
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于可解释机器学习利用处理后废水微生物组预测活性污泥中硝化功能菌群丰度
《Scientific Reports》:Inferring nitrifying taxa abundance in activated sludge from treated wastewater: a data-driven approach
【字体: 大 中 小 】 时间:2026年09月30日 来源:Scientific Reports 4.9
编辑推荐:
摘要有效监控污水处理厂(WWTP)运行性能需要监测反映生物处理过程稳定性的关键参数。越来越多地,下一代测序(NGS)技术被用于表征参与脱氮过程的微生物群落;然而,大多数研究聚焦于活性污泥(AS),往往忽视了经过处理后的废水(TW),其中同样含有活的微生物,可能提供有价值的诊断
有效监控污水处理厂(WWTP)运行性能需要监测反映生物处理过程稳定性的关键参数。越来越多地,下一代测序(NGS)技术被用于表征参与脱氮过程的微生物群落;然而,大多数研究聚焦于活性污泥(AS),往往忽视了经过处理后的废水(TW),其中同样含有活的微生物,可能提供有价值的诊断信息。本研究在多个分类水平上比较了一座全规模生物污水处理厂中原始污水(RS)、活性污泥(AS)和处理后废水(TW)的微生物组。研究评估了TW作为活性污泥微生物群落组成预测指标的可能性,特别关注负责脱氮的硝化细菌。此外,分析了不同处理阶段微生物群落与环境因素之间的关系。结果表明,数据驱动的方法可以成功地基于TW数据对活性污泥中特定硝化菌类的丰度进行建模,在训练数据集上达到了R2值为0.9826,在测试数据集上保持了R2高于0.9996的高预测精度。本研究证明了利用TW微生物组数据作为预测代理,通过可解释机器学习方法推断活性污泥中关键硝化功能菌群丰度动态的可行性。所提出的概念验证引入了一种基于可解释机器学习的监测脱氮微生物功能菌群的方法,有望为污水处理厂的运行与优化提供支持。