解产物的生成量测定也证明了这一点。【结论】实验结果丰富了阿特拉津降解菌菌种资源,为不动杆菌属的阿特拉津降解菌研究提供了参考。

阿特拉津降解菌Acinetobacter sp.DNS32对无机氮源的响应

【目的】研究Acinetobacter sp.DNS32的生长、阿特拉津降解能力和降解基因转录水平的表达对无机氮素的响应关系,为菌株的工程应用提供指导与理论基础。【方法】以Acinetobactersp.DNS32为对象,采用摇瓶法研究菌株在阿特拉津培养基中菌株生长情况及降解能力对外加硝态氮与铵态氮的响应关系,利用荧光定量PCR技术检测DNS32降解基因表达量对外加无机氮源的响应关系。【结果】外加无机氮源可以促进DNS32菌株的生长,提高阿特拉津降解能力,无机氮源对DNS32菌株的trzN、atzB和atzC 3种降解基因表达均有促进作用,加入无机氮源的试验处理中DNS32菌株trzN基因的表达量最高可达对照的11.252±2.408倍,推断DNS32菌株的这3种降解基因所编码的酶是稳定表达的组成酶。【结论】DNS32降解阿特拉津不受"氮饥饿"诱导机制调控,且无机氮源的存在对菌株的生长与降解有促进作用,因此菌株在土壤修复实践中具有广阔的应用前景。

响应面法和神经网络优化Acinetobacter sp.DNS32发酵基质

为了提高阿特拉津降解菌Acinetobacter sp.DNS32的产量,分别采用响应曲面法和基于人工神经网络的遗传算法对阿特拉津降解菌DNS32发酵培养基中3个重要基质成分(玉米粉、豆饼粉、K2HPO4)进行优化研究。响应曲面法确定3种成分的含量为玉米粉39.494 g/L,豆饼粉25.638 g/L和K2HPO43.265 g/L时,预测发酵活菌最大生物量为7.079×108CFU/mL,实测量为7.194×108CFU/mL;人工神经网络结合遗传算法优化确定3种主要成分含量为玉米粉为39.650 g/L,豆饼粉为25.500 g/L,K2HPO4为2.624 g/L时,预测最大值为7.199×108CFU/mL,实测量为7.244×108CFU/mL;最终确定培养基配方:玉米粉为39.650 g/L,豆饼粉为25.500 g/L,K2HPO4为2.624 g/L,CaCO3为3.000 g/L,MgSO4.7H2O和NaCl均为0.200 g/L;优化后阿特拉津降解菌DNS32发酵生物量比优化前提高了36.6%。结果表明,在阿特拉津降解菌DNS32发酵培养基组分优化方面,响应面法和基于人工神经网络的遗传算法都是可行的,基于人工神经网络的遗传算法具有更好的拟合度和预测准确度。