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
    2024 - 11 - 29
    文献解读原名:Rhizosphere as a hotspot for microbial necromass depositioninto the soil carbon pool译名:根际是微生物残体进入土壤碳库的热点区期刊:Journal of EcologyIF: 5.3发表日期:2024.11.15第一作者:汪其同背景森林土壤是陆地生态系统最大的有机碳(SOC)库,高效发挥森林土壤碳汇功能是实现“双碳”战略目标的重要途径之一。相应地,科学认识森林土壤固碳过程与调控机制已成为当前森林生态学、土壤学领域重要的前沿基础科学问题与林业碳汇功能适应性管理的核心现实需求。近年来不断涌现的证据表明,微生物通过合成代谢而迭代积累的微生物残体很大程度上主导了SOC的长期积累和固持。其中,由于根源C持续输入在根系周围的根际微域形成了一个独特而又典型的微生物热点区,并伴随着更快的微生物生长和更强的微生物代谢活性,进而导致根际区微生物残体对长期SOC积累贡献能力比非根际区更为突出和明显。然而,目前大多研究通常将根际和非根际土壤视为一个均质有机体,而缺乏针对根际区SOC形成过程与稳定性机制的专一性试验研究,导致根际区土壤碳动态过程及其生态重要性在很大程度上未被探索和了解,已成为森林土壤碳汇功能变化认知最少且极为薄弱的关键环节之一。基于此,中国科学院成都生物研究所尹华军研究团队通过系统收集青藏高原典型高寒针叶林39个样点的根际和非根际土壤样品(图1),量化了根际和非根际土壤中有机碳和氨基糖的浓度,并通过计算根际相对于非根际土壤中增加的氨基糖与增加的有机碳的比例(RAS/SOC),评估了微生物残体对根际SOC积累的贡献程度。同时测定了根际土壤养分浓度和微生物生理性状,以揭示多变环境下根际微生物残体对SOC积累贡献的潜在微生物调控机制。图1  39个高寒针叶林采样点分布图我们假设:(1...
  • 点击次数: 0
    2024 - 11 - 21
    土壤酶活性,是指土壤酶催化物质转化的能力。常以单位时间内单位土壤的催化反应产物量或底物剩余量表示。土壤酶活性既包括已积累于土壤中的酶活性,也包括正在增殖的微生物向土壤释放的酶活性,它主要来源于土壤中的微生物,动物和植物。土壤酶活的分类:已知的酶根据酶促反应的类型可分为六大类。即水解酶、氧化还原酶、转移酶、裂合酶、异构酶和连接酶。1. 水解酶类: 酶促各种化合物中分子键的水解和裂解反应。主要包括蔗糖酶、淀粉酶、纤维素酶、脲酶、蛋白酶、磷酸酶等。2.氧化还原酶类: 指催化两分子间发生氧化还原作用的酶的总称。主要包括脱氢酶、过氧化氢酶、过氧化物酶、硝酸还原酶、亚硝酸还原酶等。3.转移酶类: 指能够催化除氢以外的各种化学官能团从一种底物转移到另一种底物的酶类,包括转氨酶、果聚糖蔗糖酶、转糖苷酶等。4.裂合酶类: 指催化由底物除去某个基团而残留双键的反应、或通过逆反应将某个基团加到双键上去的反应的酶的总称,主要包括谷氨酸脱羧酶、天门冬氨酸脱羧酶等。5.异构酶类: 酶促有机化合物转化成它的异构体的反应。6.连接酶类: 是一种催化两种大型分子以一种新的化学键结合一起的酶。测定方法分析:1.生化培养法作为酶活测定的重要方法之一,其又细分为分光光度法和滴定法。分光光度法:其基本原理是酶与底物混合经培养后产生某种带颜色的生成物,可在某一吸收波长下产生特征性波峰,再用分光光度计测定设定的标准物及生成物的吸光值,由此确定酶活性的含量。滴定法:如果产物之一是自由的酸性物质可用此法。如脂肪酶催化脂肪水解释放出脂肪酸,脂肪酸的含量可以通过滴定进行定量,通过计算反应过程中脂肪酸的增加量就可以计算出脂肪酶的酶活力。2.荧光法荧光法是一种基于荧光信号的酶活测定方法,其原理是通过测量酶促反应中荧光物质的变化来推算酶活性。荧光法具有较高的灵敏度和选择性,...
  • 点击次数: 0
    2024 - 11 - 14
    草原土壤储存有439 Gt有机碳(SOC),在调节区域乃至全球气候变化进程中起着重要作用。然而,全球气候变化背景下,大气氮沉降的“施肥效应”强烈地影响着土壤碳储存。因此,明确高寒草甸SOC组分对氮、磷富集的响应和潜在机制至关重要。西南民族大学高寒湿地生态保护研究创新团队马文明副研究员课题组依托青藏高原生态保护与畜牧业高科技研究示范基地和四川若尔盖高寒湿地生态系统国家野外科学观测研究站以红原高寒草甸为研究对象进行了长期氮磷添加实验。采取随机区组用尿素(CO(NH2)2)和过磷酸钙(Ca(H2PO4)2·H2O)设计7个施肥梯度,氮肥施尿素(46.65%N),磷肥施过磷酸钙(16%P2O5),施肥梯度分别为(0g尿素+0g过磷酸钙)/m2(CK)、(10g尿素)/m2(N10)、(30g尿素)/m2(N30)、(10g过磷酸钙)/m2(P10)、(30g过磷酸钙)/m2(P30)(5g尿素+5g过磷酸钙)/m2(NP10)、(15g尿素+15g过磷酸钙)/m2(NP30)。研究发现,氮和磷添加导致 SOC含量增加19.95%–36.66%;在相同施肥条件下,SOC含量随着施肥梯度的增加而增加,在N30处理下达到最高;N和P添加促进了脂肪族碳和芳香族碳的富集;与其他处理相比,NP30处理下SOC的稳定性最高,而P10处理下SOC的稳定性最低。表明N和P添加促进了不稳定碳的损失和稳定碳的富集,从而提高了SOC的稳定性,促进了高寒草甸SOC的封存。总体而言,氮磷添加改变了高寒草甸土壤有机碳的理化性质以及SOC的官能团组成,进而促进了SOC积累。因此,在退化的生态系统中添加氮和磷可能是改善土壤碳固存的有效措施。该项研究近期以题为Nitrogen and phosphorus supply controls stability of soil organic carbon in...
  • 点击次数: 0
    2024 - 11 - 11
    栢晖生物特色检测指标——同位素的测定:更所检测相关讯息so栢晖生物了解更多
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成宏路72号-四川检验检测创新科技园2号楼4层
          湖南省长沙市芙蓉区雄天路98号广发隆平创业园2栋6002
电话:028 8525 3068
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