日前，劳伦斯伯克利国家实验室的科学家们已经开发出一种高度精确的基于DNA方法来检测和区分水中微生物污染源。在加利福尼亚北部俄罗斯河流域试验中，伯克利实验室研究人员发现，他们屡获殊荣的信用卡大小的装置——PhyloChip，可以检测出超过60000种细菌和古细菌存在，这一新方法在评估健康风险方面比传统方法更敏感。并在最近的《水研究》杂志上发表，题为“使用PhyloChip和机器学习分类法追踪受损流域微生物源”。研究人员指出使用PhyloChip，可以在一夜的测试中对任何给定的样本得到微生物全图。
以前地方水利机构做的是收集水样，培养细菌过夜，然后检查两种被假定为是粪便污染指标的细菌生长水平：大肠杆菌和肠球菌。然而，这种方法不区分来源。这些细菌可能来自人类、奶牛、鸭子、污水，甚至是腐烂的植物。来自点源的污染，如污水，随着时间的推移已被清理干净，新兴的关注已被称为非点源，或分散源，他们遍布整个流域，如农地。由Andersen和其他几个伯克利实验室科学家开发的PhyloChip，已用于一些医疗、农业和环境用途，包括了解空气污染、珊瑚礁生态和BP漏油事件后墨西哥湾的环境条件。通过100万个探针，在特定基因的变化基础上，识别出微生物，而不需要做培养。PhyloChip可以为源跟踪提供根本的全新改进方法。
该小组目前正在研究将自然产生的大肠杆菌和肠球菌的微生物群落特征化，他们使用夏威夷温暖水域作为一个试验场。研究人员还将研究气候是否会影响微生物群落。他们正与美国环境保护署（EPA）紧密合作，可能发明一个缩小版的PhyloChip—达到可以由非专家和任何地点普遍使用的程度。采用该方法以应对新出现的赤潮问题，例如，用于理解赤潮形成前后，它们形成过程的微生物机制，特别是源于中西部地区畜牧业生产的径流与大湖赤潮问题是否有关。
论文信息：Microbial source tracking in impaired watersheds using PhyloChip and machine-learning classification. Water Research, 2016; 105: 56
