028-8525-3068
新闻动态 News
News 行业新闻

网络分析和后续培养揭示了参与微生物凋落物分解动力学的关键类群

日期: 2022-07-07
标签:


文献解读


原名:Network analysis and subsequent culturing reveal keystone taxa involved in microbial litter decomposition dynamics

译名:网络分析和后续培养揭示了参与微生物凋落物分解动力学的关键类群

期刊:Soil Biology and Biochemistry

IF:8.5

发表时间:2021.6

通讯作者:徐阳春

主要单位:南京农业大学资源与环境科学学院


一、研究背景

土壤中植物凋落物的分解由定殖在凋落物残体上的细菌和真菌等微生物驱动,因此,细菌和真菌群落的相互作用可以揭示木质素的分解机制。以往的研究主要是在微生境、异地条件或单一土壤生态系统中研究凋落物分解的微生物群落。而本研究通过为期12周的室内凋落物(秸秆)分解实验,探讨三种不同利用类型(林地、农田和弃耕地)的土壤中凋落物分解与酶活性和微生物群落变化的关系。本研究发现:(1)三类土壤中林地凋落物的分解程度最高;(2)然后,我们用多种方法证明了这是由微生物群落决定的,林地土壤微生物群落具有更高活性的木质素分解酶,更高的微生物多样性,以及不复杂但更专门化的网络。细菌中的Chryseobacterium(金黄杆菌属)和真菌中的Fusarium(镰刀菌属)、Aspergillus(曲霉菌属)、Penicillium(青霉菌属)是三类土壤微生物网络中的关键类群;(3)我们随后开展了分离培养实验,进一步证实了这些关键类群具有高的凋落物分解能力和酶活性。本研究首次验证了微生物关键类群在凋落物分解中的作用,网络分析与培养实验的结合被证明是筛选微生物关键类群的可选模式。总体而言,我们的结果说明,土地利用类型通过土壤微生物群落的组成和网络结构进而影响凋落物的分解。我们的研究还揭示了特定的关键微生物类群参与了凋落物的分解,未来或许可以利用这些关键类群来调控土壤生态系统中木质素的分解。


二、研究结果


1. 凋落物分解及其质量的变化随着时间的推移,土地利用类型对凋落物分解有明显影响,在第2周和第12周,林地的凋落物分解率最高,而弃耕地的凋落物分解率最低。在第12周后,林地、农田和弃耕地凋落物的分解率分别达到63.42%、53.75%和50.38%(图1-a)。林地凋落物分解常数显着高于耕地和弃耕地。土地利用类型和时间对凋落物分解都有显著影响。不同土地利用类型的凋落物组成也有显著变化(图1 b-d)。土地利用类型和时间都会影响凋落物质量的变化。


网络分析和后续培养揭示了参与微生物凋落物分解动力学的关键类群

图1. 林地、农田和弃耕地凋落物分解及质量变化


2. 酶活性的变化不同土地利用类型的纤维二糖水解酶、β-葡萄糖苷酶、β-木聚糖酶和漆酶的活性也存在显著差异(图2 a-d)。在整个采样期间(包括初始时间),林地中的所有酶活性均显著高于农田和弃耕地,但是每种酶的活性表现出不同的趋势。四种酶活性的总酶活性(Z-score)显示:林地的总酶活性显著高于其他两个位点(图S3)。木质素酶活性与凋落物分解呈显著的正相关关系(P<0.001,图2-e)。具体而言,β-葡萄糖苷酶与三种土壤的纤维素和半纤维素显著相关。漆酶与木质素也显著相关。土地利用类型和时间都显著影响凋落物质量的变化。这些结果表明,三种土壤的凋落物分解与相关酶活性之间存在很强的相关性。

网络分析和后续培养揭示了参与微生物凋落物分解动力学的关键类群

图2. 林地、农田和弃耕地中(a)纤维二糖水解酶、(b)β-葡萄糖苷酶、(c)β-木聚糖酶和(d)漆酶的变化。(e)四种纤维素酶活的总和(Z-score)与凋落物分解的关系



3. 凋落物分解过程中微生物群落的演替细菌和真菌群落都随时间显著变化。富集培养2-12周后,秸秆表面的微生物群落与初始样品(未培养前)的微生物群落明显不同。在前期和后期,林地土壤的细菌总量(绝对丰度)都显著高于农田和弃耕地(图3-a)。凋落物开始分解后,细菌的OTU丰富度立即下降(图3-c),表明掺入秸秆后来自土体的细菌群落开始发挥作用(分解秸秆)。随着分解的进行,细菌OTU丰富度随时间增加,在第6周和第8周达到最高,然后再下降(图3-c)。林地土壤的细菌群落与农田和弃耕地土壤的细菌群落不同(图3-e),并且这些差异在整个采样期间都十分明显。凋落物分解过程中的优势细菌门为变形菌门(Proteobacteria)、拟杆菌门(Bacteroidetes)、放线菌门(Actinobacteria)和绿弯菌门(Chloroflexi)(图3-g)。三种土壤中这些优势菌门的变化趋势不同。另外,在林地中,只有细菌的β多样性(PCoA1)与木质素呈显著负相关关系。这些结果表明,在凋落物分解过程中细菌群落随不同生态系统类型(土壤类型)而变化。一般来说,真菌群落只受土壤类型的影响。在所有时间点,林地真菌的绝对丰度显著高于农田和弃耕地(图3-b)。与细菌群落类似,在第2周真菌的OTU丰富度显著下降(图3-d)。在第2周和第6周,林地真菌的OTU丰度显著高于其他两种土壤(图3-d)。林地真菌的群落结构与农田和弃耕地也显著不同(图3-f),这种差异在第0、2、6和12周的表现一致。凋落物分解过程中(包括三种土壤和所有采样时间)的优势真菌门为子囊菌门(Ascomycota)和担子菌门(Basidiomycota)(占总序列的70-99%;图3-h)。在第4周和第6周,担子菌门(Basidiomycota)在农田和弃耕地中占主导地位,包括Coprinopsis和Psathyrella属。


网络分析和后续培养揭示了参与微生物凋落物分解动力学的关键类群
网络分析和后续培养揭示了参与微生物凋落物分解动力学的关键类群

图3. 凋落物分解实验(12周)中,林地、农田和弃耕地土壤细菌和真菌的总丰度、多样性、群落结构及分类组成的变化



4. 微生物共生网络及关键类群三种土壤的网络复杂度差异较大。与农田和弃耕地相比,林地微生物网络的复杂度较低(图4-a和b)。弃耕地的微生物网络最为复杂,其边数、平均度和聚类系数均高出(林地微生物网络)2倍(图4-b)。关键微生物类群主要属于细菌中的放线菌门(Actinobacteria)、拟杆菌门(Bacteroidetes)、绿弯菌门(Chloroflexi)和变形菌门(Proteobacteria),以及真菌中的子囊菌门(Ascomycota)。删去关键类群OTU后,我们重构了三种土壤的共生网络,以评估其对网络的影响。结果表明,如果没有关键类群的OTU,微生物网络就会变得更简单。为了进一步验证这些关键类群,我们将筛选出60个关键类群OTU与可培养的34株细菌和17株真菌菌株进行了系统发育地位匹配。结果显示,60株中有5株为可培养的菌株,其中林地(TU3451,Penicillium sp.ZJ-F2;TU3409,Fusarium sp.ZJ-F3)、农田(OTU10384,Chryseobacterium sp.QL-B4;TU84,Aspergillus aculeatus QL-F3)和弃耕地(TU1317,Aspergillussp.BG-F2)(图4-b)。


网络分析和后续培养揭示了参与微生物凋落物分解动力学的关键类群

图4.三类土壤中细菌和真菌OTUs共生网络



5. 潜在关键物种的(凋落物)分解效能。我们进一步对这5个关键菌株(Penicillium sp.ZJ-F2、Fusariumsp.ZJ-F3、Chryseobacterium sp.QL-B4、Aspergillusaculeatus QL-F3、Aspergillus sp.BG-F2)的凋落物分解能力进行了评估。结果发现,来自林地的Penicillium sp.ZJ-F2菌株的凋落物分解能力显著高于其他两种类型的土壤(图5-a)。此外,Fusariumsp. ZJ-F3菌株和Aspergillussp.BG-F2菌株的凋落物分解能力显著高于Chryseobacterium sp.QL-B4和Aspergillusaculeatus QL-F3菌株(图5-a)。Penicillium sp. ZJ-F2菌株还具有最高的纤维二糖水解酶、β-木聚糖酶、β-葡萄糖苷酶和漆酶活性(图S13)。用Z-score计算四种酶活的总活性,结果发现:Penicilliumsp. ZJ-F2菌株的Z-score最高、凋落物分解能力最强;Chryseobacterium sp.QL-B4的Z-score最低、凋落物分解能力最差(图5-b)。相关性分析进一步证实了凋落物分解与关键类群(凋落物分解与Z-score值正相关)之间的相关性(图5-c)。这些结果表明,可通过构建共生网络初步筛选潜在的关键微生物类群以进一步探索相关的微生物功能。


网络分析和后续培养揭示了参与微生物凋落物分解动力学的关键类群

图5.秸秆液体发酵实验(7天)中,凋落物分解的关键类群和四种纤维素酶活的总和(Z-score)


三、结论


在凋落物分解过程中,木质素分解酶活性、微生物群落结构和共生模式(网络)发生了变化,这些变化受土地利用类型的影响。具体而言,林地土壤凋落物分解程度较高的原因是木质素降解酶活性较高、微生物多样性较高、微生物网络不那么复杂但更为专门化。因此,我们的结果表明,土地利用类型影响的土壤微生物演替介导的土壤凋落物分解。基于共生网络分析和后续的分离培养实验,我们确定了土壤凋落物分解相关的关键类群。这些类群表现出很强的凋落物分解能力和酶活性。网络分析与培养实验的结合是筛选微生物关键类群的可选模式。此外,强调了通过网络评分确定的关键分类群可以通过培养筛选来表征。此外,这是一次利用统计经验验证微生物工程和代谢模型中关键类群的成功尝试。


  • 最新资讯 MORE+
  • 点击次数: 0
    2026 - 09 - 11
    CUE / 18O-H2O示踪法微生物碳利用效率是指微生物分配给生长的碳量占吸收总碳量的比率,它反映了微生物合成代谢和分解代谢之间的平衡。影响土壤CUE的因素是多方面的,包括非生物因素(如pH、温度、水分和土壤质地等)和生物因素(如微生物群落结构、微生物多样性和生物量等)。这些因素通过复杂的相互作用影响CUE,从而影响土壤碳循环和生态系统功能。实验流程计算公式NUE / 15N同位素稀释法微生物氮利用效率是指微生物将获得的有机氮分配到生物量形成过程中的效率,相对于超过氮素矿化释放的微生物需氮量。土壤微生物NUE 受多重因素耦合调控,可划分为非生物因素(温度、水分、pH、土壤质地、养分化学计量比等)与生物因素(微生物群落结构、多样性、生物量及代谢途径等)。各因素通过交互作用调控微生物氮代谢过程,改变NUE水平,进而影响土壤氮循环效率与生态系统氮素平衡。实验流程计算公式CAE / 13C-葡萄糖标记法在 ¹³C‑葡萄糖添加培养实验下,外源底物碳经过微生物转化后,保留在土壤体系内的碳占总输入底物碳的比例;用来表征土壤微生物碳泵框架下,微生物将活性底物转化、留存为微生物源碳的综合转化积累效率。实验流程计算公式
  • 点击次数: 0
    2026 - 09 - 11
    对于科研检测而言,数据的准确性取决于全流程质控体系的严密性。今天我们将从收样、制备、实验室管理到数据审核,依次说明各环节的质量控制措施。样品接收与核对样品到达实验室后,接收人员依据委托单逐项核对样品编号、数量、包装形式、保存条件及检测项目。样品状态需进行影像记录,任何信息不一致或状态异常,均暂停接收并联系送样方确认。同时,实验室对样品接收环境实施监控。收样区配备温湿度记录仪,数据可追溯;根据指标需求储存到对应温度的冰箱或冷库,需要低温保存的样品立即转入 4℃专用冰箱 、-20℃冷冻库、-40℃冷冻库,并记录入库时间与位置。样品制备样品核对无误后,进入制备间。制备间实行分区管理,不同样品类型使用独立操作台,避免交叉污染。质控样品的添加是制备环节的关键步骤。质控室根据当批次样品数量,按计划比例插入密码样,并生成《质控样品对照表》移交数据审核环节。密码样编号与客户样品编号混合编排,实验操作人员无法识别。实验室内部质量保障实验室管理规则 检测过程中有标准方法按标准方法执行,无标准方法则按通用准则执行。1.实验室质控管理规则:a.每次检测建立标准曲线,且校准曲线的线性相关系数应不小于0.999b.按5%比例添加中间校核点,校核点偏差小于10%c.每批样品必须添加至少两个标准空白,两个样本空白;5%的平行;每批样品必须要有质控2.样品组添加的密码样3.质控室对相关人员进行盲样考核、仪器比对、人员比对等4.定期参加国家级或省级能力验证/评估公司人员培训 培训机制:实验室实行常态化培训与考核制度,理论讲授与实操演练并重,确保技术人员既掌握操作技能,也理解方法原理与质控逻辑。培训内容:覆盖标准方法理解、仪器原理与操作、日常维护、常见故障排除、质量控制规范、数据记录及安全要求等,形成系统的岗位能力培养体系。上岗要求:新进人员须完成全部培训模块,并通过理论与实操双重考核后方可...
  • 点击次数: 0
    2026 - 09 - 09
    测定方法取新鲜样品,加入液氮,研磨成粉状,密封,置于-80℃冰箱保存。称0.2g样品于离心管,加适量同位素内标,2mL乙腈水溶液,4℃冰水浴超声30min。离心,取上清液。重复提取一次,合并上清液。依次用甲醇、水、乙腈水溶液活化固相萃取柱,上样,用乙腈水溶液洗脱,收集全部流出液。浓缩,用50%甲醇水溶液复溶,过0.22μm滤膜,待测。部分激素(吲哚-3-乙酸甲酯、茉莉酸甲酯、12-氧代植二烯酸)使用甲酸乙腈溶液提取,方法同上。收集上清液,加适量无水硫酸镁和C18,振荡,离心,取适量上清液浓缩近干,用50%甲醇水溶液复溶,过0.22μm滤膜,待测。标准曲线绘制分别取适量标准标准溶液及内标溶液,用50%甲醇水溶液定容至1mL,配制成目标物质量浓度为:1.0ng/mL、2.0ng/mL、5.0ng/mL、10ng/mL、20ng/mL、50ng/mL、100ng/mL、200ng/mL、500ng/mL,内标浓度为100ng/mL系列标准溶液。仪器条件100μg/L标准样品多反应监测(SRM)质量色谱图附:结果表示:目标物含量以ng/g表示
  • 点击次数: 0
    2026 - 09 - 09
    在双碳目标的大背景下,大气碳减排、植被固碳的研究已日趋成熟,而土壤作为陆地生态系统中最大的碳库,其固碳增汇潜力巨大,是实现碳中和、缓解温室效应的重要路径之一。具体可以从以下几个方面分析:01碳固存存量基础指标此类指标为土壤碳固存核心本底参数,直接量化土壤整体储碳体量,是碳汇核算与固碳能力评估的基础必测指标。其中土壤有机碳(SOC)和土壤无机碳(SIC)分别表征土壤有机与无机碳库的总储量,碳酸钙当量作为SIC的细分指标,可用于评估特定区域(尤其是石灰性土壤)无机碳的富集程度。上述指标整体用于区域土壤碳库存量统计及同类型土壤/气候区内不同生态系统固碳本底的横向对比。02碳库稳定性组分指标此类指标用于细化土壤碳库活性与稳定性结构,是评价土壤固碳质量、固碳长效性的核心体系。其中可溶性有机碳、活性有机碳代表土壤短期高周转活性碳库;颗粒有机碳、难降解有机碳属于中稳定碳组分,反映中期固碳积累能力;矿物结合有机碳代表经微生物转化形成的长期稳定碳库,苯多羧酸作为惰性芳香族组分的生物标志物,两者共同用于指示土壤中长期稳定固碳的贡献,是判断土壤长效碳汇能力的重要依据。03碳固存生物功能指标此类指标聚焦微生物介导的土壤碳固存微观过程,是解析固碳机制、量化固碳效率的关键指标。微生物量碳反映土壤微生物碳库规模,磷脂脂肪酸表征微生物群落结构组成;碳循环酶活性调控有机碳分解与转化速率,反应微生物的代谢功能状态;氨基糖作为微生物坏死物的特异性生物标志,结合稳定同位素分析可用于追踪微生物源碳在土壤中的积累与周转动态;微生物碳利用效率CUE直接表征土壤碳同化固碳与呼吸损耗的平衡关系,是评价土壤净固碳能力的核心功能参数。04碳固存驱动理化指标此类指标属于土壤碳固存关键环境驱动因子,不直接表征固碳存量,但决定土壤碳固存潜力与稳定性。土壤pH通过调控CO2分压与碳酸盐溶解平衡,影响无机碳的沉淀与释放,钙镁盐基离子影响...
文体活动 MORE+
案例名称: 孵化中心
说明: 栢晖生物科技有限公司项目孵化中心成立于2015.06.01日,研发领域涉及生物试剂耗材、仪器、新产品开发及各生物科技服务类项目等。自成立以来,陆续吸引了大批专家教授加盟合作,并与全国数十家高校及知名企业建立了良好的合作关系。中心共有博士及以上学位骨干人员10人,专门负责公司新产品研发等工作,已成功研发出无线温度监控器及NO检测试剂盒等产品(详情见成功案例),另有细胞分选仪等三个项目正在积极孵化当中。
2017 - 05 - 31
案例名称: 孵化中心流程
说明:
2017 - 07 - 17
微信公众号
检测咨询热线
 
地址:四川省成都市成华区龙潭街道成业路7号联东U谷二期7栋10楼
          湖南省长沙市芙蓉区雄天路98号广发隆平创业园2栋6002
官方热线:028 8525 3068
投诉电话:18181920125
传真:+86 0755-2788 8009
Copyright ©2005 - 2013 成都栢晖生物科技有限公司
犀牛云提供企业云服务