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 - 06 - 17
    文献解读原 名:Saline-alkali land reclamation boosts topsoil carbon storage by preferentially accumulating plant-derived carbon译 名:盐碱地复垦通过优先积累植物源碳来提高表层土壤碳储量期 刊:Science BulletinIF:18.9发表日期:2024.5.18第一作者:Lin Chen01摘要盐碱地是应对全球气候变化和保障粮食安全的重要耕地储备资源,部分原因是它可以储存大量的碳(C)。目前尚不清楚盐碱土地复垦(将盐碱土地转化为耕地)如何影响土壤碳储存。本研究结果表明,与盐碱地相比,盐碱地复垦显著增加了植物来源的碳积累和植物来源的碳与微生物来源的碳比率,导致植物源碳成为SOC储量的主要贡献者,POC封存和MAOC封存分别与盐碱复垦引起的植物和微生物来源的碳积累密切相关,即盐碱地复垦通过优先促进植物来源的碳积累来增加表层土壤中的碳储存量。02引言土壤盐碱化使全球土壤(0-30cm)SOC储量减少了3.47t ha−1。利用土壤修复技术可以有效地逆转这一现象。在农业生态系统中,微生物残体(特别是真菌残体)优先聚集土壤的POC部分。植物和微生物源碳与POC和MAOC含量之间的关系以及植物和微生物来源的碳对盐碱条件下SOC储存的贡献知之甚少。两个公认的生物标志物(木质素酚和氨基糖)已被广泛用于估计植物衍生木质素残体和微生物残体对SOC库的贡献。因此,我们分别使用木质素酚和氨基糖作为植物和微生物残体碳的表征。本研究的目的是(i)量化盐碱土地复垦对表层土壤碳储量的影响,确定影响碳储量的关键因素;(ii)评估植物和微生物来源的碳与POC和MAOC池之间的关系,以及植物和微生物来源的碳对中国主要盐碱区SOC储存的贡献。盐碱地复垦对中国主要盐碱区...
  • 点击次数: 0
    2024 - 05 - 27
  • 点击次数: 0
    2024 - 05 - 20
    文献解读原名:Grazing exclusion increases soil organic C through microbial necromass of root-derived C as traced by 13C labelling photosynthate译名:通过13C标记光合产物的追踪,禁牧通过根源碳的微生物残体增加了土壤有机碳期刊:Biology and Fertility of SoilsIF:6.5/Q1发表日期:5 March 2024第一作者:瞿晴01摘要背景:草原储存了大量的碳,然而,禁牧后土壤碳固存的潜在机制尚不清楚。本研究旨在阐明温带草原在长期禁牧后(~40年) ,植物和微生物残体对土壤有机碳(SOC)贡献的驱动因素。方法:现场进行了13C-CO2原位标记实验,并结合生物标记物追踪植物-土壤系统中的13C,以评估植物对土壤的碳输入。结果:长期禁牧提高了植物和土壤碳库包括地上生物量、地下生物量、微生物生物量和残体;且禁牧草地新输入光合碳在植物和土壤系统中的分配量高于放牧草地,但在土壤CO2中的分配量低于放牧草地。新输入的光合碳在土壤和微生物量中的分配量与根系中光合碳的分配量呈正相关关系。与放牧相比,禁牧提高了草地土壤有机碳含量约2倍,但木质素酚对土壤有机碳的贡献甚微(0.8%),而真菌残体碳的积累是导致土壤有机碳含量增加的主要因素。结论:受矿物颗粒保护的微生物残体碳是导致禁牧草地土壤有机碳含量高于放牧草地的主要因素。总之,禁牧不仅增加了地上生物量,也增加根系生物量和根际沉积,导致微生物生物量和残体的形成,在矿物基质的保护作用在土壤中长期稳定存在。禁牧条件下,微生物残体特别是真菌残体对SOC的积累贡献大于木质素酚。02主要结果图1 放牧和禁牧样地地植物-土壤-微生物系统的碳储量。(a)地上部分碳库;(b)根碳库;(c)土壤有机碳库(0−25c...
  • 点击次数: 0
    2024 - 05 - 17
    文献解读原名:The soil microbiome governs the response of microbial respiration to warming across the globe译名:土壤微生物群落主导了微生物呼吸对全球变暖的响应期刊:Nature Climate Change IF:30.7发布时间:2023.12第一作者:Tadeo Sáez-Sandino01摘要土壤微生物呼吸对变暖的敏感性(Q10)仍然是预测土壤向大气碳排放的一个主要不确定来源,因为驱动各生态系统Q10模式的因素是相互独立评估的。本研究采用了来自各大洲和主要生物群落的332个地点的土壤,同时评估了全球Q10模式的主要驱动因素。与生化难分解性、矿物质保护、底物数量和环境因素相比,土壤微生物群落(即微生物生物量和细菌分类群)解释了Q10值变化中的最大部分。提供了确凿的证据表明土壤微生物群落在很大程度上主导了土壤异养呼吸对变暖的响应,因此在评估陆地碳—气候反馈时需要明确考虑这一因素。02研究背景土壤碳(C)通过土壤异养群落的呼吸释放到大气中是导致大气CO2增加的基本途径。土壤呼吸每年释放的二氧化碳大约是人为排放的五倍,这在很大程度上决定了陆地生态系统是碳源还是碳汇。土壤异养呼吸的温度敏感性(即土壤微生物呼吸随着温度上升10°C而增加的因素;Q10)是预测陆地C-气候反馈水平的主要不确定性来源。生态系统和生物地球化学模型假设Q10为常数,尽管人们普遍认为Q10随温度等环境条件而变化。然而,决定Q10在大空间尺度上变异性的非生物和生物因素的相对贡献在很大程度上仍然未知。解释Q10模式的主要驱动因素通常考虑土壤微生物群、基质数量、矿物保护、生化抗性和环境因素的影响。首先,土壤微生物组(即微生物生物量、丰富度和群落组成)是有机物分解的最终参与者,并随着气候变暖调...
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
微信公众号
Q  Q : 2105984845
地址:中国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
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