温度和土壤水分控制微地形生态系统的微生物群落组成 | 微生物专题

发表期刊：ISME

发表时间：2019

影响因子：9.493

研究内容：通过16SrRNA基因测序技术研究温度、土壤水分对微生物群落组成的影响

摘要

北极高山土壤中的微生物群落表现出与海拔有关的生物地理格局，但不同区域异质性以及可能与之相关的温度和土壤水分状况的影响尚不清楚。采集同一山脉两个山区不同微地形位置和海拔的土壤样本，16S rRNA基因扩增序列分析表明，微生物群落组成(MCC)与微地形和海拔高度有关，通过将微生物群落数据与一套全面的特定地点长期记录的温度和土壤湿度数据相结合，确定潜在的环境驱动因素。偏最小二乘回归分析(PLSR)描述生态响应模式，并识别每个分类组的重要环境驱动因素。
对象与方法

北极生态系统对气温升高高度敏感，因此经常被认为是全球变暖应对情景的模型。土壤样本来自于挪威的两个北极-阿尔卑斯山区：奥普兰东部地区属于轻度大陆性气候，年降水量较少，年降水量为325~650 mm a−1，年平均气温为−12°C(最低气温−29.2°C，最高气温16.7°C）；盖朗格附近的西部地区是海洋性气候，年降水量在1,500-2,000 mm a−1之间要高得多，平均气温略高，为1.9°C(min气温−23.2°C，最高气温17.2°C）。分别取了林木线以上的四个海拔高度，即奥普兰东部地区的900m、1100m、1400m和1600m海拔高度，这与盖朗格西部地区的800m、1000m、1200m和1400m海拔高度相当。在每个海拔高度，从四个微地形位置采集样本，即在山脊、洼地、朝南和朝北的斜坡上。在每个地点，植被正下方的表层土层被取样成三份，一个样本缺少，最终得到来自32个地点的95个样本。土壤通过4 mm过筛，-20℃保存。采样前连续记录5年的现场近地面土壤和空气温度和土壤水分数据。温度测量在土壤表面以下15cm(土壤温度)和土壤表面以上15cm(近地面气温)。采样后测定土壤碳(C)和氮(N)含量（图1）。后续进行16S rRNA基因扩增子测序。图1采样点位置和实验设计
结果展示

微生物群落的生物地理格局PCoA和ANOSIM结果表明，微生物群落组成的变化不受山区的影响(R= 0.08, P≤0.001,图2a)；相反，观察到了海拔高度的显著影响(R =0.31, P ≤ 0.001, 图2b)。同样地，微地形对两个高山带的微生物群落组成也有显著影响(低高山带：R=0.44，P≤0.001；中高山带：R=0.34，P≤0.001)。在所分析的土壤中，最丰富的门是Acidobacteria（酸杆菌门）与 Proteobacteria（变形菌门）等，在变形杆菌中，α蛋白细菌和γ蛋白细菌占绝对优势，β蛋白细菌和δ蛋白细菌的数量在3%~4%之间（图3）。图2基于加权UniFrac距离矩阵的微生物群落组成数据的主坐标分析图3微生物群落组成与环境因子的关系两种α多样性结果比较显示，海拔不影响群落丰富度与均匀度，而微地形对各多样性指数的影响较大，斜坡的微生物丰富度和均匀度低于洼地和山脊。山区仅影响Chao1指数的丰富度，西部地区表现出较高的丰富度（表1）。表1用Kruskal-Wallis检验计算不同山区、海拔带和微地形多样性指数的差异不同温湿度变量对微生物群落组成影响的相关性研究
为了确定可以解释MCC变化的环境变量，结合选择性比(SR)、可变重要度投影(VIP)和显著性多变量相关(sMC)进行了PLSR分析。由于PLSR分析对于丰度很低（≤0.001%）的TG（物种分类群）效果不好，因此选取了STAMP结果中的方差大于0的470个TGs。在SR数据上，大多数TGs对近地面气温(61%,图4A)、土壤温度(19%)或土壤水分变量上显示出最高的SR值。当考虑到研究地点每个OTU的平均相对丰度时，土壤湿度被发现是更重要的因素(32%，图4b)，而气温(52%)和土壤温度(11%)的相关性略有下降，即几个优势类群是由气温或土壤水分驱动的。使用sMC作为识别最重要变量的替代方法得到了相似的结果，即基于该算法，土壤温度、土壤质地和pH变得更相关，但气温和土壤湿度仍然是主要因素（图4）。相比之下，VIP分析结果说明土壤水分是93%的TGs的主要驱动因素。有趣的是，土壤特性，如pH、碳和氮含量，或土壤质地，很少被发现是最重要的因素。图4偏最小二乘回归得到的最重要环境驱动因素单个微生物类群对环境变量的响应SR数据用来建立生态响应图，该图显示了特定温度或水分状况对TG的重要性，并描述了它的生态响应范围（图5）。值得注意的是，在所有被分析的TGs中，超过84%的TGs至少有一个SR≥2，这表明在大多数情况下都识别出了相关的环境变量。有些类群的生态响应格局较宽，而另一些类群的生态响应格局较窄，表明它们的生态位有宽有窄。在TG中，土壤和空气温度分布通常非常相似，尽管土壤温度范围似乎比空气温度阈值更尖锐、更宽(例如，图5a、d和f)。具有窄轮廓的TGs通常显示非常高的SRs，而较宽的响应模式导致较低的SRs。在Acidobacteria酸杆菌、Actinobacteria放线菌、Alphaproteobacteria α蛋白细菌、Bacteriodetes拟杆菌、Firmicutes厚壁菌、Verrucomicrobia疣微菌、Planctomycetes浮霉菌中鉴定出SR值为≥2的温度依赖性TGs。Beta-, Delta-and Gammaproteobacteriaβ、δ、γ蛋白细菌等为土壤水分的响应TGs。生物地理群落格局与生态响应格局的结合根据STAMP，在PLSR分析的470个TG中，大约有一半受到了微地形(50%)，海拔(9%)，或两者兼而有之(7%)的影响。将显著受影响的分类群与PLSR获得的每个分类群的生态响应信息相结合。对分类群对海拔的响应和它们各自对温度的最大SRs的分析表明，没有特定的温度阈值，数据分散在−10到+10°C气温(或−4 到+8°C土壤温度)范围内，累积气温在2.5°C到0°C之间（图6a）。采取SR≥2的阈值，在中高山带温度响应性较高，95%的显著富集TGs是受土壤或气温的影响。低高山带中77%TGs受到影响和78%的未受土壤或气温的影响的TGs的SR≥2。这表明，受温度控制的微生物的数量随着海拔的升高而增加。此外，对于温度对TGs的影响，这些TGs响应于微地形而不是海拔。大部分响应TGs的空气温度阈值在−2和+2°C之间(或0°C土壤温度)(图6b)，5年水分数据的阈值分布很广(图7)图5不同分类群生态响应模式的生态响应图图6显示最大选择性比(SR)与每个分类组(TG)5年气温阈值相关的曲线图图7显示最大选择性比(SR)与每个分类组(TG)5年土壤水分阈值相关的曲线图
总结

扩增子数据的多变量分析表明，海拔和微地形对北极高寒土壤中的MCC含量有很大的影响，其中约50%的MCC的相对丰度因这些因素之一而发生显著变化。在这项研究中，空间和长期温度和土壤水分数据被用来解释细菌群落的生物地理模式。PLSR分析能够将广泛的环境数据集与扩增数据相结合，这在常用的方法(如线性回归)中是不可能的，因为解释变量的数量比响应变量多。使用不同的算法(SR、VIP和sMC)来确定环境变量的重要性。结果表明，对温度或土壤水分的明确响应通常是一致的，但对于单个分类群来说，最重要的驱动因素不一定是相同的。编者说在微生物生态学研究当中，环境因子的数量影响了研究的难度与深度。而本文仅通过16S rRNA测序对不同地形生态系统微生物组成的探讨，继而采取PLSR分析研究了16S rRNA扩增子结果与环境因子的响应性，就揭示了物种群落组成与其相对应的3000多种环境变量的影响，由此看来环境因素与微生物组成的研究仍具有很大能量。
相关阅读干货 | 微生物专题（5月更新）
“好”土养”好“牛，“好”牛产“好”奶，土壤和肠道微生物也能联合起来“搞事情”| 微生物专题
草原造林对土壤微生物组群落结构和功能的影响 | 微生物专题
怎样把土壤微生物与植物感病的互作关系做到10分 | 微生物专题
土壤微生态的五大研究方向 |cell 子刊综述解读助力微生物组研究
science评论 | 土壤微生物能够直接增强作物的抗盐碱能力，还能增加产量？！| 微生物专题