期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到3篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
阿特拉津降解菌Acinetobacter sp.DNS32对无机氮源的响应 被引量：6
1
作者 王志刚 张颖 +1 位作者 郭火生 伊欢 《微生物学通报》 CAS CSCD 北大核心 2014年第8期1541-1546,共6页
【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... 【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。 展开更多
关键词 阿特拉津 ACINETOBACTER SP dns32 无机氮源 降解能力 基因表达
原文传递
磁性炭基菌球降解土壤阿特拉津性能的研究
2
作者 魏书奇 李梓玮 +3 位作者 吴志欢 毕馥漩 王思琪 孟庆娟 《农业环境科学学报》 CAS CSCD 北大核心 2024年第5期1067-1076,共10页
本研究通过海藻酸钠包埋磁性生物炭与降解菌DNS32形成磁性炭基菌球(DMBC-P),并将其用于阿特拉津(ATZ)污染土壤的修复,探讨其去除ATZ的效能及促进大豆幼苗生长的能力。研究表明,当海藻酸钠与氯化钙的浓度为2%时,DMBC-P对ATZ的去除能力最... 本研究通过海藻酸钠包埋磁性生物炭与降解菌DNS32形成磁性炭基菌球(DMBC-P),并将其用于阿特拉津(ATZ)污染土壤的修复,探讨其去除ATZ的效能及促进大豆幼苗生长的能力。研究表明,当海藻酸钠与氯化钙的浓度为2%时,DMBC-P对ATZ的去除能力最强。在DMBC-P投加量为2%、温度为30℃、pH=7.3时,其对水体中ATZ的去除率可达到99.99%;并且在pH为3.3~7.3、温度为10~50℃以及ATZ浓度为30~140 mg·L^(-1)的环境中,DMBC-P对ATZ的去除性能仍然十分优异且其可以被有效回收。盆栽试验结果表明,施用DMBC-P进行修复后,该处理下大豆幼苗的生理指标显著高于空白对照处理,叶绿素a、叶绿素b、类胡萝卜素和总叶绿素含量分别提高79.14%、45.48%、67.87%和110.78%。研究表明,DMBC-P施用于污染土壤中能够实现ATZ的高效去除和材料有效回收,是一种极具潜力的污染土壤修复材料。 展开更多
关键词 阿特拉津 dns32降解菌 磁性生物炭 固定化技术 土壤修复
下载PDF
响应面法和神经网络优化Acinetobacter sp.DNS32发酵基质 被引量：3
3
作者 王洋 王志刚 +3 位作者 王溪 郭火生 孟冬芳 张颖 《环境工程学报》 CAS CSCD 北大核心 2013年第2期791-795,共5页
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... 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。 展开更多
关键词 阿特拉津降解菌dns32 发酵培养基 响应面法 人工神经网络 遗传算法 优化
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部