基于铜绿假单胞菌的微生物燃料电池产电性能与抗生素检测研究

来源 :华侨大学 | 被引量 : 0次 | 上传用户:siyu321
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
微生物燃料电池(Microbial fuel cell,MFC)作为一种新型的污染物检测传感器,受到国内外学者的广泛关注。本文的研究目的是使用商品化易得的廉价电极构建MFC生物传感器,检测不同浓度的环丙沙星和妥布霉素。首先,我们对比研究三种不同碳毡、碳布和碳刷阳极对基于铜绿假单胞菌MFC产电性能的影响。然后,我们从中选取具有最优产电性能的碳毡电极构建基于MFC的生物传感器,通过输出电信号监测、细菌活性测定、吩嗪浓度测定、阳极表面生物膜定性和定量测定,分别检测环丙沙星和妥布霉素。其次,我们通过稀释肉汤法、结晶紫染色法和激光共聚焦法对比研究不同浓度环丙沙星和妥布霉素对铜绿假单胞菌生长和成膜的影响。主要研究结果如下:1、不同阳极材料对基于铜绿假单胞菌的MFC产电性能影响结果表明,基于碳毡电极MFC、基于碳布电极MFC和基于碳刷电极MFC的最大输出功率密度分别为188.57±2.1 mW/m~2、88.36±1.1 mW/m~2和97.09±1.8 mW/m~2,电池内阻值Rct分别为2813.24Ω、4322.16Ω和4909.74Ω。基于碳毡电极的MFC具有最小电池内阻并产生最高输出功率,我们选取碳毡电极构建基于碳毡电极的MFC检测抗生素。2、稀释肉汤法结果说明,环丙沙星浓度在0-1μg/mL时会促进铜绿假单胞菌的生长,环丙沙星浓度在2-64μg/m L时会抑制铜绿假单胞菌的生长。基于铜绿假单胞菌的MFC检测环丙沙星研究结果表明,环丙沙星浓度为0μg/mL时,MFC产生的最大输出电压为154.06±1.20 mV。环丙沙星浓度为0.5μg/mL和1μg/mL时,MFC的最大输出电压分别为149.96±2.1 mV和143.65±1.1 mV,相比对照组下降2.6%和6.7%。环丙沙星浓度为2μg/mL和5μg/mL时,MFC的最大输出电压分别为120.75±1.7 mV和100.61±2.2 mV,相比对照组下降21.6%和34.7%。环丙沙星浓度为10μg/mL和20μg/mL时,MFC的最大产电电压分别47.037±1.06 mV和45.23±0.85 mV,相比对照组下降69.5%和70.8%。环丙沙星浓度为40μg/mL时,MFC几乎不产电。随着环丙沙星浓度的增大,MFC的最大输出电压逐渐下降。3、稀释肉汤法结果说明,妥布霉素浓度在0-0.5μg/mL时会促进铜绿假单胞菌的生长,妥布霉素浓度在1-64μg/mL时会抑制铜绿假单胞菌的生长。基于铜绿假单胞菌的MFC检测妥布霉素研究结果表明,妥布霉素浓度为0μg/mL时,MFC产生的最大输出电压为154.06±1.20 mV。妥布霉素浓度为0.5μg/m L时,MFC的最大输出电压为144.43±1.1 mV,相比对照组下降1.9%。妥布霉素浓度为1μg/mL和2μg/m L时,MFC的最大输出电压分别为123.39±1.8 mV和110.40±1.4 mV,相比对照组下降19.9%和28.2%。妥布霉素浓度为5μg/mL和10μg/mL时,MFC的最大产电电压分别81.10±1.86 mV和62.02±2.46 mV,相比对照组下降49.4%和55.2%。妥布霉素浓度为20μg/mL时,MFC几乎不产电。随着妥布霉素浓度的增大,MFC的最大输出电压逐渐下降。本文从三种商品化廉价电极中选出了具有最优电化学性能的碳毡材料构建基于铜绿假单胞菌的MFC传感器,成功检测了不同浓度的环丙沙星和妥布霉素。为抗生素的检测提供了一种新的方法。
其他文献
我国夏热冬冷地区冬季存在供暖需求,常采用对流空调。但其冬季室内供暖热环境不理想,有提升热舒适的同时不大幅增加能耗的需求。辐射地板营造的室内热环境比对流空调舒适性更
近年来,随着生态文明理念的提出,国家对林业的重视程度逐年升高,林业生产活动逐渐增多,林业用地进一步增加。森林资源具有多方面作用,不仅可作为生产活动的物质资源,作为原材
电商的蓬勃发展推动了物流业的迅猛前行,车辆路径问题(Vehicle Routing Problem,VRP)作为物流过程中重要的优化问题,发挥的经济和社会价值越来越大。但是随之而来的高退货率问题对物流公司提出了更高的逆向物流要求,也成为小包裹运输公司发展的瓶颈。此外,在越来越注重客户体验的时代背景下,如何建立与客户之间的牢固关系,也是公司占据竞争优势的关键。集配一体化车辆路径问题(Vehicle
无人驾驶技术一直以来都是学者研究的重要方向,近些年人工智能产业、高精度雷达技术的高速发展以及5G技术的商用等都对自动驾驶技术的发展提供了很大支持。深度强化学习集深度学习的感知能力和强化学习的决策能力于一体,对于处理自动驾驶这种需要感知环境并进行驾驶决策的领域具有良好的适用性,所以利用深度强化学习算法进行决策技术的研究具有很重要的现实意义。通过分析无人驾驶技术和深度强化学习技术的现状,针对不同深度强