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 - 07 - 25
    一、木质素酚实验流程:→氧化:CuO+Fe(NH4)2(SO4)2·6H2O+2 M NaOH高温氧化。收集上清液→提取:纯水洗渣两次,合并上清液,调PH→衍生:吡啶+BSTFA衍生→上机:(GS-MS)图谱展示:二、角质、软木质实验流程:→水解:称取约1.0~2.0g的土样于四氟乙烯反应釜中,1mol/L甲醇化氢氧化钠3mL,沸水浴3h。→净化:a.酸化:待水解液冷却至室温后,用10ml甲醇:二氯甲烷(1:1)混合液冲洗水解管,超声15min。取上清液用HCl酸化至ph b.萃取:收集有机相于5mL衍生瓶中,于38°C下轻轻氮吹至干。→衍生:向吹干的衍生瓶中加入100uL吡啶和400uLBSTFA后盖紧。漩涡30s混匀,70°C反应3h,待冷却后上机。→上机:(GC-MS)图谱展示:三、脂类(游离态脂)实验流程:→萃取:称取约0.5~1.0g的土样于10mL离心管中,加入5mL丙酮:二氯甲烷(1:1)混合液超声萃取20min,离心收集上清液。重复两次合并上清液并氮气吹干,衍生后上机测试。→衍生:向吹干的样品和标准的衍生瓶中加入100uL吡啶和400uLBSTFA后盖紧。涡旋30s混匀,70°C反应3h,待冷却后上机。→上机(GC-MS)图谱展示:更多相关检测讯息so栢晖生物~
  • 点击次数: 0
    2024 - 07 - 24
    文献解读原名:Not all soil carbon is created equal: Labile and stable pools under nitrogen input译名:并非所有的碳都是相同的:氮输入下的易分解库和稳定库期刊:Global Change BiologyIF:10.8发表日期:2024.7.8第一作者:臧华栋 中国农业大学农学与生物技术学院背景人类活动提高了世界范围内的氮输入,由于农业活动和化石燃料的使用,人类氮输入比自然来源大30%-50%。鉴于碳氮之间的密切关系,活性氮输入水平将极大地影响全球碳循环,氮输入的增加刺激了土壤碳储存,因为氮的增加促进了植物生物量的产生和植物来源的碳输入,然而氮输入对不同周转时间的有机质(SOM)库影响仍存在争议,特别是其潜在机制。因此,探究有机质库对氮输入的响应对阐明全球C循环的复杂性至关重要。假设(1)通过方法组合可以有效地评价C池(从数年到数十年的周转率)对氮施肥的响应。(2)“碳限制”和“微生物氮开采”这两种机制都与SOM池相关,取决于它们的可用性,这代表这两种理论之间的联系。科学问题(1)分析不稳定到稳定有机质的矿化反应;(2)量化各种有机质库分解对氮输入的敏感性;(3)评估细菌和真菌群落变化,并阐明微生物群落的变化程度如何反映有机质分解对氮输入的响应。材料与方法方法:将有机质中的13C自然丰度与21年的C3-C4植被转换和长期孵化实验结合起来,估算氮输入对不稳定碳库和稳定碳库有机质矿化的影响。土壤取自霍恩海姆大学试验站0-10厘米深度(有机碳约2.4%,总氮含量0.25%,pH值5.1)和邻近草地(有机碳约2.5%,总氮0.21%,pH 5.1)。巨芒草作为一种C4植物,在21年前被引入到之前的C3草地土壤中,导致δ13C从−27‰转移到−17‰。δ13C中这种差异被用来区分新土壤和老土壤有机碳。C4-...
  • 点击次数: 0
    2024 - 07 - 15
    土壤氨基糖实验流程如下:一、实验方法及原理氨基糖在吡啶-甲醇溶液中,以 4-二甲氨基吡啶为催化剂的条件下与盐酸羟胺和乙酸酐发生糖腈乙酰酯反应, 所得衍生物可利用气相色谱测定。二、实验步骤2.1主要实验仪器   GC(毛细管分流进样口, FID检测器)鼓风烘箱(涵盖105℃,可定时8h)涡旋混合仪(2850rpm)离心机(50mL,3650rpm)冷冻干燥机水浴锅(45℃、80℃)旋转蒸发仪(100mL,65℃)离心机(5mL,8000rpm)2.2 实验步骤1、水解:称取约0.5~1.0g的土样于水解管中,沿管壁加入5 mL 6 mol/L盐酸,用氮气置换水解管中空气2min后密封。在烘箱中105℃放置8h水解。2、净化:a) 除酸:待水解液冷却至室温后,加入200μgN-甲基氨基葡萄糖(1mg/mL水溶液,200μL)。涡旋仪震荡30s混匀。取部分水解液于5mL离心管中,于8000rpm离心1min。取上清液2.5mL于50mL离心管中用氮气于65℃吹干。用25mL纯水溶解吹干后的残渣。加0.4mol/LKOH和0.01mol/LHCL调节pH至6.6~6.8。b) 除盐:离心管以3000rpm离心5min,转移出上清液于100mL茄型瓶中,于65℃,25rpm旋转蒸发至干。再加入10mL无水甲醇分两次溶解瓶中残渣。后转移至另一50mL离心管。氮吹至5mL以下,涡旋溶解管壁有机物后,以4000rpm离心5min,除盐。再将上清液转移到5mL衍生瓶中并加入100μg戊五醇(1mg/mL水溶液,100μL),于40℃氮气吹干。3、标准样品制备:同时准备3个标准样品。另取衍生瓶中加入100μL混标(1mg/mL的氨基葡萄糖、氨基半乳糖、氨基甘露糖,0.5mg/mL胞壁酸),100μgN-甲基氨基葡萄糖(1mg/mL水溶液,100μL),100μg戊...
  • 点击次数: 0
    2024 - 07 - 01
    原名:Conversion of SIC to SOC enhances soil carbon sequestration and soil structural stability in alpine ecosystems of the Qinghai-Tibet Plateau.译名:无机碳(SIC)向有机碳(SOC)的转化增强了青藏高原高寒生态系统的土壤固存和土壤结构稳定性。期刊:Soil Biology and BiochemistryIF:9.7发表日期:2024.8(网络首发2024.5)第一作者:马云桥 青海大学高原生态与农业国家重点实验室(李希来课题组)一、背景陆地生态系统储存了大量的有机碳(SOC)和无机碳(SIC),土壤有机碳和土壤无机碳由非生物和微生物因素驱动具有潜在动态相互关系,对土壤结构和固碳有重要影响(图1)。同时青藏高原约占国土面积的五分之一,是我国巨大的碳库,因此对该区域生物和非生物因子介导的土壤有机碳和无机碳动态转化过程和机制研究显得尤为重要。图1 微生物驱动的有机碳和无机碳周转关系示意图二、科学问题(1)评估不同空间尺度下不同植被类型中聚集体的组成和稳定性;(2)量化SOC、MBC、DOC、SIC和碳水解酶酶活性(α-葡萄糖苷酶和β-葡萄糖苷酶)的分布,以及不同植被类型不同土壤团聚体中细菌和真菌群落的组成和多样性;(3)分析调控团聚体内SOC和SIC动态转化的主要生物和非生物因子,以约束土壤团聚体形成与土壤碳库动态转化的关系。三、材料与方法(1)研究地点位于中国青海省河南-蒙古自治县(北纬34°05′-34°56′,东经100°53′-102°16′),海拔范围3400-4200米。(2)MS代表高寒草甸阳坡,SS代表高寒草甸阴坡,WR代表河滨湿地。每种地形的优势植物机水汽条件有所不同(...
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
Q  Q : 2105984845
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