# 预测性监测、识别及控制饮用水源水体中微囊藻水华的爆发：一种结合人工智能与生物信息学的方法

《Journal of Hazardous Materials》：o#Predictive monitoring, identification, and control of Microcystis blooms in a drinking water source basin: An integrative artificial intelligence and bioinformatics approach

HABs威胁饮用水安全，本研究构建AI预测与生物信息学诊断的整合框架，实现Microcystis藻华提前一周预警（R2=0.76-0.9），并通过全基因组测序解析毒理特征与生态适应性，验证水厂处理效能。

　　

作者：Hiep T. Nguyen | Jonathan Wijaya | Jaehyung Kim | Jung Eun Lee | Jeong-Ki Yoon | Seungdae Oh

韩国庆熙大学工程学院土木工程系，龙仁市

摘要

有害藻华（HABs）对饮用水供应系统构成了严重挑战；然而，目前对饮用水源区域的监测方法主要还是被动反应式的。为了解决这一问题，我们提出了一个综合框架，将人工智能（AI）预测技术与基于菌株解析的生物信息学诊断方法相结合，以实现主动监测可能导致藻华发生的有害藻类。所采用的AI模型利用了环境输入特征，并经过优化，达到了较高的预测准确性（高达0.9 R2），同时具备早期预警能力（提前1周）。可解释的AI技术指出有机化合物和氮化合物是预测藻华事件的主要因素。通过短读长序列测序进行的系统基因组分析揭示了导致藻华的微囊藻（Microcystis）菌株的群体结构、毒理学特性及其生态适应性。在一家全规模饮用水处理厂进行的实地调查及生物信息学分析显示，微囊藻被完全去除。本研究通过生物信息学方法确定了该处理厂中各处理单元在去除微囊藻方面的相对优势和劣势。总体而言，这项研究建议将预测性监测和诊断框架整合到水源管理方案中，从而推动从被动的事后管理向主动的、基于风险的控制方式的转变。

引言

清洁的饮用水对于维护公共健康、经济生产力和生活质量至关重要。全球范围内，水污染导致数百万人死亡，其中弱势群体的负担更为沉重[1]；而饮用水源的退化大大增加了水务公司及相关企业的运营成本。有害藻华（HABs）是水源管理面临的最紧迫挑战之一，由于需要额外的水处理费用、娱乐活动的丧失以及供水中断，造成了巨大的经济损失[2]。有害藻华还会影响水质、干扰水处理厂的运行，并释放即使在低浓度下也具有危险性的毒素[3]。由于气候变化有利于浮游且能产生毒素的蓝细菌的生长，全球超过三分之二的大型湖泊在夏季的藻华强度有所增加[4]，因此对水源进行仔细监测和管理变得十分必要。

有害藻华进入全规模饮用水处理厂后会产生一系列负面后果，包括过滤器堵塞、污泥积累，以及藻细胞及其胞内/胞外毒素的泄漏，从而导致消费者因水质不佳或异味（如土臭素和2-MIB）而投诉[2]、[3]、[5]。例如，2014年伊利湖发生的藻华事件导致美国超过40万居民被建议不要饮用该地区的水，造成了至少6500万美元的经济损失[6]。

对公共健康和经济的影响进一步凸显了在从水源到终端供水过程中进行主动监测、识别和处理策略的重要性。然而，现有的监测和识别方法主要依赖于低分辨率、耗时的显微镜观察。这些传统方法大多是被动反应式的，只能在事件发生后才采取行动，且无法检测到对公共健康构成威胁的毒性生态特征[7]、[8]。最近，有人提出将人工智能（AI）模型作为主动监测藻类的有力工具[9]。尽管这种方法很有前景，但以往的研究大多集中在预测藻类浓度或叶绿素浓度上。由于有害藻华在藻华特征、毒素表达以及生态系统/人类健康风险方面存在物种间差异，因此有必要从仅监测藻类浓度或叶绿素浓度转向基于物种的主动监测框架。现有方法的局限性表明，需要一种综合性的预测性监测和诊断系统，以可持续管理饮用水。

基于这一需求，本研究旨在：(i) 建立一个基于水质和气候数据的有害藻华预测监测框架；(ii) 采用可解释的AI（XAI）来解释环境因素与有害藻华之间的相互作用；(iii) 通过整合全基因组基因分型和系统基因组学，对导致藻华的物种进行生物信息学诊断，以识别相关危害；(iv) 确定有害藻类在全规模饮用水处理厂处理过程中的命运和去除情况。为了提高预测性能，我们对多种算法和特征集进行了系统优化。XAI用于评估对有害藻华影响最大或响应最强烈的环境因素。通过宏基因组分析，我们解析了菌株级别的群体结构、毒素类型和基因型，从而确定了有助于在水源区域生长和生存的生态特性，以及单个菌株的毒性潜力和生态位。此外，我们还系统地研究了有害藻类在全规模饮用水处理厂处理过程中的动态命运和去除情况，并讨论了这种集成监测和生物信息学诊断方法在大型饮用水处理厂设计、运营和维护中的实际意义和未来发展方向。

研究地点和数据收集

研究地点位于韩国庆尚省的 Nakdong 河。Nakdong 河是韩国最长的河流，长度超过500公里，是超过1300万人的主要淡水来源，这些人口将其用于生活用水、农业和工业活动。研究从 Nakdong 河下游地区的水源（Inf）和接收该水源的全规模饮用水处理厂（Eff）的出水（Eff）中采集了水样。

饮用水源区域中以微囊藻为主的藻华的宏基因组学和实验观察

本研究考察的饮用水源区域如图1A所示。研究地点位于韩国庆尚省 Nakdong 河的下游地区。对地表水微生物组的宏基因组分析显示了多种细菌和真核生物的存在（图1B）。根据宏基因组 SSU rRNA 基因调查，主要的真核藻类包括 Aulacoseira（1.38% ± 0.14%）、Chaetophora（0.93% ± 0.78%）、Volvox（0.67% ± 0.73%）等。

结论

• •
  本研究建立了一个综合性的监测和诊断框架，用于管理以微囊藻为主的有害藻华。
• •
  所提出的AI模型在实时藻华预测（R2 = 0.90）和提前一周的预测（R2 = 0.76）方面表现出高准确性，为实际应用提供了早期预警支持。
• •
  宏基因组分析确定了主要的藻华形成菌株及其生态特征，如氧化应激防御机制、营养吸收/代谢等。

环境影响

有害藻华（HABs）对人类健康构成威胁，并对饮用水安全构成重大风险。本研究建议通过从事后监测转向有害藻华的预测性监测来管理水源中的有害藻华。预测模型利用现场监测的环境数据（如水质、pH值和温度）进行开发，实现了早期预警。基于菌株解析的系统基因组学和生物信息学诊断技术提供了有害藻华的危害评估。

CRediT 作者贡献声明

Hiep T. Nguyen：撰写 – 审稿与编辑、初稿撰写、数据可视化、方法论设计、调查实施、数据分析、数据整理。 Jaehyung Kim：数据资源提供、调查协助。 Jonathan Wijaya：数据可视化、模型验证、软件开发、方法论设计、数据分析。 Jeong-Ki Yoon：撰写 – 审稿与编辑。 Jung Eun Lee：撰写 – 审稿与编辑、初稿撰写、项目监督、方法论设计、资金管理。 Seungdae Oh：撰写 – 审稿与编辑、初稿撰写、项目监督、方法论设计、资金协调。

利益冲突声明

作者声明他们没有已知的可能影响本文研究的财务利益或个人关系。

致谢

本研究得到了韩国环境部（MOE）下属的国家环境研究院（NIER）的资助（项目编号：NIER-2025-01-01-044）。

利益冲突

作者声明他们不存在任何可能影响本文研究的利益冲突。