基于大数据技术分析方法突然生态环境有毒物质污染

文摘

突然环境有毒污染事故国内外不时发生,严重影响生态环境的安全。不同环境因素影响人工检查和分析方法的使用,导致不准确的结果检验和分析。针对这一问题,基于大数据技术分析突然提出了生态环境有毒物质污染。方法。基因组和蛋白质组分析了在不同的环境中,和目标生物体被严格定义确定的分子毒性的影响因素对生态环境的污染。根据分子毒性,突然生态毒性污染使用大数据技术进行了分析。的作用下不同粒径、用量、活性炭和吸附时间,实验证实,大数据技术分析的结果更准确,这提供了必要手段保护生态环境。

1。介绍

最近,突然环境有毒污染事故不时发生在中国,严重影响中国经济的发展和人们的日常生活(1]。在这个问题上的研究已经成为环境保护领域的一个突出问题。突然生态环境水中的有毒物质污染表明水质保护区被突然污染物泄漏污染的瞬间,严重威胁安全的水源区域(2]。突然污染的主要原因包括传统的非法排放污染源,城市和农村非点源污染进入河被雨水清洗方法,石油泄漏,突然改变水质、气候突变,人造中毒(3]。突然的污染现象主要反映在水污染;不确定性的发生、发展和伤害造成严重的水质安全、生态安全问题在中国;频繁的环境污染事故是由化学物质引起的,应急对象的不确定性,等等,这不仅带来了巨大的经济损失,也导致了生态环境的严重破坏4]。突然生态环境污染事故已经成为一个潜在威胁中国的水源安全和环境质量(5]。为了防止突发性水污染事故,尤其必要和迫切需要分析突然生态环境有毒物质污染。

潜伏期长,没有固定的治疗方式,突然生态环境有毒物质污染事故严重危害生态环境。因此,应选择正确的方法来治疗突然生态环境有毒物质污染事故。以前的方法用于治疗突然生态环境有毒物质污染事故主要包括物理、化学和物理化学方法。其中,物理方法、物理分离应用于单独从水中不溶解的物质,使石化废水的排放符合国家排放标准;的化学方法,化学反应是用于治疗污水中的溶解物质,以改善水质;关于物理化学方法,微生物的新陈代谢是用来治疗有机污染物悬浮在水中6]。在上述三种分析方法中,化学方法将很容易造成二次污染,理化分析方法需要很长时间没有到达紧急治疗效果,和物理方法是相对安全的,不会对生态环境造成二次污染(7]。

的支持下物理分析方法,研究了大数据技术无疑会提高治疗效率突然生态环境有毒污染,所以它促进未来的发展具有重要意义的污染处理厂(8]。

2。目标生物环境基因组和蛋白质组的定义

作为一个集成产品的蛋白质组和基因组环境科学,生态环境蛋白质组主要研究生物分子毒性引起的环境污染因素;污染物之间的相互作用法、蛋白质组和基因组;和污染的分析方法。

2.1。基因组

作为一般术语一个活生生的实体的基因,基因是一个重要的工具来携带信息的唯一性和稳定性的特点。环境基因组是指基因对环境因素的总和,这是逐渐形成与基因对环境因素的研究进展。污染的影响因素对检测到的基因来解释突然的分子遗传毒性机制生态环境有毒污染物和干涉原理,不同的众生承担不同的污染因素,预测污染造成的后果,并提供有针对性的解决方案(9]。

环境基因组和蛋白质组相互依赖(10]。环境基因组是掌握理论研究所有细胞在活的实体,和相同的一组特征基因组是用于研究基因组基因在不同污染因素、不同时间条件下,不同强度的过程(11),了解蛋白质与不同的多态性和基因多效性。环境基因组研究的过程中,必须严格地定义目标生物体和外部环境因素(12]。

2.2。蛋白质组

蛋白质组是一个一般术语表达的所有蛋白质的基因组(13]。大规模蛋白质识别技术应用研究基因组蛋白质的结构和构造函数模式。目前,蛋白质组主要用于研究动态蛋白质组高的活动,大规模蛋白质分离和识别(14]。在复杂的环境中,动态过程的蛋白质组分析研究提供直接证据的分子毒性污染物(15]。外源污染物的入侵威胁着生活的实体,直接作用于人体蛋白质,蛋白质的正常功能变化,影响基因蛋白质的输出和活动(16]。

环境蛋白质组是用于研究蛋白质之间的相互作用和环境污染,找到污染物的蛋白质分子标记的目标通过应用蛋白质组学理论,以分析环境污染对蛋白质的表达特性的影响,确定分子毒性引起的突发性环境有毒污染的作用因素对蛋白质组,并避免威胁人类健康的定义目标生物体和外部环境因素(17]。

3所示。突然的生态环境污染情况的分析

突发性环境污染的分子毒性分析基于above-determined蛋白质组和基因组目标生物体(18]。的分子毒性污染如图1。

平均价值和生态环境污染的相对污染强度计算根据分子毒性化合物(19]。具体计算公式如下所示:

在(1)和(2),X表达了受污染的区域;代表的分析价值相对污染强度下蛋白质组的研究内容;和代表的分析价值相对污染强度下蛋白质组的研究内容。

目标生物污染生态环境变化情况如图2。

根据不同等电点的蛋白质,蛋白质样品都集中在密度梯度,PH值和不同等电点的蛋白质被第一个获得电泳分离。第一次电泳分离后的产品(20.),二维凝胶电泳被用来获得蛋白质分子毒性不同。电离后的蛋白质样品,分子结构是决定根据不同离子的质荷比的差异(21]。环境蛋白质组学用于分析环境内分泌干扰物质和各种生殖系统的疾病,包括精子细胞,雄性生物,质量和雄性和雌性生物之间的比例失调。大数据技术与高通量,高灵敏度用于分析特定蛋白质的相应位置,并相应地确定特定蛋白质的分子结构,以分析的分子毒性突然生态环境污染。

4所示。基于大数据技术分析突然生态环境有毒物质污染

具有较强的决策能力和洞察力,大数据技术是用于收集数据在一定时间范围由传统的软件。大数据的特点可以用体积,品种,价值,和速度。大数据大小,体积通常是由P;数据被广泛多样化;价值指的是数据值密度相对较低;和速度意味着快速大数据处理,这是一个特色用来区分大数据技术与传统技术。用来更好的挖掘和存储相关的管理数据,大数据技术突破具有重要意义的突然生态环境有毒物质污染在中国当结合物理方法(22]。

具有良好的吸附效果,果皮活性炭适用于突然的分析生态环境有毒物质污染。因此,果皮活性炭用于治疗是生态环境污染。主要活动的果皮活性炭如表所示1。

为了防止活性炭被其他杂质干扰,应浸泡在超纯水活性炭去除杂质附着在活性炭、干在120°C的温度,和播出备用。

4.1。活性炭的粒度

大数据技术的体积和速度特征被用来确定活性炭的最佳粒度。添加2 g的活性炭,之后4 g, 6克,8 g,和10 g中间粒度的溶液200毫升,基本的水样,解决方案是搅拌机的搅拌30°C的温度和速度150 r / min,以便调查删除突然生态环境有毒污染的概率与不同粒径活性炭。调查的结果在图所示3。

图3表明低质量活性炭吸收的分子毒性大容量突然生态环境污染,及其吸附容量越来越温柔的质量增加。活性炭与大粒径相对较高的去除分子突然生态环境污染和毒性相对稳定的去除效果,为紧急治疗奠定了基础的分子毒性突然生态环境污染。

4.2。活性炭的用量

通过使用大数据技术的速度特性,活性炭的数量已达到测试标准被发现,和活性炭的用量的梯度值确定。最初的反应条件的设计和控制,以确保搅拌时间为2 h和24 h,以充分观察活性炭的质量。通过分析活性炭的去除率和吸附能力数值,活性炭的用量梯度值的确定。

从图4活性炭的用量与不同质量有明显的治疗效果突然生态环境有毒物质污染。与活性炭的用量的增加,去除率先是迅速上涨,然后轻轻倾向于上升:(1)去除率的24小时,当活性炭的质量是5,10,15克,活性炭的去除率为60%,76%,和91%,分别。当活性炭质量的20岁的时候,25岁,30岁,35岁和40 g,活性炭的去除率为86%,89%,84%,96%,和97%,分别。(2)2 h的去除率,当活性炭的质量是5,10,15克,活性炭的去除率为60%,76%,和91%,分别。当活性炭质量的20岁的时候,25岁,30岁,35岁和40 g,活性炭的去除率为93%,95%,96%,97%,和98%,分别。

活性炭吸附在水样2 h和24小时已基本相同的去除效率。因为活性炭几乎达到饱和状态后吸附2 h,吸附时间应小于或等于2 h;通过这种方式,活性炭用量确定的梯度值,和突然生态环境有毒物质污染的程度进行了分析基于活性炭的用量2 h。

4.3。活性炭的吸附时间

选择使用体积大数据技术的特点,活性炭的吸附时间超过10分钟,和太短的活性炭吸附时间反复手动应当避免。为了避免严重污染造成的过度的流速,活性炭的吸附时间不应太长;除此之外,因为活性炭几乎达到饱和状态2 h后,活性炭的最小吸附时间应设置为10分钟,以调查删除突然生态环境有毒物质污染的概率由活性炭在不同吸附时间。研究结果在图所示5。

图5表明,活性炭具有不同质量有明显影响的治疗突然生态环境有毒物质污染。随着时间的流逝,三个破碎的行显示不同的状态:(1)活性炭的去除率与小粒径已经从10分钟到70分钟但是92%增加到99%从70分钟到80分钟。(2)活性炭与中等粒度的去除率为60%,76%,和84%,分别为10、20、30分钟。去除率的折线活性炭表现出缓慢的上升趋势在40岁,50岁,60岁,70和80分钟。(3)活性炭粒径大的去除率为52%和69%,分别在10到20分钟。折线的活性炭的去除率也显示缓慢上升趋势,40岁,50岁,60岁,70和80分钟。

随着吸附时间的增加,活性炭的最佳吸附时间与不同粒径不同:与小粒径70分钟,30分钟中等粒度,大粒径的20分钟。活性炭的最佳吸附时间与不同粒径可以由使用大数据技术,以分析突然有毒物质污染生态环境的程度。

通过分析与不同粒径活性炭的吸附时间和剂量,大数据技术被用来研究突然生态环境有毒物质污染。根据研究结果,与大粒径活性炭移除率高的分子毒性突然生态环境污染,与相对稳定的去除效果;在2 h,活性炭几乎达到饱和状态,和梯度值活性炭用量的确定通过活性炭用量的剂量2 h标准;与不同粒径活性炭有不同的最佳吸附时间。根据分析内容,活性炭的最佳吸附时间与不同粒径决心确保稳定的去除分子毒性效应突然生态环境污染。

5。实验验证分析

为了进一步验证的可行性和稳定性突然生态环境有毒物质污染的分析方法基于大数据技术,本技术的进一步实验验证和分析。

5.1。实验环境

在实验室,软件和硬件环境由现有实验条件被用来测试突然生态环境有毒物质污染分析方法基于大数据的技术。测试设备包括3个人电脑主引擎,1 1通信服务器和数据库服务器。具体配置参数如表所示2。

软件版本号的列表如表所示3。

数据库部署到数据库服务器,和相关的程序被部署在应用程序服务器上。

5.2。实验结果的分析和讨论

5.2.1。改变活性炭的粒度

在这个实验中,在治疗的过程中突然的分子毒性生态环境污染,我们只需要改变活性炭的粒径和分成大、中、小范围的5 - 8网、8至21网、21网>,先后。活性炭的用量15 g和45 g / L的浓度选择吸收水中大约一天,以便获得突然的分子毒性的水样生态环境污染与不同浓度。水样的浓度如表所示4。

基于表4、手动分析方法、化学分析方法和大数据技术分析方法被用来验证和分析分子毒性突然生态环境污染的程度。

(1)大粒径。形势变化的毒性污染物的大粒径在不同分析方法如图6。

从图6随着时间的增加,毒性的污染物从高毒性的0.32 mg / L低毒性的0.22 mg / L通过人工分析方法;污染物的毒性变化从高0.32 mg / L,毒性低毒性的化学0.20 mg / L法;和污染物的毒性变化从高0.32 mg / L,毒性低毒性0.06 mg / L的大数据技术,这表明,物理分离方法在大数据技术分析方法可用于去除大量的污染物的生物毒性与大粒径。

(2)中等粒度。形势变化的污染物的毒性介质粒径在不同分析方法如图7。

的毒性污染物从高毒性的0.21 mg / L中毒性0.14 mg / L的手工分析;污染物的毒性变化从高0.21 mg / L,毒性低毒性的化学0.12 mg / L法;和污染物的毒性变化从高0.32 mg / L,毒性低毒性0.02 mg / L的大数据技术,这表明,物理分离方法在大数据技术分析方法可用于去除大量的污染物的生物毒性与中等粒度。

(3)小颗粒大小。的毒性污染物的变化情况与小粒径在不同分析方法如图8。

的毒性污染物从高毒性的0.20 mg / L中毒性0.13 mg / L的人工分析方法;的毒性污染物从高毒性的0.20 mg / L中毒性化学0.10 mg / L法;和污染物的毒性变化从高0.20 mg / L,毒性低毒性0.02 mg / L的大数据技术,这表明,物理分离方法在大数据技术分析方法可用于去除大量的污染物的生物毒性与小粒度。

5.2.2。改变活性炭的用量

在这个实验中,在治疗的过程中突然的分子毒性生态环境污染,我们只需要改变活性炭的用量,并保持其他条件不变。废水浓度如表所示5。

基于表5,三种分析方法被用来验证和分析分子水平的毒性突然生态环境污染、表所示6。

从表6人工分析方法,活性炭具有不同剂量有不同程度的毒性分子突然生态环境污染。活性炭的用量2 g, 4 g, 6克,8 g, 20克,和40 g是一致的与原来的毒性水平;通过化学分析方法,活性炭的用量2 g, 4 g, 20克,和40 g是一致的与原来的毒性水平;大数据分析方法,活性炭具有不同剂量有不同程度的毒性分子突然生态环境污染和符合最初的毒性水平,这表明,大数据分析方法可以实现更精确的分析结果。

5.2.3。改变活性炭的吸附时间

在这个实验中,在治疗的过程中突然的分子毒性生态环境污染,我们只需要改变活性炭的吸附时间。废水浓度如表所示7。

基于表7三种分析方法,用于验证和分析分子水平的毒性突然生态环境污染,在图所示9。

从图9随着吸附时间的增加,大数据技术、活性炭是符合实际的浓度;然而,人工分析方法和化学方法获得的浓度大大不同于实际的浓度。

总之,突然生态环境有毒物质污染的分析结果通过使用大数据技术与物理相结合的方法准确和符合实际的结果。

6。结论

从学科环境蛋白质组和基因组研究的分子毒性突然生态环境污染,适用环境不同污染程度的分析技术。以环境蛋白质组数据库为中心的分子毒性检测和分析大数据技术。在分析的过程中突然的分子毒性生态环境污染、大数据技术可以成功地用于分析分子基因组作为一个简单的工具的损坏情况监督和评估分子毒性,预计将应用领域的环境污染物毒性检测。

由于对实验环境的限制,大数据技术参与这项研究内容只是支持的相关理论和简单的设备。这意味着,这篇文章的内容更多的理论。检测现有的污染分子而言,突然的分子毒性研究生态环境污染保护环境起着一定的指导作用,但是仍有一些局限性。因此,在后续的研究过程中,需要结合实践和实验,提高实验条件,提高治疗效率的污染分子。

数据可用性

没有数据被用来支持本研究。

的利益冲突

作者宣称没有利益冲突。

引用

1. a . m .吴x l .赵y冯et al .,”美国生态毒理学数据库中国数据库建设的启迪,“环境科学研究,30卷,不。4、636 - 644年,2017页。视图:谷歌学术搜索
2. z王”,我的研究热点和前沿分析生态环境restoration-big数据可视化研究基于vosviewer和citespace”中国地质通报,37卷,不。12日,第2153 - 2144页,2018年。视图:谷歌学术搜索
3. m·m·赵、s . c .赵和l . y .赵”应用进展和前景的大数据领域的生态环境,”应用生态学杂志,28卷,不。5,1727 - 1734年,2017页。视图:谷歌学术搜索
4. w·唐问:杨黄c . et al .,“汽车污染物排放的变化特征研究基于大数据分析和我在杭州模式,”环境科学学报,38卷,不。1,第78 - 71页,2018。视图:谷歌学术搜索
5. j . y . Li Yang, j . Du,“医疗颠覆性技术的前景”中国工程科学》杂志上,20卷,不。6,64 - 56,2018页。视图:出版商的网站|谷歌学术搜索
6. y夏,问:杨,徐et al .,“高分辨率氨排放清单研究农业来源在杭州大数据分析的基础上,“环境科学学报,38卷,不。2、661 - 668年,2018页。视图:谷歌学术搜索
7. j . w . Liu Yang h . Gui, p .谢r . Liu和j·魏,”研究的发展多感知系统“网络+“智能环保、”中国工程科学》杂志上,20卷,不。2、111 - 119年,2018页。视图:出版商的网站|谷歌学术搜索
8. 问:问:陈和郑胜耀杨”,水生生态毒性和载体功能的塑料微粒污染。”亚洲生态毒理学杂志》,19卷,不。1、16 - 30,2018页。视图:谷歌学术搜索
9. y y . w . Wang Wang和g . b .江”分析方法、污染现状和短链氯化石蜡,毒性效应”化学进展,32卷,不。9日,第929 - 919页,2017年。视图:谷歌学术搜索
10. 问:问:张先生,m·乔和h f .太极,“回顾土壤生态毒性的测试方法,”亚洲生态毒理学杂志》,12卷,不。4、76 - 97年,2017页。视图:谷歌学术搜索
11. 问:l·鲍w·h·李,y z黄et al .,“生态毒性的Cd污染土壤跳虫folsomia假丝酵母,”亚洲生态毒理学杂志》,12卷,不。2、169 - 176年,2017页。视图:谷歌学术搜索
12. z . c .马”混合指数的初步应用环境混合物的联合毒性研究,“亚洲生态毒理学杂志》,16卷,不。3、62 - 71年,2017页。视图:谷歌学术搜索
13. h·r·l·p·郭t . t . Liu李et al .,“环境气象条件的变化特征”突然“严重的空气污染在廊坊,”环境污染和预防,22卷,不。4 p。120年,2017年。视图:谷歌学术搜索
14. h·李”,环境暴露的研究进展、环境行为和有机磷阻燃剂的毒性影响,”环境工程,36卷,不。9日,第189 - 185页,2018年。视图:谷歌学术搜索
15. z张问:“分析抑菌活性、细胞毒性和安全性的丙酮提取物5药用植物,”分子植物育种,16卷,不。23日,第7855 - 7849页,2018年。视图:谷歌学术搜索
16. m·m·王”筛选流域基于环境风险排名优先污染物,”环境科学,39卷,不。10日,82 - 88年,2018页。视图:谷歌学术搜索
17. 任罗y, b .问:张x问:et al .,“CL-pahs的污染状况和毒性研究进展亚洲生态毒理学杂志》,12卷,不。3、120 - 134年,2017页。视图:谷歌学术搜索
18. 问:问:徐y . d .邹,g . Zhang et al。”研究进展塑料微粒和农药污染的联合毒性作用,“亚洲生态毒理学杂志》,12卷,不。4、男性,2017页。视图:谷歌学术搜索
19. y z盘,h . y .太阳,d . l . Wang z . f . Lin c . s .阴和x d . Wu”研究进展之间的相互关联的现象的模型曲线混合污染物的联合毒性评价和实际浓度效应曲线,“亚洲生态毒理学杂志》,32卷,不。3、72 - 85年,2017页。视图:谷歌学术搜索
20. n . n . Lu w·c·歌,m .问:王,s . h .太阳和r·b·贾”行为研究斑马鱼急性毒性暴露的马拉松,”亚洲生态毒理学杂志》,12卷,不。4、249 - 254年,2017页。视图:谷歌学术搜索
21. m . y . Wang“污染和生态毒性的抗抑郁药物在水环境中,“中国大学的化学工程杂志》上,30卷,不。5,1009 - 1027年,2017页。视图:谷歌学术搜索
22. J.-B。刘,j .赵h .他和z邵,“Valency-based拓扑描述符和广义sierpiński网络的结构属性”统计物理学杂志,卷177,不。6,1131 - 1147年,2019页。视图:出版商的网站|谷歌学术搜索

版权

版权©2020年Guilan他和耿军姚明。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。