Fylogenetisk identifikation af NosZ-bærende denitrifikanter og undersøgelse af denitrifikationsrater ved single- og kombinationssubstrat
Forfatter
De La Calle Aramburu, Ricardo Israel
Semester
7. semester
Udgivelsesår
2009
Antal sider
67
Resumé
Dette projekt undersøger, hvordan udformning og drift af spildevandsrensningsanlæg påvirker denitrificerende bakterier i aktivt slam, og vurderer om NosZ-genet kan bruges som molekylær markør til at identificere disse bakterier. Denitrifikation er den proces, hvor bakterier omdanner kvælstofforbindelser til kvælstofgas, så kvælstof fjernes fra spildevandet. Vi testede aktivt slam fra tre nordjyske anlæg: Aalborg Rensningsanlæg Øst (AAØ), Aalborg Rensningsanlæg Vest (AAV) og Aabybro Rensningsanlæg. Vi tilsatte forskellige kulstofkilder (acetat, casaminoacider og en kombination af de to) og målte både denitrifikationshastighed og ændringer i den denitrificerende bakteriepopulation. Resultaterne viste, at acetat gav hurtigere denitrifikation i alle tre anlæg. Kombinationen af substrater gav hastigheder, der var på niveau med eller højere end acetat alene, hvilket tyder på, at forskellige denitrificerende bakterier foretrækker forskellige substrater. Casaminoacider gav derimod lave denitrifikationshastigheder. Anlæggenes konfiguration havde stor betydning. På AAØ og AAV indgår en sidestream-hydrolyse, som gav bakterierne længere tilpasningstid og via hydrolyse og fermentering leverede let tilgængeligt organisk stof til denitrifikationen. For at identificere NosZ-bærende denitrificerende bakterier anvendte vi PCR og sammenlignede de opnåede NosZ-sekvenser med kendte sekvenser i GenBank. Ud fra disse alignments blev der opbygget et sekvensbibliotek og et fylogenetisk træ, som lignede træer fra tidligere undersøgelser baseret på 16S rRNA og NosZ. Betaproteobakterier dominerede det aktive slam i alle tre anlæg. Desuden var der tydelige forskelle mellem bakterier dyrket i laboratoriet og bakterier i aktivt slam. Valg af primere og sekvenslængde havde stor betydning for resultaternes pålidelighed. NosZ kan bruges til identifikation af denitrificerende bakterier, men bør suppleres med andre analyser, fx kvantitativ FISH (fluorescens in situ hybridisering).
This thesis examines how the design and day-to-day operation of wastewater treatment plants affect denitrifying bacteria in activated sludge, and evaluates whether the NosZ gene can serve as a molecular marker to identify these bacteria. Denitrification is the process where bacteria convert nitrogen compounds into nitrogen gas, removing nitrogen from wastewater. We tested activated sludge from three plants in North Jutland: Aalborg WWTP East (AAØ), Aalborg WWTP West (AAV), and Aabybro WWTP. We added different carbon sources (acetate, casamino acids, and a mix of both) and measured denitrification rates and changes in the denitrifier community. Acetate led to faster denitrification in all three plants. The mixed substrate produced rates similar to or higher than acetate alone, suggesting that different denitrifiers prefer different substrates. Casamino acids resulted in low denitrification rates. Plant configuration mattered. At AAØ and AAV, a sidestream hydrolysis step appeared to support higher denitrification by giving bacteria longer adaptation time and supplying easily accessible organic matter through hydrolysis and fermentation. To identify NosZ-carrying denitrifiers, we used PCR and compared the resulting NosZ sequences with known entries in GenBank. From these alignments we built a sequence library and a phylogenetic tree that closely resembled trees reported previously based on 16S rRNA and NosZ. Beta-proteobacteria dominated the activated sludge in all three plants. We also observed clear differences between bacteria grown in the lab and those living in activated sludge. The choice of PCR primers and the length of sequences strongly affected the reliability of the results. NosZ can be used to identify denitrifiers, but it should be complemented with other methods, such as quantitative FISH (fluorescence in situ hybridization).
[Dette resumé er omskrevet med hjælp fra AI baseret på projektets originale resumé]