Application of grey topological prediction model in water quality prediction of artificial reef area in Haizhou Bay
-
摘要:
该研究分别采用残差修正的 GM (1,1) 模型和灰色拓扑预测方法对2007—2017年春 (5月)、秋 (10月) 海州湾人工鱼礁区的溶解氧 (DO)、化学需氧量 (COD)、生化需氧量 (BOD5) 及溶解无机氮 (DIN) 4个指标的监测数据建立水质预测模型并选择精度较高的模型预测2018—2022年的水质变化趋势，最终利用2018年的调查数据对预测结果进行检验。结果表明，灰色拓扑模型相较于残差修正的GM (1,1) 模型针对水质数据具有更好的预测精度，预测结果与2018年的调查结果较吻合，可信度较高；预测结果显示，DO和COD在2018—2022年能够保持良好的水质状态，可见人工鱼礁建设对海域水环境状况具有一定的修复作用，但BOD5和DIN存在一定的超标风险；针对灰色拓扑模型的改进仍具有很大的研究空间，有待进一步挖掘。
-
关键词:
- 人工鱼礁 /
- 水质预测 /
- 灰色拓扑预测 /
- 残差修正GM (1,1) 模型 /
- 海州湾
Abstract:In this study, we applied residual modified GM (1,1) model and grey topological prediction method to establish water quality prediction models based on the monitoring data of dissolved oxygen (DO), chemical oxygen demand (COD), biochemical oxygen demand (BOD5) and dissolved inorganic nitrogen (DIN) of the artificial reef area in Haizhou Bay in spring (May) and autumn (October) of 2007−2017. Then we selected the model with higher accuracy to predict the variation trend of water concentration during 2018−2022. Finally, we verified the forecast results with the meaured data of 2018. The results indicate that the grey topological model has better prediction accuracy for water quality data than the residual correction GM (1,1). The predicted results are consistent with the actual values in 2018, so the model is reliable. According to the prediction results, the DO and COD can maintain good values in 2018−2022. It is shown that the construction of artificial reef has a certain restoration effect on the water environment of the sea area, but BOD5 and DIN have a risk of exceeding the standard; and improvement of grey topology model should be further explored.
-
马氏珠母贝 (Pinctada martensii) 又称合浦珠母贝，是我国南方海水珍珠养殖的主要品种。珍珠自古以来就记载有美容、抗衰老、抗氧化等功效。目前，已有相关以马氏珠母贝肉为基料提取各种功效 (如抗氧化、提高免疫力、抗炎等) 组分的研究[1-4]；而有关珠母贝黏液中活性功效物质的研究尚未见报道。珠母贝黏液是马氏珠母贝在珍珠形成过程中其外套膜不断分泌的液体，黏度较高，该黏液促使珍珠质形成，存在于软体和贝壳之间[5]。因此，基于黏液与珍珠形成的密切关系，探索黏液中可能存在的一些功能物质将极大促进资源的充分利用。水产动物体表黏液的物质构成及生化功能最早在鱼类中有报道，主要含有黏多糖、糖蛋白、水解性酶类，而双壳类的体表黏液细胞的类型与分布与鱼类较为相似[5]。珠母贝黏液是其产出优质珍珠的关键，其中糖蛋白可能起到重要作用[5]。
糖蛋白是由糖类和蛋白质或多肽以共价键连接构成的化学物质，动植物、微生物和病毒均含有糖蛋白[6-8]。糖蛋白是一类重要的具有生物活性的 物质，郁迪等[9]研究发现菲律宾蛤仔 (Ruditapes philippinarum) 糖蛋白质量浓度达30 mg·mL−1时癌细胞抑制率高达72.49%，具有一定的抗肿瘤作用；陈淑敏等[10]提取出的曼氏无针乌贼 (Sepiella japonica) 缠卵腺抗菌糖蛋白对大肠杆菌 (Escherichia coli) 及金黄色葡萄球菌 (Staphylococcus aureus) 具有显著抑菌效果；糖蛋白还具有降血脂、降血糖、抗氧化、增强免疫调节等功能[11-14]。因此，本研究对马氏珠母贝黏液中的糖蛋白进行提取、分离纯化，并对其抗氧化活性进行评价，以期为探索马氏珠母贝黏液相关功效物质提供理论基础数据。
1. 材料与方法
1.1 材料与试剂
原料预处理：将从雷州市珍珠贝养殖场购置的马氏珠母贝肉与其黏液进行分离过滤，将黏液分装于250 mL塑料瓶中，−20 ℃冻藏备用。Sephacryl S-200 High Resolution (GE Healthcare Bio-Science)；2,2-联苯基-1-苦基肼基(DPPH，上海麦克林生化科技有限公司)；牛血清蛋白 (Bovine serum albumin, BSA，GENVIEW)；Folin-酚甲Ⅰ、Folin-酚Ⅱ、Folin-酚乙、预染蛋白Marker (10~245 kD，北京鼎国昌盛生物技术责任有限公司)；考马斯亮蓝染色液、SDS-PAGE蛋白上样缓冲液 (5×)、电泳液 (Tris‒Gly, Powder)、凝胶配制试剂盒、Protein Ladder (10~200 kD，非预染)，碧云天生物技术；无水乙醇、氯化钠 (NaCl)、抗坏血酸、30%过氧化氢、冰醋酸、氢氧化钠、葡萄糖、苯酚、硫酸、盐酸 (HCl)、三羟甲基氨基甲烷 (Tris)、硫酸亚铁 (七水)、水杨酸钠、焦性没食子酸均为国产分析纯。
1.2 仪器与设备
PS-40A超声波清洗机 (济南鑫贝西生物技术有限公司)；FDU-1100真空冷冻干燥机 (东京理化器械株式会社)；LD-50G-D超纯水机 (重庆利迪实验仪器设备有限公司)；CR22GⅡ高速冷冻离心机 (日立工机株式会社)；BSA124S-CW型电子天平 (赛多利斯科学仪器有限公司)；SHB-B95A型循环水式多用真空泵 (郑州长城科工贸有限公司)；JIDI-20R型台式高速冷冻离心机 (广州吉迪仪器有限公司)；BS-100A自动部分收集器、HL-2型数字恒流泵 (上海青浦沪西仪器厂)；JY5002电子天平 (上海衡平仪器仪表厂)；DK-98-Ⅱ型电热恒温水浴锅 (天津市泰斯特仪器有限公司)；UV-2550型紫外分光光度计 (日本岛津公司)；DYY-8C型电泳仪 (北京六一生物科技有限公司)。
1.3 实验方法
1.3.1 珠母贝黏液糖蛋白的粗提
将黏液解冻后，于4 ℃下6 000 r·min−1离心15 min，取上清液。分别用直接醇沉法、盐提醇沉法、水提醇沉法得到3种黏液糖蛋白的粗品，计算得率。公式为：
$$W{\rm{ = }}\dfrac{m}{M}{\rm{ \times 100{\text{%}} }}$$ (1) 式中W表示糖蛋白粗品得率；m表示糖蛋白粗品质量 (g)；M表示马氏珠母贝黏液冻干粉质量 (g)。
直接醇沉法粗品 (Direct alcohol precipitation sample, DAS) 提取[15]：取200 mL黏液加入90%乙醇至体积分数为70%，4 ℃静置18 h，于4 ℃下7 000 r·min−1离心15 min，取沉淀，于空气中静置挥发乙醇后，真空冷冻干燥24 h后得到DAS。
盐提醇沉法粗品 (Salt extraction and alcohol precipitation sample, SAS) 提取[16-18]：取200 mL黏液加入0.2 mol·L−1NaCl溶液使质量体积比为1∶16，于4 ℃下静置12 h，4 ℃，7 000 r·min−1离心20 min取上清液，加乙醇至70%，4 ℃静置醇沉 12 h后，于4 ℃下7 500 r·min−1离心20 min，取沉淀冷冻干燥24 h，得到SAS。
水提醇沉法粗品 (Water extraction and alcohol precipitation sample, WAS) 提取[19]：取200 mL黏液加水在质量体积比1∶20下50 ℃水浴6 h，4 ℃下7 000 r·min−1离心20 min，取上清液加乙醇至70%，4 ℃静置18 h后，4 ℃、7 500 r·min−1离心20 min，取沉淀，冷冻干燥24 h，得到WAS。
1.3.2 糖、蛋白质含量测定
总糖含量测定采用苯酚硫酸法，参考张金豫等[20]稍作修订，分别取0.1 mg·mL−1的葡萄糖标准液0、0.2、0.4、0.6、0.8和1.0 mL于试管中并用水补足1 mL，各加入6%苯酚1 mL，再加入5 mL浓硫酸 (H2SO4) 后迅速摇匀，静置10 min后，沸水浴15 min取出，冷水浴30 min，于490 nm处测定吸光值，以葡萄糖质量 (mg)为横坐标，吸光度 (A) 为纵坐标，绘制标准曲线。测得该标准曲线方程为y=10.057x+0.098 5，R2=0.998 3。取0.5 mg·mL−1的粗品样品1.0 mL于试管中，参照以上步骤测定样品吸光度。取0.3 mg·mL−1的纯化品样品1.0 mL于试管中，参照以上步骤测定吸光度。可溶性蛋白质含量测定采用Folin-酚法[21]，于试管中分别加入0、0.1、0.2、0.4、0.6、0.8、1.0 mL，0.25 mg·mL−1的BSA，加蒸馏水至1 mL，加入5 mL试剂甲，混匀，室温静置10 min，加入0.5 mL的试剂乙后立即摇匀，室温放置30 min，于500 nm处比色测定吸光度，以BSA质量 (mg) 为横坐标， A为纵坐标，绘制标准曲线。测得该标准曲线方程为y=1.569 8x+0.062 8，R2=0.998 8。取0.3 mg·mL−1粗品样品1.0 mL于试管中，按以上方法测定样品吸光度。取0.2 mg·mL−1纯化品样品1.0 mL于试管中，按以上方法测定吸光度。
根据测定所得粗品的糖及蛋白质含量，计算粗品的糖、蛋白质得率，公式为：
$$w{\rm{ = }}\dfrac{{{m_{\rm{1}}}}}{M}{\rm{ \times 100 {\text{%}} }}$$ (2) 式中w表示糖蛋白粗品的糖或蛋白质得率；m1表示粗品的糖或蛋白质含量 (g)；M表示马氏珠母贝黏液冻干粉质量 (g)。
1.3.3 糖蛋白的分离纯化
选择最佳糖蛋白粗品提取方法后，将该粗品溶于水，于4 ℃、10 000 r·min−1离心10 min，取上清液Sephacryl S-200柱层析法进行分离纯化。
调节上样样品的可溶性蛋白质质量浓度至3~ 4 mg·mL−1，上样体积为4 mL，填料柱高70 cm (层析柱φ1.7×80 cm)，流动相为0.05% NaCl，流速1 mL·min−1，每5 mL收集1管，于280 nm波长下测吸光值，同时采用苯酚硫酸法于490 nm 下测吸光值，做出洗脱曲线，收集所需组分，冷冻 干燥24 h，得到直接醇沉纯化品 (Direct alcohol precipitation and purification sample, DAPS)[22]。
1.3.4 SDS-PAGE电泳
粗品的电泳：将DAS、SAS、WAS同时进行SDS-PAGE电泳，配制样品质量浓度为4 mg·mL−1，上样体积为10 μL，Maker体积为7 μL，12%分离胶，5%浓缩胶。起始电压为80 V，进入分离胶后电压为120 V[23]。电泳结束后采用考马斯亮蓝染色液染色1 h，10%冰醋酸脱色液脱色2 h后，结果拍照分析。
纯化品的电泳：调整样品质量浓度为2 mg·mL−1，上样体积为8 μL，Maker体积为8 μL，10%分离胶，5%浓缩胶。参照以上方法进行电泳。
1.3.5 抗氧化活性测定
分别配制质量浓度为0.1、0.2、0.4、0.6、0.8、1.0 mg·mL−1的VC (阳性对照)、最佳提取方法糖蛋白粗品、糖蛋白纯化品。
羟基自由基 (·OH) 清除能力测定：参考黄来珍等[17]的方法并进行一定改进，于各试管中加入0.15 mol·L−1的硫酸亚铁 (FeSO4) 溶液1 mL及2 mmol·L−1的水杨酸钠溶液1 mL，再加入2 mL的样液，混匀，加入6 mmol·L−1过氧化氢(H2O2)溶液1 mL启动反应，于37 ℃下水浴1 h，于510 nm处测得吸光度Ai1； 蒸馏水代替H2O2测得Aj1；蒸馏水代替样液测得A01，计算自由基清除率公式为：
$$ \cdot {\rm{OH}}{\text{清除率}} = \frac{{{\rm{[A}}{{\rm{0}}_{\rm{1}}} - {\rm{(A}}{{\rm{i}}_{\rm{1}}} - {\rm{A}}{{\rm{j}}_{\rm{1}}}{\rm{)]}}}}{{{\rm{A}}{{\rm{0}}_{\rm{1}}}}}{\rm{ \times 100}}\% $$ (3) 超氧阴离子自由基 (·O2 −) 清除能力测定：采用邻苯三酚法，参考张金豫等[20]及常飞等[24]的方法并略修改，于各试管中加入pH 8.2的Tris-HCl缓冲液 (25 ℃预热) 4.5 mL，再加入1 mL的样液及4.5 mmol·L−1邻苯三酚溶液(25 ℃预热， 10 mmol·L−1 HCl配制) 0.5 mL，混匀，25 ℃ 静置6 min后，加入2~3滴8 mol·L−1 HCl终止反应，于320 nm处测得吸光度Ai2；蒸馏水代替邻苯三酚测得Aj2；蒸馏水代替样液测得A02。计算清除能力公式为：
$$ \cdot {\rm{O}}_2^ - {\text{清除率}}{\rm{ = }}\frac{{{\rm{[A}}{{\rm{0}}_{\rm{2}}} - {\rm{(A}}{{\rm{i}}_{\rm{2}}} - {\rm{A}}{{\rm{j}}_{\rm{2}}}{\rm{)]}}}}{{{\rm{A}}{{\rm{0}}_{\rm{2}}}}}{\rm{ \times 100 {\text{%}} }}$$ (4) DPPH自由基清除能力测定：参考Noumi等[25]的方法。于各试管中加入0.1 mmol·L−1 DPPH乙醇溶液2 mL，再加入2 mL样液，混匀后放置黑暗处30 min，于517 nm处测得吸光度Ai3；蒸馏水代替DPPH测得Aj3；蒸馏水代替样品测得A03。测定清除能力的公式为：
$${\rm{DPPH}}{\text{清除率}} = \frac{{{\rm{[A}}{{\rm{0}}_{\rm{3}}} - {\rm{(A}}{{\rm{i}}_{\rm{3}}} - {\rm{A}}{{\rm{j}}_{\rm{3}}}{\rm{)]}}}}{{{\rm{A}}{{\rm{0}}_{\rm{3}}}}}{\rm{ \times 100 {\text{%}}}}$$ (5) 1.3.6 实验数据分析
上述每个样品进行3次平行实验 (n=3)，实验数据采用Excel 2010软件做图分析，采用SPSS Statistics 19.0 软件进行One-Way ANOVA显著性差异分析，P<0.05表示差异显著。
2. 结果与分析
2.1 3种不同糖蛋白粗提方法比较
从总得率、蛋白质及糖得率比较3种方法的提取效果，结果见图1。DAS的总得率为(24.59±0.78)%，远高于SAS [(6.19±0.81)%]及WAS [(1.68±0.55)%] (P<0.05)；测得WAS中可溶性蛋白质含量 (79.03±0.61)%远高于SAS [(42.82±1.00)%]及DAS [(25.46±0.79)%] (P<0.05)；DAS、SAS、WAS的糖质量分数分别为 (3.67±0.16)%、(4.40±0.58)%、(4.00±0.51)%，无显著性差异 (P>0.05)。
![]()
图 1 3种糖蛋白粗品提取方法比较同一指标中不同字母表示不同样品间的显著性差异 (P<0.05)，后图同此Figure 1. Comparison of three crude glycoprotein extraction methodsDifferent letters indicate significant difference among different samples with the same indicators (P<0.05). The same case in the following figures.直接醇沉法中，糖蛋白未经过盐、水等的提取，乙醇直接将糖蛋白连同非糖、非蛋白质成分一起沉淀下来从而使DAS总得率相对较高，相同质量的黏液原料中可提取出的可溶性蛋白质及总糖的得率分别为 (6.26±0.20)%和 (0.90±0.04)%，均远高于WAS [(1.33±0.01)%和(0.07±0.01)%]以及SAS [(2.65±0.07)%和(0.27±0.03)%] (P<0.05)。水提醇沉法提取糖蛋白粗品的总得率远低于其他两种方法 (P<0.05)。由于水提可最大限度地溶出糖蛋白而不破坏其稳定性，糖蛋白所含有的多糖具有亲水性使其易溶于水[26]，但是由于除水溶性蛋白外还有盐溶性蛋白，因此，WAS蛋白质含量虽较高但总得率较低，该结果与范秀萍等[19]的研究结果一致。而盐提醇沉法中，因NaCl具有的盐离子与蛋白质部分结合具有保护蛋白质使其不易变性的特点[26]，使糖蛋白在稀盐溶液中溶解度相对较高，优选适当pH及盐浓度条件可进一步提高盐提效果，因此SAS总得率因此高于WAS。与珍珠贝肌肉提取糖蛋白所采用的硫酸铵沉淀法[3]相比较，本研究的得率较低，这可能与原料本身所含的糖蛋白浓度有关，由于黏液本身为液体性状，含水量较高，因此相对提取率偏低。
综上，相同质量黏液，DAS的蛋白质、糖得率远高于SAS和WAS (P<0.05)，提取效果较好。因此，优选直接醇沉法进行糖蛋白粗提。
2.2 SDS-PAGE电泳图谱分析
研究发现提取方式不同可能导致提取糖蛋白组成存在差异[17]。李敏等[15]发现不同方法提取黄芪糖蛋白的SDS-PAGE图谱存在明显的差异，张洪梅等[27]分析SDS-PAGE图谱发现不同方法提取的蝉花粗蛋白的蛋白种类差异显著。由图2结果可见3种糖蛋白粗品的图谱无明显差异。其中，WAS在15~20 kD、>70 kD处均有较深条带，其条带颜色在<30 kD的区域相对较深，说明WAS蛋白质分子量相对较小的部分含量较高；SAS的条带在>30 kD的区域较为明显，说明SAS所提取出的蛋白质的分子量相对较大的部分含量较高；DAS除在15~20 kD区间条带颜色相对较浅外，其余区域的条带特征与WAS和SAS无明显差异。
![]()
图 2 3种糖蛋白粗品SDS-PAGE电泳图1. 水提醇沉法粗品；2. 盐提醇沉法粗品；3. 直接醇沉法粗品; 4. 蛋白质分子量标准(kD)Figure 2. SDS-PAGE electrophoresis of three crude glycoproteins1. WAS; 2. SAS; 3. DAS; 4. Protein marker综合分析图1、图2的结果，直接醇沉法可提取出的糖及蛋白质含量最高，且DAS蛋白质组成与SAS、WAS无明显差异，其粗提效果相对较好，选择DAS进行进一步分离纯化。
2.3 Sephacryl S-200柱层析法纯化结果
DAS经洗脱后，在280 nm处蛋白质主要呈现3个峰 (图 3)。在490 nm处糖呈现的峰数较多。其中，第一个主峰在280 nm及490 nm处均有最大吸光值，且重合性好，收集此主峰部分，冷冻干燥后得到白色粉末DAPS，其溶解性好。测得DAPS的总糖质量分数为 (22.72±0.26)%，可溶性蛋白质质量分数为 (71.18±0.62)%。图3-b结果显示DAPS分子量集中在245 kD处，分子量较大。李雨哲等[3]从马氏珠母贝肌肉中提取分离纯化的糖蛋白分子量为11.2 kD，两者差别较大，说明珍珠贝黏液中的功效组分与肌肉功效成分本身仍存在明显差异，对珍珠贝黏液作进一步的拓展研究非常必要。
![]()
图 3 DAS纯化结果a. DAS的Sephacryl S-200柱层析洗脱曲线；b. DAPS的SDS-PAGE电泳图；1. 直接醇沉纯化品；2.蛋白质分子量标准 (kD)Figure 3. Purification results of DASa. Elution curve of Sephacryl S-200 columnchromatography about DAS; b. SDS-PAGE electrophoresis of DAPS; 1. DAPS; 2. Protein marker2.4 抗氧化活性分析
2.4.1 ·OH清除能力
研究表明，·OH不仅能与生物大分子产生反应引起细胞损伤，还会促进活性氧的生成而引起组织的氧化损伤[28]。图4-a结果显示，在质量浓度介于0.1~1.0 mg·mL−1时，DAS和DAPS清除·OH的能力随着浓度的增大而显著提升 (P<0.05)。在0.1 mg·mL−1质量浓度下，DAS和DAPS的·OH清除率分别为 (65.70±0.19)%和(66.34±0.90)%，两者清除·OH的能力显著优于同浓度的VC [(46.88±1.13)%] (P<0.05)。在0.1~0.6 mg·mL−1范围内，DAPS清除·OH的能力与DAS无显著性差异 (P>0.05)，可能由于DAS中除含有DAPS外还含有其他清除·OH的物质，如多糖、疏水性氨基酸等，而多糖、氨基酸本身也具有较强抗氧化性[29-30]。当DAS及DAPS的质量浓度达到0.8 mg·mL−1时，两者的·OH清除率均已高于90%，说明黏液中含有的糖蛋白具有很强的·OH清除能力。张金豫等[20]研究大鲵 (Andrias davidianus) 黏液糖蛋白时发现，其纯品质量浓度达到1.0 mg·mL−1时，·OH清除率低于50%。显然，不同来源的糖蛋白对·OH的清除能力存在显著性差异。据报道，多糖分子可通过与·OH结合形成稳定基团从而直接终止自由基链反应，多糖的单糖组成、分子量、糖苷键及理化性质对其·OH清除活性有一定影响[31]，糖蛋白对·OH清除能力的差异性可能与其糖链的多样性相关。
![]()
图 4 羟自由基 (a)、超氧阴离子自由基 (b) 和DPPH自由基 (c) 清除能力Figure 4. Scavenging activities of hydroxyl radical (a), superoxide anion free radical (b) and DPPH free radical (c)2.4.2 ·O2 −清除能力
氧源自由基介导的自由基氧化会对DNA、脂质和蛋白质造成损伤，并对细胞的防御系统产生危害，活性氧与炎症、心血管疾病、阿尔茨海默症等多种常见疾病及退行性疾病相关，·O2 −便为活性氧之一[31]。图4-b显示，在0.1~0.8 mg·mL−1范围内，DAS清除·O2 −的能力并未随着浓度的增大而显著增强，当质量浓度达到1.0 mg·mL−1时，其抗氧化能力出现明显提升 (P<0.05)，清除率达到 (31.19±1.06)%；DAPS的·O2 −清除能力同样随着浓度的增大而增强，当其质量浓度为1.0 mg·mL−1时，清除率达到最高 [(68.61±1.65)%]。在0.1~0.8 mg·mL−1范围内，DAS、DAPS对·O2 −清除活性未表现出剂量浓度相关性，可能与浓度设定范围存在一定关系[32]。总体分析，DAS清除·O2 −的能力相对较弱，弱于同浓度的VC，当VC质量浓度达0.2 mg·mL−1时，清除率高达 (96.71±0.13)%，VC浓度达0.4 mg·mL−1时，清除率已接近100%。DAS和DAPS质量浓度要达1.0 mg·mL−1时才能表现出较强的·O2 −清除效果。黄来珍等[17]研究近江牡蛎 (Ostrea rivularis) 糖蛋白时发现用超声辅助盐浸提法提取出的糖蛋白质量浓度高达6 mg·mL−1时，对·O2 −的清除率达到最高值，也仅为40.47%。而0.1 mg·mL−1的DAPS对·O2 −清除率已高于40% [(44.03±1.18)%]，与同浓度下VC的·O2 −清除率相近(43.80±0.17)%。综上，DAS和DAPS对·O2 −均有一定的清除能力，但是相较于其清除·OH效果略显弱势。
2.4.3 DPPH自由基清除能力
DPPH自由基作为一种较为稳定的自由基，被广泛用于评价抗氧化剂的抗氧化活性。图4-c显示，当DAS质量浓度为0.1 mg·mL−1时，DPPH自由基的清除率仅有 (0.12±0.12)%，几乎不具备清除能力。随着浓度的增大，DAS和DAPS对DPPH自由基的清除率显著性提升，存在明显的剂量相关性 (P<0.05)。当质量浓度达到1.0 mg·mL−1时，DAS的DPPH自由基清除率为 (10.65±1.67)%，DAPS清除率为(11.71±0.66)%。有研究发现DPPH自由基清除活性与样品的糖及蛋白质含量有密切相关性，糖蛋白所含蛋白质在水解过程中，氨基酸和肽链的大小、组成的变化影响了其抗氧化活性，因此同一系列糖蛋白中，DPPH自由基清除活性与样品蛋白质及糖含量呈正相关[33]。该研究中DAPS的DPPH自由基清除能力显著优于DAS (P<0.05)，与本研究结果一致。与VC相比，DAS和DAPS的DPPH自由基清除能力相对较弱，当VC质量浓度为0.1 mg·mL−1时，DPPH自由基的清除率已达到 (93.20±0.87)%，随着浓度增大，VC的清除能力相近，无显著性差异 (P>0.05)。相较于·OH、·O2 −的清除能力，DAS及DAPS对DPPH自由基的清除能较弱，这可能与有效浓度选择相关，刘淑集等[34]研究翡翠贻贝(Perna viridis)糖蛋白PGFR发现，PGFR质量浓度为8 mg·mL−1时，其对羟自由基的清除率为100%；而当PGFR质量浓度高达30 mg·mL−1时，对DPPH自由基的清除率低于90%。
3. 结论
本研究结果表明，DAS的总得率、糖及蛋白质得率远高于SAS和WAS (P<0.05)，且3种糖蛋白粗品的蛋白质组成无明显差异，优选直接醇沉法提取的珍珠贝黏液糖蛋白。通过分离纯化收集蛋白和多糖高度重叠部分，获得DAPS，其分子量主要集中在245 kD。然而DAPS的纯度不高，仍需进一步优化纯化条件。体外抗氧化实验结果表明，DAS及DAPS均具有一定抗氧化活性，其中清除·OH自由基的效果尤为显著；DAS和DAPS在质量浓度为1.0 mg·mL−1时显示出较强的·O2 −清除效果，但是在低浓度范围内无剂量相关性；相较于·OH和·O2 −自由基的清除能力，DAS和DAPS对DPPH自由基的清除能力较弱。本研究从珍珠贝黏液中提取糖蛋白并评价其体外抗氧化活性，研究结果为进一步探索马氏珠母贝黏液中的功效组分提供理论基础数据。
-
![]()
图 1 海州湾人工鱼礁区站点示意图
Figure 1. Schematic diagram of stations in artificial reef area of Haizhou Bay
![]()
图 2 2007—2017年海州湾鱼礁区溶解氧、化学需氧量、生化需氧量和溶解无机氮平均浓度变化趋势及等高线
Figure 2. Trends and contours of DO, COD, BOD5 and DIN concentrations in reef areas of Haizhou Bay from 2007 to 2017
![]()
图 3 2018—2022年海州湾人工鱼礁区溶解氧、化学需氧量、生化需氧量和溶解无机氮的预测包络曲线
Figure 3. Prediction envelope curves of DO, COD, BOD5 and DIN in artificial reef area of Haizhou Bay from 2018 to 2022
表 1 精度检验等级参照表
Table 1 Reference table for accuracy atspection level
精度等级
Accuracy level平均相对误差α
Average relativeresidual均方差比值C
Post-test difference ratio小误差概率P
Small error probability关联度ε
Correlation degree一级 Level 1 ≤0.01 ≤0.35 ≥0.95 ≥0.9 二级 Level 2 0.01<α ≤ 0.05 0.35<C ≤ 0.5 0.80 ≤P<0.95 0.9<ε0≤0.8 三级 Level 3 0.05<α ≤ 0.10 0.50<C≤ 0.65 0.70 ≤P<0.80 0.8<ε0≤0.7 四级 Level 4 >0.10 >0.65 <0.70 <0.7 注：模型的精度等级三级即为合格，三级以上则可较好用作预测 Note: Level 3 of accuracy of the model is qualified, and Level 3 or higher level can be better used for prediction. 
下载: 导出CSV
表 2 2007—2017年海州湾人工鱼礁区各监测站点水质指标的平均浓度值和标准偏差
Table 2 Average concentration and standard deviation of water quality indicators at monitoring stations in Haizhou Bay artificial reef area from 2007 to 2017
年-月
Year-Month溶解氧
DO化学需氧量
COD生化需氧量
BOD5溶解无机氮
DIN2007-05 8.67±0.2 3.96±0.3 1.22±0.1 0.02±0.004 2007-10 9.94±0.2 4.50±0.5 2.13±0.3 0.12±0.01 2008-05 9.46±0.4 5.28±0.5 2.35±0.5 0.50±0.04 2008-10 10.03±0.2 3.54±0.2 0.85±0.3 0.03±0.006 2009-05 8.37±0.1 0.88±0.1 0.78±0.2 0.07±0.008 2009-10 9.52±0.3 0.67±0.1 0.08±0.01 0.17±0.05 2010-05 9.77±0.3 1.52±0.2 1.36±0.3 0.09±0.02 2010-10 8.53±0.1 0.99±0.1 1.12±0.3 0.10±0.01 2011-05 10.29±0.3 2.96±0.3 3.88±0.6 0.11±0.01 2011-10 7.36±0.4 1.36±0.2 1.23±0.2 0.85±0.05 2012-05 9.21±0.2 0.77±0.2 4.56±0.2 0.25±0.05 2012-10 8.05±0.1 0.43±0.1 2.82±0.4 0.29±0.02 2013-05 8.50±0.1 1.29±0.2 4.06±0.5 0.73±0.06 2013-10 7.56±0.3 2.15±0.1 2.23±0.3 0.20±0.02 2014-05 6.79±0.4 1.84±0.3 1.44±0.2 0.28±0.04 2014-10 6.92±0.1 0.95±0.2 0.91±0.2 0.51±0.04 2015-05 7.83±0.2 1.03±0.3 2.79±0.3 0.30±0.02 2015-10 9.27±0.3 2.44±0.1 4.51±0.5 0.11±0.01 2016-05 9.72±0.2 4.69±0.2 3.63±0.4 0.25±0.02 2016-10 9.81±0.3 1.06±0.1 4.37±0.3 0.65±0.04 2017-05 8.98±0.2 2.71±0.2 2.87±0.1 0.27±0.01 2017-10 8.52±0.1 1.32±0.1 1.77±0.2 0.17±0.01
下载: 导出CSV
表 3 传统GM (1,1) 模型的精度检验
Table 3 Accuracy test of traditional GM (1,1) model
水质指标
Water quality index尾端序列个数
Tail end number精度指标 Accuracy index 精度等级
Accuracy gradeα C P ε 溶解氧 DO 8 8.91% 0.454 1 0.29 0.699 8 三级 化学需氧量 COD 10 48.05% 0.994 5 0.33 0.841 0 四级 生化需氧量 BOD5 6 13.46% 0.546 6 0.80 0.870 5 三级 无机氮 DIN 10 50.15% 0.999 8 0.56 0.682 8 四级 注：精度等级是由灰色关联法评价得到 Note: The accuracy grade is evaluated by the improved grey correlation method.
下载: 导出CSV
表 4 灰残差GM (1,1) 模型在修正过程中的精度变化
Table 4 Precision changes of grey residual GM (1,1) model in process of correction
水质指标
Water quality index修正次数
Correction times精度指标 Accuracy index 精度等级
Accuracyα C P ε 溶解氧 DO 一次修正 7.35% 0.628 1 0.50 0.621 3 三级 二次修正 4.00% 0.153 9 1.00 0.687 5 一级 化学需氧量 COD 一次修正 51.11% 0.982 7 0.38 0.741 8 三级 二次修正 54.77% 0.976 7 0.57 0.666 9 三级 生化需氧量 BOD5 一次修正 14.18% 0.517 6 0.75 0.771 0 三级 二次修正 9.14% 0.002 3 1.00 0.994 7 一级 溶解无机氮 DIN 一次修正 53.15% 0.991 0 0.50 0.926 3 三级 二次修正 58.28% 0.974 0 0.57 0.764 3 三级
下载: 导出CSV
表 5 灰色拓扑预测模型及精度检验
Table 5 Grey topological prediction model and accuracy test
水质指标
Water quality index阈值
ThresholdGM (1,1) 模型群
GM (1,1) model group精度指标
Accuracy index精度等级
Accuracy levelα C P ε 本处在海水水质标准溶解氧 DO 7.4 x(1)(k+1)=40.10e0.23k−30.12 4.32% 0.312 8 1.0 0.902 0 一级 8.0 x(1)(k+1)=36.93e0.25k−27.15 0.85% 0.236 7 1.0 0.976 9 一级 8.6 x(1)(k+1)=19.76e0.21k−14.84 11.19% 0.248 7 1.0 0.994 6 一级 9.2 x(1)(k+1)=18.48e0.20k−17.03 10.96% 0.221 1 1.0 0.982 7 一级 9.8 x(1)(k+1)=12.92e0.36k−9.70 16.48% 0.316 0 1.0 0.924 5 二级 化学需氧量 COD 0.7 x(1)(k+1)=20.42e0.30k−14.56 12.18% 0.425 4 1.0 0.829 6 一级 1.5 x(1)(k+1)=53.23e013k−48.46 9.23% 0.221 8 1.0 0.976 6 一级 2.3 x(1)(k+1)=27.77e0.34k−23.30 14.83% 0.432 1 1.0 0.819 4 二级 3.1 x(1)(k+1)=14.430.46k−13.34 46.35% 0.558 3 0.67 0.766 2 三级 3.9 x(1)(k+1)=14.43e0.46k−12.82 53.86% 0.586 8 0.67 0.500 1 三级 生化需氧量 BOD5 1.6 x(1)(k+1)=5.29e0.49k−3.42 27.41% 0.410 6 1.0 0.818 8 二级 2.2 x(1)(k+1)=10.96e0.41k−9.32 2.79% 0.153 6 1.0 0.894 2 一级 2.8 x(1)(k+1)=11.26e0.40k−9.85 2.63% 0.067 6 1.0 0.949 7 一级 3.4 x(1)(k+1)=5.53e0.34k−4.35 10.83% 0.151 2 1.0 0.983 0 一级 4.0 x(1)(k+1)=14.66e0.34k−11.83 14.22% 0.419 5 1.0 0.829 6 二级 溶解无机氮 DIN 0.2 x(1)(k+1)=14.18e0.29k−10.18 8.78% 0.240 0 1.0 0.879 3 一级 0.3 x(1)(k+1)=14.27e0.25k−12.24 4.24% 0.115 0 1.0 0.949 1 一级 0.4 x(1)(k+1)=14.65e0.25k−12.40 6.68% 0.183 5 1.0 0.918 8 一级 0.5 x(1)(k+1)=15.05e0.24k−12.57 11.93% 0.264 4 1.0 0.900 9 一级 0.6 x(1)(k+1)=10.90e0.38k−8.19 29.86% 0.570 5 0.67 0.774 2 三级
下载: 导出CSV
表 6 不同水质数据的浓度阈值2018—2022年的出现时间序预测
Table 6 Prediction of concentration thresholds for different water quality data during 2018−2022
水质指标
Water quality index阈值
Threshold预测时间点
Predicted time point出现频率
Occurrence frequency溶解氧 DO 7.4 2019 (春) 0.1 8.0 2020 (春) 0.1 8.6 2019 (春)、2022 (秋) 0.2 9.2 2018 (秋)、2020 (春)、2021 (秋)、2022 (秋) 0.4 9.8 2022 (秋) 0.1 失效点 Failure point 2019 (春)：[7.4,8.6]，2022 (秋)：[9.2,9.8] 化学需氧量 COD 0.7 2018 (春)、2022 (春) 0.2 1.5 2020 (春)、2022 (春) 0.2 2.3 2020 (秋)、2022 (秋) 0.2 3.1 无 0 3.9 无 0 失效点 Failure point 2022 (春)：[0.7,1.5] 生化需氧量 BOD5 1.6 2022 (春) 0.1 2.2 2021 (秋) 0.1 2.8 2020 (春)、2021 (春) 0.2 3.4 2018 (秋)、2022 (春) 0.2 4 2018 (春)、2019 (秋)、2020 (秋)、2022 (秋) 0.4 失效点 Failure point 2022 (春)：[1.6,3.4] 溶解无机氮 DIN 0.2 2019 (秋)、2022 (春) 0.2 0.3 2018 (秋)、2020 (秋) 0.2 0.4 2018 (秋)、2020 (秋) 0.2 0.5 2018 (春)、2020 (春)、2022 (秋) 0.3 0.6 2019 (秋) 0.1 失效点 Failure point 2018 (秋) ：[0.3,0.4]，2019 (秋) ：[0.2,0.6] 注：2021—2022年的预测有效性<2018—2020年的预测有效性，但其仍具一定参考价值 Note: The predictive validity of 2021−2022 is lower than that of 2018–2020, but it still has some reference value.
下载: 导出CSV
表 7 灰色拓扑预测值与2018年春秋实际水质数据对比
Table 7 Comparison of predicted values and actual water quality data in spring and autumn of 2018
水质指标
Water quality index时间
Time预测值 (区间)
Predictive value (interval)实际数据
Actual data相对误差/%
Occurrence frequency溶氧 DO 春 (5月) [8.6,9.2] 9.399 1 2.16 秋 (10月) 8.3 8.053 0 6.80 化学需氧量 COD 春 (5月) [0.7,2.7] 3.511 7 23.11 秋 (10月) [1.5,2.3] 2.484 2 7.41 生化需氧量 BOD5 春 (5月) 4.0 3.768 9 6.13 秋 (10月) [3.4,3.7] 3.081 9 10.32 溶解无机氮 DIN 春 (5月) 0.5 0.473 6 5.57 秋 (10月) [0.3,0.4] 0.361 9 0
下载: 导出CSV
-
[1] LI L, JIANG P, XU H, et al. Water quality prediction based on recurrent neural network and improved evidence theory: a case study of Qiantang River[J]. Environ Sci Pollut Res Int, 2019, 26(19): 19879-19896. doi: 10.1007/s11356-019-05116-y
[2] 荣洁, 王腊春. 指数平滑法−马尔科夫模型在巢湖水质预测中的应用[J]. 水资源与水工程学报, 2013, 24(4): 98-102. [3] 李如忠. 水质预测理论模式研究进展与趋势分析[J]. 合肥工业大学学报(自然科学版), 2006, 29(1): 26-30. [4] 张沂华. 基于灰色拓扑的航班订座需求预测方法研究[D]. 天津: 中国民航大学, 2011: 11-21. [5] 岳遥, 李天宏. 基于模糊集理论的马尔可夫模型在水质定量预测中的应用[J]. 应用基础与工程科学学报, 2011, 19(2): 231-242. doi: 10.3969/j.issn.1005-0930.2011.02.007 [6] 张颖, 高倩倩. 基于灰色模型和模糊神经网络的综合水质预测模型研究[J]. 环境工程学报, 2015, 9(2): 537-545. doi: 10.12030/j.cjee.20150207 [7] 张茜, 冯民权. 基于BP神经网络马尔科夫模型的漳泽水库水质预测[J]. 黑龙江大学工程学报, 2018, 9(2): 38-44. [8] 张永良. 美国环保局的水质模型研究[J]. 环境科学研究, 1987(1): 50-60. [9] 郭兰兰, 邹志红, 安岩. 基于残差修正的GM (1,1)模型在水质预测中的应用研究[J]. 数学的实践与认识, 2014, 44(19): 176-181. [10] 刘思峰. 灰色系统理论及其应用[M]. 北京: 科学出版社, 2004: 104-150. [11] 黄宏, 李大鹏, 张岩, 等. 海州湾海洋牧场人工鱼礁投放对营养盐的影响[J]. 环境科学学报, 2017, 37(8): 2854-2861. [12] XIONG P P, YAN W J, WANG G Z, et al. Grey extended prediction model based on IRLS and its application on smog pollution[J]. Appl Soft Comput, 2019, 80(1): 797-809.
[13] 邓聚龙. 灰预测与灰决策(修订版)[M]. 武汉: 华中科技大学出版社, 2002: 45-114. [14] 张蕾, 王高旭, 郑道贤. 灰色关联分析在水质评价应用中的改进[J]. 广东水利水电, 2006(3): 32-33. doi: 10.3969/j.issn.1008-0112.2006.03.013 [15] SHEN X J, YUE M H, DUAN P F, et al. Application of grey prediction model to the prediction of medical consumables consumption[J]. J Grey Syst, 2019, 9(2): 213-223.
[16] 张琼楠, 陈元芳, 顾圣华, 等. 优化的灰色拓扑模型在年径流预测中的应用[J]. 水电能源科学, 2014, 32(4): 22-25. [17] 胡文斌, 杨昌智, 孙一坚. 短期供热负荷的灰色拓扑预测[J]. 煤气与热力, 1999(3): 51-54. doi: 10.3969/j.issn.1000-4416.1999.03.014 [18] 展卫红, 许祝华, 姜玲. 人工鱼礁建设对海州湾海域水质改善的作用分析[J]. 海洋开发与管理, 2016, 33(9): 104-108. doi: 10.3969/j.issn.1005-9857.2016.09.021 [19] 赵玉庭, 苏博, 李佳蕙, 等. 2013年春季莱州湾海域理化环境及水质状况分析[J]. 渔业科学进展, 2016, 37(4): 74-80. doi: 10.11758/yykxjz.20150822001 [20] 陈彦晖, 甘爱平. 灰色波形预测模型的改进及应用[J]. 统计与决策, 2016(6): 75-78. [21] 邹煜星, 邓敏. 基于长时卷积深度网络的交通流预测方法[J]. 测绘与空间地理信息, 2019, 42(7): 131-133, 137. doi: 10.3969/j.issn.1672-5867.2019.07.038 [22] 邓洪高, 姚鹏远, 孙希延, 等. 灰色马尔科夫Verhulst动态模型在滑坡形变预测中的应用[J]. 科学技术与工程, 2019, 19(13): 50-55. doi: 10.3969/j.issn.1671-1815.2019.13.007 [23] 王雨晴, 宋戈. 城市土地利用综合效益评价与案例研究[J]. 地理科学, 2006, 26(6): 743-748. doi: 10.3969/j.issn.1000-0690.2006.06.017 [24] 赵新生, 孙伟富, 任广波, 等. 海州湾海洋牧场生态健康评价[J]. 激光生物学报, 2014, 23(6): 626-632. doi: 10.3969/j.issn.1007-7146.2014.06.020 [25] 符小明, 唐建业, 吴卫强, 等. 海州湾生态修复效果评价[J]. 大连海洋大学学报, 2017, 32(1): 93-98. [26] 陈浩龙, 王瑞荣, 薛楚, 等. 钱塘江年极值高潮位的灰色拓扑预测[J]. 安徽农业科学, 2015, 43(32): 15-17. doi: 10.3969/j.issn.0517-6611.2015.32.005 -
期刊类型引用(6)
1. 韩昕彤，赵景瑶，王晓梅，张忠山. 藻蓝蛋白面霜的制备与性能研究. 湖州师范学院学报. 2024(08): 29-35 . 
百度学术
2. 陈佳琪，陆晓丹，沈熠杰，陈沛欣，杨清羽，贾茹，郭泽镔. 超声辅助制备带鱼副产物糖蛋白工艺优化. 食品研究与开发. 2023(02): 73-79 . 百度学术
3. 方伟，丁瑞霞，陈明强，王雨，赵旺，温为庚，马振华. 茶多酚对马氏珠母贝外套膜组织和细胞培养的影响. 南方水产科学. 2023(05): 58-65 . 本站查看
4. 韩梦瑶，李新月，王晓梅，王国治，叶金云，张忠山. 大口黑鲈鱼皮胶原蛋白肽的制备及抗氧化活性研究. 食品与机械. 2022(04): 175-182+194 . 百度学术
5. 王宝宇，顾婷，陈怡，袁丽萍，李开伶，肖培云，杨永寿. 美洲大蠊糖肽的分离纯化及免疫调节活性筛选. 化学研究与应用. 2022(07): 1509-1516 . 百度学术
6. 欧阳彤，余蔚，尚壮壮，任鼎鼎，伍彬，郑惠娜. 马氏珠母贝黏液糖蛋白组成及其体外抗癌活性研究. 农产品加工. 2022(18): 1-5+12 . 百度学术
其他类型引用(5)
计量
- 文章访问数: 5444
- HTML全文浏览量: 1974
- PDF下载量: 23
- 被引次数: 11
粤公网安备 44010502001741号
