Nature Reviews: 拥抱未知：解析土壤微生物组的复杂性
Fierer N. Embracing the unknown: disentangling the complexities of the soil microbiome. Nature Reviews Microbiology, 15：579-590 (2017)
本文是今年8月21日在线发表的综述，翻译转载自"土壤微生物生态课题组"公众号，己获授权，点击阅读原文跳转翻译原文。
原文链接：https://www.nature.com/articles/nrmicro.2017.87
全文PDF: http://doi.org.sci-hub.bz/10.1038/nrmicro.2017.87
摘要
土壤微生物组无疑是自然和管理生态系统中一个关键组成部分。尽管土壤中尚存挑战，一克土可以包含上千个微生物类群，包括病毒和所有三域生命体中的成员。近几年标记基因、基因组以及宏基因组分析的迅速发展，极大地拓展了我们解析土壤微生物组特征的能力、明确不同时空尺度驱动土壤微生物组群落的主要因素。尽管大多数土壤微生物组仍是未知的，但我们可以基于它们的生态策略对土壤微生物组进行归类。这应是一个可证实的并且是行之有效的方法，我们可以利用基因组信息来预测单个微生物组类群功能属性。这个领域的发展将有助于明确我们如何通过操作和管理土壤微生物组来提高土壤肥力、增加农作物产量以及提高对陆地生态系统如何响应环境改变的认识。
我怎么能每天站在这大地上却感受不到它的力量？我怎么能站在这上面度过我的人生却不想知道它？— W. B. Logan1
土壤微生物生物量与地上植物或动物生物量相匹敌，每公顷土壤通常包含>1,000 kg微生物生物量碳2,3。这些土壤微生物组对养分循环、土壤肥力和土壤碳固定的维持具有重要的作用，并且土壤微生物组对陆地生态系统中植物和动物的健康有着直接和间接的作用。土壤微生物组的重要性已被认可了一个多世纪4，描述栖息在土壤中的微生物组、它们新陈代谢能力以及它们对土壤肥力影响的研究已有一段很长的历史。事实上，很多微生物学家的重要发现——包括抗生学和独特微生物代谢途径(例如氮气固定和氨氧化)的发现——大部分都来源于对土壤微生物组的研究。
近几年方法学的发展使得研究者能够全面记录土壤微生物多样性，并对特定微生物在土壤过程中的控制作用有更全面的认识。特别的，基于土壤微生物DNA和RNA来分析微生物组现在已很普遍，极大地拓展了我们对土壤微生物群落系统进化关系和分类结构的认识。目前大家已普遍认识到传统的基于培养的方法实际上低估了土壤微生物多样性，实际上土壤包含广泛的三域生命体微生物类群多样性，其中大多数仍是未知的5-8。
在这篇综述中，我总结了近几年土壤微生物组的进展，讨论了在土壤中存在哪些微生物组，什么因素影响不同时空尺度上土壤微生物组结构，以及为什么将特定土壤微生物类群和许多土壤过程结合起来仍很困难。随后我将阐述近几年我们对土壤微生物群落以及它们新陈代谢能力提出的概念性框架，并且强调我们如何继续利用基因组、宏基因组以及标记基因数据来推断未知的土壤微生物类群的生态特性。其次，我讨论了如何管理土壤微生物群落以最大化农业产量和持续性所面临的挑战和机遇。最后，这篇综述提出了未来土壤微生物组在基础和应用研究方面关键研究方向。
土壤微生物组结构
土壤不是一个单一均匀的生境，而是包含了广泛范围的生境，可以包含不同微生物组(图1)。不同土壤生境仅相距微米至毫米距离，但它们在非生物特性、微生物丰度、微生物活性速率以及微生物群落组成上有巨大差异。
图1 土壤的大环境和微环境。土壤不是单一均匀的生境；相反，土壤包含了广泛的不同微生物生境。其中包括根际(接近植物根部的土壤；a部分)，暴露于光照下的表层土(b部分；透光区)，与蚯蚓洞穴相关的土壤(蚯蚓圈；c部分)，以及水流优先经过的土壤，包括土壤中的裂缝(d部分)。此外，还有与土壤团聚体相关的微环境；在团聚体表面的环境、团聚体内部的生境(f部分)，这些是有别于团聚体间的水膜环境 (e部分)。最后，微生物群落和非生物环境随土壤深度增加有显著变化。尽管大多数研究只关注表层土中的微生物，但凋落物层(或者O层)的微生物群落通常区别于底层矿物土层(A层和B层)和更深的母质层(C层)的微生物群落123。关键的土壤特性——如pH、有机碳浓度、盐度、质地和可利用的氮浓度——在这些不同的土壤生境中会有很大不同。
土壤环境特性
在全球尺度，土壤环境条件是高度可变的。数十年的研究表明表层土壤的特性——包括pH、有机碳浓度、盐度、质地和可利用的氮浓度——表现出极大的范围。这种变化是影响土壤形成的主要因素，即气候，生物体(包括大型生物和微生物)、缓解(relief)、母质和时间(如参考文献9所述)的产物。即使在给定的土壤剖面中，环境条件也可以在土壤中的不同微生物生境之间变化很大，微生物生境包括根际土壤、水流的优先路径(包括土壤中的裂缝)、动物的洞穴、团聚体内和团聚体间的环境，以及表层与更深的土层(图1)。例如，从单个土壤团聚体(大小仅有几毫米)的外部到内部，氧气的浓度可以从20%到小于1%之间变化10，并且在紧邻植物根系或真菌菌丝网络的地方检测到的细菌群落与仅在几厘米外的主体土壤中检测到的细菌群落有很大的不同11。
在土壤环境中微生物的存活和生长往往受到严重的限制。可能存在持续性的非生物胁迫因子(如低的水分可利用性、有限的可利用的有机碳底物和酸性条件)，与其他土壤微生物类群(如广泛存在的土壤细菌-可以产生抗生素和抵抗抗生素12)的高度竞争、频繁的干扰(如干湿交替、蚯蚓和其他土壤动物的捕食和冻融交替)，以及资源在空间和时间上的不均匀分配13。大量的证据表明微生物在土壤环境中存活和生长是非常困难的。第一，即使人工接种大量细菌到土壤中，这些细菌中的大部分也不可能在土壤中持续很长时间14,15。第二，尽管土壤中存在大量的微生物生物量(图2)，但是土壤表面积很小部分-远小于1％-被微生物占据16，这表明土壤表层的微生物定殖存在生物或非生物的限制。第三，土壤中许多微生物有可能处于休眠状态，其中在某个时间点处于不活跃状态的微生物占据了总微生物生物量库的95%以上17。
图2 全球土壤微生物生物量分布。估算全球土壤微生物生物量总量(所有微生物类群的总和：细菌、真菌、古菌、原生生物和病毒)(图a)，主要微生物类群对总土壤微生物生物量库的贡献(图b)。图b的估计是根据参考文献 104，124-130所提供的信息进行编制的。这些估计是近似的；生物量在不同土壤中变化很大，而且原生生物和病毒的生物量是高度不确定的。图a的地图经参考文献2-Wiley出版社的许可进行改编。
土壤微生物组的特性
一系列生物和非生物因素，包括微生物捕食者(如原生生物或线虫)的丰度和可利用的碳含量，可以影响任一给定时间点土壤中微生物生物量总量。在全球尺度，土壤水分的可利用性是土壤微生物生物量总量的最佳预测者；更湿润的生态系统(如热带雨林)通常含有大量现存的微生物生物量2(图2a)。然而，并不是所有的微生物类群都在土壤中是同等丰富的。细菌和真菌通常是土壤优势微生物；这些类群的生物量通常比土壤微生物组的其他主要成分(原生生物、古菌和病毒；图2b)多100-1000倍。相对少量的细菌和古菌门类通常占据了16S核糖体RNA基因(16S rRNA基因)读数的大部分，这是从基于PCR的原核生物多样性调查中获得的 (图3)。在更精确的分类学分辨率下，大部分细菌和古菌物种都是珍稀的；在任何给定的群落中，只有一部分细菌和古菌物种是相对丰富的18；这种结构类似于我们所观察到的地上许多植物和动物群落结构19。尽管也有一些例外(如，在一些北美大草原土壤中，微疣菌门谱系占优势20)。但在单个样本中提取的原核基因组DNA中，这些最丰富的细菌和古菌物种通常只占相对较小的比例。大多数细菌和古菌类群属于未被描述的谱系。一个很好的例子是，对来自美国纽约市中央公园的596个土壤样本进行微生物多样性调查，发现土壤中大于80%的细菌和古菌类群16S rRNA基因序列与那些已知的参考数据库中的序列不匹配6。同样的格局也适用于土壤真菌和原生生物。虽然一些主要的真菌和原生生物类群通常在土壤中占主导地位(图3)，但许多谱系仍未被描述。例如，我们发现顶复动物亚门在热带土壤原生动物群落中占主导地位，但我们对其生态学方面的知识了解甚少21。此外，即使是无处不在的土壤真菌类群也能包含大量异常的多样性22。虽然我们还远远不能全面地描述土壤微生物多样性，对大多数土壤微生物类群的代谢能力和生态学特性也了解不多，但最近的研究工作极大地拓展了我们对土壤微生物群落结构及其在陆地生态系统中作用的认识。土壤微生物组不一定是一个神秘的、通过努力无法打开的“黑盒子”。
没有“典型的”土壤微生物组。土壤微生物组的主要细菌和古菌类群相对丰度可能发生很大变化，这取决于所研究的土壤(图3)。即使采集土壤样品相距仅几厘米远，结果也是如此23。部分微生物组的组成变化可以归因于土壤环境的空间变异性和采样点的具体特性。这些因素的相对重要性取决于所研究的微生物类群，选择的土壤样品以及所使用的实验方法。由于以上这些原因，关于这个话题的文献可能会令人困惑，因为在决定土壤微生物组结构的众多因素中，没有单一的生物或非生物因素始终是最重要的。同样地，没有单一因素能够始终解释植物和动物群落在全球、区域和局部尺度上的变异性。例如，当我们分析一组具有广泛pH值范围的土壤(pH从4到pH大于8)样品时，我们常发现土壤pH是细菌和古菌群落组成的最佳预测者24,25。然而，当土壤样品在较窄的pH值范围内时，pH的影响可能并不明显，而且并不是所有微生物类群都对土壤pH值的变化做出响应。显然，很多因素通过直接或间接的作用共同影响土壤微生物群落的空间结构。然而，科学家逐渐形成一些共识——关于哪些变量最有可能对土壤微生物类群的多样性和丰度产生显著影响(图4)。除了土壤pH，对土壤细菌群落结构有显著影响的最重要的因素依次是氮的可利用性26、土壤有机碳含量27、温度28和氧化还原状态29。
图3 土壤细菌、古菌、原生菌和真菌群落的一般结构。数据来源于Crowther等人的研究结果40，综合分析了66个独特的土壤样品微生物组每个主要类群的相对丰度范围。通过标记基因序列(16S)用于细菌和古菌，内转录间隔区1(ITS1)用于真菌，18S rRNA基因用于原生生物)进行丰度估计。所有的土壤都采集自北美各地相对不受干扰的地点(没有耕作的土壤)。土壤代表了多种生态系统类型(包括森林和草地)、纬度(从北纬18°到北纬65°)、土壤特性和气候条件。MBGA (Marine Benthic Group A)，海洋底栖生物组A。
一个常见的假设是土壤微生物群落组成的变化应可以通过地上植物群落组成的变化来预测。因此，我们推测种植不同植物物种的土壤(根际土或非根际土)应有不同的地下微生物群落，并且特定的土壤微生物类群应选择性的与不同植物物种相关联。事实上，对于许多菌根真菌、真菌植物病原体和一些固氮细菌(例如根瘤菌属)来说的确如此，它们通常仅与特定的植物物种相关联30,31。为此，一些观测性的研究发现，土壤微生物群落的整体结构可以表征地上植物群落的变化32-34。但也有一些研究发现植物物种对地下微生物群落几乎没有影响35-38。特定植物物种对土壤微生物组成的影响很可能是情境依赖性的；在不同的土壤类型中，一个给定的植物物种可能与不同的微生物类群相关联39。此外，许多土壤细菌类群具有普适性，它们可以与广泛的植物物种相关联，表明地上植被对微生物群落组成的影响可能需要数年才得以显现40。尽管植物能够影响土壤微生物群落结构，但同时微生物群落结构也受到其他因素的影响。因此，我们不能只简单的根据各土壤中生长的植物物种来预测土壤微生物群落的组成。
土壤微生物取样
由于土壤环境具有极大的异质性，当我们分析土壤样品，通常是少量过筛的土壤时，实际上我们已经包含了具有极大多样性的微生境。这有助于解释一些结果。首先，它导致我们很难将土壤的特性与微生物群落组成联系起来。例如，即使在通气良好的表层土壤也能检测到高丰度的严格厌氧菌，包括产甲烷菌41。这是因为在通气的土壤中也可能存在局部具有较低含氧量的微生境(如团聚体)。其次，通过分析典型的几立方厘米大小的土壤样品，我们可能会模糊微生物组之间潜在的相互作用或者共现模式。正如同一公顷土地上的树木可能并不直接相互作用，生活在同一立方厘米土壤中具有微米大小的细菌也可能因为离得太远而无法直接相互作用或交换代谢物。第三，尽管与陆生植物或动物多样性相比，土壤微生物多样性看起来非常之大。但我们也应当认识到，而且是很重要的一点，当采集土壤样品时，微生物的个体和采样区域之间往往存在巨大的差异，从而使得直接比较二者的关系显得非常困难42。尽管土壤微生物多样性仍然很高，但当我们在接近所考虑微生物大小的空间尺度上检测土壤微生物时，它们还是比较低的(例如，包含在单个土壤团聚体中的多样性43)。相关的空间尺度取决于所探讨的问题。例如，绘制整个地区氨氧化细菌的存在情况44有利于理解景观尺度上的对其丰度的控制作用，但这一取样方案对于量化土壤团聚体中氨氧化细菌的位置是毫无意义的。
土壤细菌和古菌多样性的全部范围依然很难确定，因为存在可能导致误判多样性的方法考量。例如，遗迹DNA的存在可能会使多样性的估算值增加40%以上45。此外，基于PCR的标记基因分析普遍用于表征土壤微生物多样性，但实际上我们知道它们可能具有偏好性，使得一些细菌和古菌谱系的丰度增加46,47。此外，测序错误和用于识别微生物类群算法的限制，这些都可能会提高对微生物多样性的估计48。此外，如果我们采用鸟枪法宏基因组分析微生物多样性，这些分析是依赖于不完整的参考基因组数据库，这时微生物多样性的结果可能被低估49。一般而言，微生物多样性可以随着测序深度、样本大小以及DNA提取方法不同而变化50。总之，运用任何方法来估算土壤微生物的丰度或多样性都有一定的局限性，因此对微生物或者系统进化多样性的估算应谨慎进行51。
目前尚不清楚哪些因素或者哪些因素的组合驱动土壤微生物组成的表观空间变化，因为所检测的土壤样品或样点特征通常仅能解释一小部分变化6,8,24,33。原因可能是由于我们没有测量到“合适的土壤”或“特定样点的因子”。例如，从根系分泌物进入土壤的有机碳很可能对构建根际土壤微生物群落很重要。然而，即使在受控的实验室条件下，我们也很难精确测定根系分泌到土壤中的碳52。另外，根际土特性的测定并不一定能捕捉到土壤特性微观尺度的变化，而后者可能是驱动土壤微生物群落组成的空间变化的主要因子(图1)。
即便对于土壤环境有了详细的描述，我们仍然很难解释土壤微生物群落中所有的空间变异性，这是因为其中一些变异可能是由于扩散限制造成的。尽管大家都知道扩散限制影响动植物群落的结构53，对大范围的多区域位点和不同土壤类型进行土壤微生物组研究，往往未能检测到空间距离(扩散限制的代表)对于土壤微生物组成的显著影响。这意味着土壤或者样点条件往往能比地理距离能更好地预测微生物群落格局。虽然我们无法检测到扩散限制的影响，但并不意味着扩散是不重要的。扩散限制的检测需要适当的采样设计，来分离空间距离的影响与土壤环境条件的不相似程度。值得注意的是，许多常用的表征土壤微生物的方法，例如16S rRNA基因的分析，通常不能提供足够的分类学分辨率来检测扩散限制的影响。当使用可以提供更精细的分类学分辨率的替代方法(包括全基因组分析)时，是有可能区分由特定土壤细菌菌株所展现的对生物地理学格局的扩散限制54,55。
现有的大部分文献都集中于土壤微生物结构的空间异质性，很少有研究关注时间变异性。其中一个原因是对真实时间变化的调查，我们需要对同一地点随着时间推移进行重复采样。但由于土壤取样存在固有的破坏性，因此我们不可能重复取到完全相同的位置。此外，由于土壤微生物群落中存在巨大的、在精细尺度上的空间异质性，对紧邻的土壤采样可能会混淆微生物组的结果23。精确的评估时间异质性的程度对于回答方法学问题(如在单一时间点收集足以描述空间模式的样品)和解决更多概念性问题(如土壤微生物对环境变化或者土地管理实践变化的响应速度如何？)都很重要。在精确量化时间变异的少数案例中，结果表明时间变异性通常比空间变异性要低56-58。然而，土壤微生物群落实际的时间变化可能会因遗迹DNA的存在而被低估45。另外，如果分析仅集中于活的或者具有代谢活性的细胞，时间模式可能会变得更加明显59,60。而且，可能并不是所有的分类群在时间上的变异性都是相等的。一些类群可能比其它类群对于变化的环境条件更加敏感28。例如，我们预计仅有一小部分土壤细菌类群对于土壤温度的季节性变化是存在响应的。另外，富营养的细菌谱系应该对土壤C可利用性或者土壤水分的快速波动特别敏感13,61,62。
图4 影响土壤细菌群落组成的生物和非生物因素。土壤细菌群落的生物和非生物影响因素的等级，及在不同时空尺度下影响土壤细菌群落结构的相对重要性。“重要性”这里定义为检测这些因素对土壤细菌群落整体组成的影响的容易程度。这些因素不一定是独立的，可以相互关联(例如，土壤质地可以影响土壤水分的可利用性)。此外，这些因素的重要性将取决于所调查的土壤和所讨论的细菌谱系。每个方块的阴影定性地表示我们对各因素具体影响细菌群落的理解程度，较深的阴影突出了已被充分研究的因子。这个等级主要基于土壤微生物群落空间格局的研究24,25,33,58,131-133。
土壤微生物组的功能
尽管微生物学家对土壤微生物群落的多样性和时空格局感兴趣，但当这些信息与其他学科直接相关联时，这种微生物多样性调查才最有用。了解土壤微生物群落的信息是极其重要的，有助于帮助我们预测土壤微生物对自然和管理生态系统可能产生的影响范围。
微生物组对土壤过程的影响。一些土壤过程会受到地下微生物类群的直接影响，如图5所示。微生物可产生并消耗大气痕量气体(如氢气、二氧化碳、氧化氮、氧化亚氮及其它挥发性有机化合物)，影响土壤酸性，调节土壤碳动态并介导土壤剖面的养分循环(如铁、硫、磷、氮)。图5不包括由微生物组如何影响生态系统和生物地球化学过程的间接机制。例如，研究表明土壤中植物和动物病原体会影响地上植被动态和动物种群，并对陆地生态系统功能产生深远影响30,63。此外，土壤微生物可能通过改变土壤传导性和疏水性而影响土壤水分可利用性64,65。另一方面，还有许多其它微生物介导的过程没有在图5显示，但这些过程对土壤功能是极其重要的：例如硝酸盐异化还原成铵(DNRA66)，异型化合物降解，金属螯合以及解毒作用67。
由于土壤微生物组对许多生态系统水平的过程产生直接或间接影响，因此确定负责特定过程的类群(尽可能以最高的分辨率)极其重要。这可以对控制这些过程的生物和非生物因素有更好的理解。例如，了解那些负责氨氧化(硝化)的特定类群可提高我们对土壤氧化速率的预测能力，因为并非所有的类群都具有相似的环境限制或酶动力学68。此外，预测土壤碳动态如何对当前气候变化作出反应的工作，可通过对土壤微生物的不同生长生理和生态策略更深入的了解中受益69,70。土壤微生物类群在功能上不是等同的；它们在对土壤过程的影响以及对环境条件的响应上有明显的不同。这个挑战仍然存在——当这些过程难以预测或直接测定时，如何利用这些土壤微生物群落组成的数据来提高我们对土壤过程的了解。
联系微生物组结构和功能的挑战。不幸的是，土壤中所发现的类群与土壤微生物组功能之间的特定关系非常难以确定。因此，土壤微生物类群信息通常无法用来预测特定的生物化学过程速率，也无法确定关键土壤过程在响应扰动(例如气候变化或土地利用改变)时是如何转变的。如果我们忽略了类群，而只关注于土壤中所发现的基因、转录物或蛋白质，情况就更是如此了71-73。这些困难由很多原因造成的。首先，图5所指出的许多微生物过程并非一个单一代谢途径的产物，而是由广泛类群进行的无数综合代谢途径的产物。例如，几乎所有土壤中异养细菌的活性类群都可能有利于有机碳分解或氮矿化速率。即使单一的植物衍生化合物(像纤维素)的分解代谢也可能需要通过广泛多样性的微生物类群进行多种代谢过程74。其次，来自休眠或相对不活跃微生物的单个基因丰度(16S rRNA和功能基因)17可能会混淆功能过程与特定微生物的关系。这甚至可能适用于基于RNA(转录)的群落结构分析75。第三，将特定类群与具体代谢过程联系起来存在一些方法学问题；包括准确的基因注释76，低效率的分类分辨率，以及转录物、蛋白质和代谢产物快速周转的问题77。第四，基于DNA测序的方法——广泛应用于土壤类群丰度(如16S rRNA基因测序)和功能基因的量化(如鸟枪法宏基因组测序)，通常仅提供类群或基因的相对丰度(即百分比)而不是它们的绝对丰度。土壤过程更有可能与类群、基因、基因产物的绝对数量有关，而不是与它们在群落中的相对百分比有关。推测类群、基因、基因产物的绝对丰度需要使用其它方法(如qPCR法)最后，即使我们假定类群、基因、基因产物丰度与感兴趣的过程间存在直接关系，对该过程速率的预测也需要了解特定酶活动力学及感兴趣分类群的环境限制。例如，不同细菌甲烷氧化者类群具有不同的底物亲和性，甚至它们在处于控制的室内条件下生长时也具有不同的底物亲和性78。
鉴于这些限制因素，人们很容易假定，以越来越快的速度发展的“组学”数据对于预测土壤微生物过程是没有用处的。然而情况并非如此糟糕。如下所提到的，几十年来，植物生态学家面临着类似的问题。因此，植物生态学家提出的基于性状的观点可用来帮助我们理解微生物群落组成和土壤过程之间的关系。
图5 土壤微生物组介导的土壤生物地球化学过程。这个总结图突出了由土壤微生物直接调节的重要土壤生物地球化学过程的一个子集。垂直箭头表示负责在土壤-大气界面上产生或消耗痕量气体的微生物过程。弯曲箭头表示一些发生在土壤中的关键微生物过程，这些过程可调节土壤酸性、养分可利用性、磷或其它养分、以及土壤可溶性有机碳库(容易被微生物消耗)。非甲烷挥发性化合物(VOCs)包括丙酮、甲醇、甲醛、异戊二烯以及其它低分子量的有机化合物。正如文章所表示的，该图只突出所有可能的土壤微生物过程的一个子集，而没有强调这些过程相互关联的性质、负责的特定代谢途径、或土壤微生物共生体和病原体可能影响植物的直接和间接机制的范围。箭头的阴影表示微生物过程。浅灰色是“狭窄”过程，由一个相对较小的微生物类群完成；暗灰色是由中间数量的类群完成的；黑色是“广泛”过程，是由大量类群完成的。
阐明土壤微生物组功能的策略。我们如何利用丰富的基因组、宏基因组和标记基因数据来提高我们对土壤微生物组功能的理解？虽然没有单一的解决方法，但是一个富有成效的方向是利用分子数据的积累来改进对具有共有生活方式的微生物功能群或微生物群的划分79。这种方法在植物生态学中已被证明是有价值的。在这个领域，植物物种已经被划分为具有相似特征的组，并且已被证明对于理解和预测许多生态系统水平上的过程是有效的80。如果类似的策略可以成功地应用于土壤微生物群落，将关于群落组成的分类学或系统发育信息与特定感兴趣的土壤过程联系起来将变得更容易。
对于一些土壤过程，哪些分类群是最可能的驱动者是已知的。例如，甲烷生成、固氮和硝化是由适当的被很好描述了的微生物类群进行的过程(参见参考文献41,68,81,82)(图5)。尽管将特定分类群或基因的丰度与处理速率联系起来可能仍然很困难72，但我们至少可以确定对某些“狭窄”过程负责的特定分类群(即由有限的多样性类群进行的过程81)。然而，我们也要承认，在一个给定的过程中有时候会出现意想不到的分类群，例如硝化古细菌的发现82。基于稳定同位素探查的方法对于确定哪些分类群体负责这些相对“狭窄”的过程特别有用83。然而，对于许多“广泛的”过程——包括驱动土壤碳动态的过程，或者促进氮矿化和/或固定的过程(图5)——将微生物群落数据与处理速率联系起来要困难得多84。这是因为许多独立的过程和分类群与在土壤中发现的数以千计的有机化合物的新陈代谢相关。这种复杂性使得预测土壤功能变得非常困难。例如，如果我们想了解土壤中可溶性碳化合物的去留(这在土壤碳模型中很重要85)，在给定土壤样品中存在什么样的分类群的信息可能不太有用。
我们可以将微生物分类群或谱系分为基于共同生活史策略的大类，而不是将土壤微生物组视为基因或基因途径的集合。这可以通过采用基于特征的框架——这个框架类似于1977年提出的用于植物分类群(Grimes竞争者—胁迫忍耐—干扰(CSR)框架)86——并对其进行修改以对广谱的土壤细菌生活方式进行分类而实现(图6)。简言之，这样的框架将异养细菌(主导大多数土壤细菌群落)划分为广泛定义的群体，它们具有相似的功能能力和生态策略：即存在于低水平资源或不是最适宜的非生物条件下的“胁迫忍耐”分类群；与其他微生物分类群在空间和资源中胜出的“竞争者”分类群；以及可快速生长并利用由于生物或非生物干扰而产生未占据的生态位的“干扰”分类群。通过采用这一框架，我们可以开始预测大多数难以在体外研究的分类群的关键特征。例如，可以从基因组数据推断与生长速率87、胁迫忍耐88和养分获取89相关的性状。还有其他基因或基因类别可以用作生活史策略的指标(图6)。最近的研究表明，用类似的方法来表征土壤甲烷氧化剂90和硝化菌群落91、微生物性状以及这些性状之间的权衡最终足以证明了解微生物对土壤过程的影响比关注不同分类群，基因或基因产物的数量更有用。
管理土壤微生物以提高土壤质量。正如人类微生物组研究越来越关注调控我们肠道微生物群体以改善人类健康一样，土壤微生物研究越来越重视利用我们对土壤微生物组的理解来改善农业土壤的管理。这可以通过添加特定的微生物来改良土壤，通过土壤的管理来促进有益微生物的生长，或者利用微生物作为难以直接测量的土壤条件或过程的“生物指标”来实现。例如，有一个长期的历史研究，强调了如何在土壤中添加特定的细菌或菌根接种物可以促进植物生长15,92。此外，有证据表明，我们可以积极管理土壤微生物，从而对抑制植物病害93，减少土壤侵蚀94，加速重金属污染土壤的修复95产生积极作用。此外，我们可以利用关于一整个景观中氨氧化剂丰度的信息来确定“热点”，在这里施加肥料可以避免减少硝酸盐浸出96。
图6 Grime的竞争者—胁迫忍耐者—干扰框架适用于土壤细菌异养生物。Grime的竞争者—胁迫忍耐者—干扰(CSR)框架86以及它如何适用于土壤细菌异养生物的概述。盒子包括选定的表型或基因组属性，可能与三大类生活史策略相关，以及可能属于这些类别的土壤细菌群的例子。这些类别并不意味着分离; 相反，它们代表了一个概念框架，有助于组织有关土壤细菌分类群在土壤中生存的适应性策略的表型或基因组信息。 μmax，最大潜在增长率; EPS，胞外聚合物质; rRNA，核糖体RNA
尽管有很多方法可以通过管理土壤微生物组来提高农业生产力和可持续性，但可以这样说，“魔鬼在细节”，因为这是一个非常复杂的领域。虽然种植业没有所谓的“理想的”土壤群落，就像一个看似健康的人类群体，可以包含截然不同的肠道群落97。其中一个原因是“好的”群落是高度依赖于情境的。例如，单一的微生物群落不太可能普遍促进作物生长、具有抗病性、并使用有限的营养。此外，可能在一组条件下是有益的微生物在其它条件下可能是致病的或有害的98。如何判断一个有益群落将取决于以下内容：如何定义“有益”、所研究的作物、这些作物面对的具体的生物或非生物的挑战、以及特定的土壤条件。需要利用一种类似于“个性化医疗”(参考文献99)的方法，并且简单地了解哪种微生物是被发现的，或者是被引入的，如果忽略了情境，一个给定的土壤可能只有有限的用途。这些潜在的问题将对越来越多试图利用土壤微生物组以改善农业的公司构成挑战。
土壤微生物学研究的未来
任何想要准确预测任何科学学科未来的尝试都是艰难的。然而，以下是三个可选的主要研究方向，在我看来，这将决定土壤微生物组的基础和应用研究的未来。
改进培养策略。我们正迅速收集绝大多数未被描述的土壤微生物类群的基因组数据，因为目前尚无法获得与生态过程密切相关的菌株基因组。我们可以通过未培养的分子生物学方法，包括单细胞基因组学100和来自宏基因组的个体基因组的集合，从而得到越来越多的微生物组数据20,101。然而，即使我们拥有每一种土壤微生物的可用基因组信息，我们对其功能属性的理解仍然存在差距，仅仅根据基因组数据将类群划分到生态类别是有风险的。尽管许多土壤微生物类群的培养—特别是缓慢生长的类群—仍然是一项艰巨的任务102，但是如果我们要评估环境忍耐力、改进基因注释、量化酶动力学、鉴定新型抗生素或益生菌，培养土壤微生物的效用是毋庸置疑的。利用基因组数据确定有效培养和分离顽固微生物的条件的策略103无疑是有利于该领域的发展。
病毒及其在土壤微生物群落中的作用。每克土壤可含有107-109个病毒颗粒104,105，这通常比细菌细胞的噬菌体少一倍；这一比例比通常在水生环境中观察到的要低得多106。不足为奇的是，土壤病毒群落高度多样化，而在土壤中发现的大多数病毒粒子仍是未知的104,107,108。从海洋系统的工作中，我们知道噬菌体是碳和营养动力学的重要驱动者，因为它们可以杀死在水中发现的大量微生物细胞(大约20 - 40%)。在土壤中，已经有许多研究针对特定细菌的噬菌体，包括根瘤菌属和植物病原体(例如黄单胞菌属)109,110，但病毒对土壤微生物的组成和活性的总体影响仍然未被了解。鉴于90%以上的土壤病毒似乎强烈吸附于粘土和其它土壤表面109，目前还不清楚多大比例的在土壤中发现的病毒甚至能够感染它们的微生物猎物。随着近年来病毒宏基因组学的进展111和病毒种群计数的新方法112，该阶段将开始探索病毒群落及其对土壤微生物种群和过程的影响。一般来说，更全面地了解土壤微生物类群如何直接或间接地相互作用，而不是孤立地研究单个群体，这尤为重要。
水平基因转移的重要性。土壤微生物具有通过转导、转化或结合来进行高水平基因转移的潜力113-115。编码性状的基因包括抗生素耐药性116、外源性降解117、砷解毒118和植物共生基因119，它们可以通过水平基因转移在土壤微生物类群(甚至是远缘相关的类群)之间移动。移动遗传元素可以引起新的表型性状的快速进化，并有利于与生态过程紧密相关的菌株产生高度不同的基因组120。值得注意的是，当试图将特定的基因(以及这些基因编码的特征)与特定的系统基因谱系联系起来时，水平基因转移可能会带来问题，因为基因组在空间或时间上并不是静态的。对水平基因转移的具体控制、在原生土壤微生物群落中的普遍性、以及对土壤过程的影响，这些研究已取得了很大的进展。最近的研究证明了水平基因转移在肠道微生物组中的重要性121。
总结和展望
我们对土壤微生物组的认识仍然所知甚少。甚至对一个简单的问题“土壤细菌的平均世代时间是多少？”，我们尚没有明确的答案。此外，不断有新的方法涌现，可以用来进一步探索微生物群落的系统发育和功能多样性。我们往往缺少一个对微生物组认识的概念性框架-使我们能够识别和解释土壤微生物组格局。显而易见的是，仅仅用简单的指标，例如细菌与真菌的比率122或植物丰度来表征土壤微生物组是不够的，我们也不应该把重点局限在基本的作用有限的微生物多样性指标上51。相反，该领域需要超越对微生物群落多样性的简单描述，从而确定这种复杂性格局，并认识到这种复杂性的重要性。这些认识的提高，将使我们能够研究土壤微生物组对人类的实用性作用进行研究，从而提高作物产量、增强陆地生态系统响应持续的环境变化的预测能力。
参考文献
1. Logan, W. Dirt: the Ecstatic Skin of the Earth (W. W. Norton, 2007).
2. Serna-Chavez, H. M., Fierer, N. & van Bodegom, P. M. Global drivers and patterns of microbial abundance in soil. Global Ecol. Biogeog. 22, 1162-1172 (2013).
3. Fierer, N., Strickland, M., Liptzin, D., Bradford, M. & Cleveland, C. Global patterns in belowground communities. Ecol. Lett. 12, 1238–1249 (2009).
4. Waksman, S. Principles of Soil Microbiology (The Williams & Wilkins Company, 1927).
5. Torsvik, V. & Ovreas, L. Microbial diversity and function in soil: from genes to ecosystems. Curr. Opin. Microbiol. 5, 240–245 (2002).
6. Ramirez, K. S. et al. Biogeographic patterns in below-ground diversity in New York Cityoil: from genes to ecosystems. those observed globally. Proc. R. Soc. B. Biol. Sci. 281, 20141988(2014).
This study highlights that the majority of soil microbial taxa remain undescribed and that the soils in a single urban park can contain nearly as much microbial diversity as is found in soils from across the globe.
7. Dupont, A. Ö. C., Griffiths, R. I., Bell, T. & Bass, D. Differences in soil micro-eukaryotic communities over soil pH gradients are strongly driven by parasites and saprotrophs. Environ. Microbiol. 18, 2010–2024(2016).
8. Tedersoo, L. et al. Global diversity and geography of soil fungi. Science 346, 1256688 (2014).
This paper presents one of the most comprehensive investigations of the global biogeography of soil fungi and identifies the factors that shape the diversity and composition of these communities.
9. Jenny, H. Factors of Soil Formation (McGraw-Hill, 1941).
10. Sexstone, A. J., Revsbech, N. P., Parkin, T. B. & Tiedje, J. M. Direct measurement of oxygen profiles and denitrification rates in soil aggregates. Soil Sci. Soc. Am. J. 49, 645–651 (1985).
This study provides direct evidence that individual soil aggregates with diameters of just a few centimetres or less can have anaerobic microsites that contain active denitrifiers.
11. Philippot, L., Raaijmakers, J. M., Lemanceau, P. & van der Putten, W. H. Going back to the roots: the microbial ecology of the rhizosphere. Nat. Rev. Microbiol. 11, 789–799 (2013).
12. DRev. Microbiol. aijmakers, J. M., Lemanceau, P. & van der Putten, W. H. Going back to the roots:Science 311, 374–377 (2006).
13. Kuzyakov, Y. & Blagodatskaya, E. Microbial hotspots and hot moments in soil: concept & review. Soil Biol. Biochem. 83, 184–199 (2015).
14. Acea, M. J., Moore, C. R. & Alexander, M. Survival and growth of bacteria introduced into soil. Soil Biol. Biochem. 20, 509–515 (1988).
15. Bashan, Y., deBashan, L. E., Prabhu, S. R. & Hernandez, J.P. Advances in plant growth-promoting bacterial inoculant technology: formulations and practical perspectives (1998formulatPlant Soil 378, 1–33 (2014).
16. Young, I. & Crawford, J. Interactions and self-organization in the soil-microbe complex. Science 304, 1634–1637 (2004).
17. Blagodatskaya, E. & Kuzyakov, Y. Active microorganisms in soil: critical review of estimation criteria and approaches. Soil Biol. Biochem. 67, 192–211 (2013).
18. Lynch, M. D. J. & Neufeld, J. D. Ecology and exploration of the rare biosphere. Nat. Rev. Microbiol. 13, 217–229 (2015).
19. McGill, B. J. et al. Species abundance distributions: moving beyond single prediction theories to integration within an ecological framework. Ecol. Lett. 10, 995–1015 (2007).
20. Brewer, T. E., Handley, K. M., Carini, P., Gilbert, J. A. & Fierer, N. Genome reduction in an abundant and ubiquitous soil bacterium ‘Candidatus Udaeobacter copiosus’.Nat. Microbiol. 2, 16198 (2016).
21. Mahé, F. et al. Parasites dominate hyperdiverse soil protist communities in Neotropical rainforests. Nat. Ecol. Evol. 1, 0091 (2017).
22. Rosenthal, L. M. et al. Survey of corticioid fungi in North American pinaceous forests reveals hyperdiversity, underpopulated sequence databases, and species that are potentially ectomycorrhizal. Mycologia 109, 115–127 (2017).
23. Oogia corticioiet al. Spatial scale drives patterns in soil bacterial diversity. Environ. Microbiol. 18, 2039–2051(2016).
24. Lauber, C., Knight, R., Hamady, M. & Fierer, N. Soil pH as a predictor of soil bacterial community structure at the continental scale: a pyrosequencing-based assessment. Appl. Environ. Microbiol. 75, 5111–5120(2009).
25. Griffiths, R. I. et al. The bacterial biogeography of British soils. Environ. Microbiol. 13, 1642–1654(2011).
This study maps soil bacterial communities across Great Britain and demonstrates that the diversity and composition of these communities are predictable from soil pH.
26. Cederlund, H. et al. Soil carbon quality and nitrogen fertilization structure bacterial communities with predictable responses of major bacterial phyla. Appl. Soil Ecol. 84, 62–68 (2014).
27. Sul, W. J. et al. Tropical agricultural land management influences on soil microbial communities through its effect on soil organic carbon. Soil Biol. Biochem. 65, 33–38 (2013).
28. Oliverio, A. M., Bradford, M. A. & Fierer, N. Identifying the microbial taxa that consistently respond to soil warming across time and space. Glob. Change Biol. 23, 2117–2129 (2017).
29. Pett-Ridge, J. & Firestone, M. K. Redox fluctuation structures microbial communities in a wet tropical soil. Appl. Environ. Microbiol. 71, 6998–7007 (2005).
30. Van Der Heijden, M. G. A., Bardgett, R. D. & Van Straalen, N. M. The unseen majority: soil microbes as drivers of plant diversity and productivity in terrestrial ecosystems. Ecol. Lett. 11, 296–310(2008).
This article presents a comprehensive review of the mechanisms by which soil microorganisms can directly or indirectly influence plants.
31. Berg, G. & Smalla, K. Plant species and soil type cooperatively shape the structure and function of microbial communities in the rhizosphere. FEMS Microbiol. Ecol. 68, 1-13 (2009).
32. Peay, K. G., Baraloto, C. & Fine, P. V. A. Strong coupling of plant and fungal community structure across western Amazonian rainforests. ISME J. 7, 1852–1861 (2013).
33. Prober, S. M. et al. Plant diversity predicts beta but not alpha diversity of soil microbes across grasslands worldwide. Ecol. Lett. 18, 85–95 (2015).
34. Barberan, A. et al. Relating belowground microbial composition to the taxonomic, phylogenetic, and functional trait distributions of trees in a tropical forest. Ecol. Lett. 18, 1397–1405 (2015).
35. Lekberg, Y. & Waller, L. P. What drives differences in arbuscular mycorrhizal fungal communities among plant species? Fungal Ecol. 24, 135–138 (2016).
36. Nunan, N. et al. Links between plant and rhizoplane bacterial communities in grassland soils, characterized using molecular techniques. Appl. Environ. Microbiol. 71, 6784–6792 (2005).
37. Singh, B. K., Munro, S., Potts, J. M. & Millard, P. Influence of grass species and soil type on rhizosphere microbial community structure in grassland soils. Appl. Soil Ecol. 36, 147–155 (2007).
38. Tedersoo, L. et al. Tree diversity and species identity effects on soil fungi, protists and animals are context dependent. ISME J. 10, 346–362 (2016).
39. Bulgarelli, D. et al. Revealing structure and assembly cues for Arabidopsis root-inhabiting bacterial microbiota. Nature 488, 91–95 (2012).
40. Crowther, T. W. et al. Predicting the responsiveness of soil biodiversity to deforestation: a cross-biome study. Glob. Change Biol. 20, 2983–2994 (2014).
41. Angel, R., Claus, P. & Conrad, R. Methanogenic archaea are globally ubiquitous in aerated soils and become active under wet anoxic conditions. ISME J. 6, 847–862 (2012).
42. Fierer, N. & Lennon, J. T. The generation and maintenance of diversity in microbial communities. Am. J. Bot. 98, 439–448 (2011).
43. Bailey, V. L. et al. Micrometer-scale physical structure and microbial composition of soil microbes across grasslands worldwide. Soil Biol. Biochem. 65, 60–68 (2013).
44. Bru, D. et al. Determinants of the distribution of nitrogen-cycling microbial communities at the landscape scale. ISME J. 5, 532–542 (2011).
45. Carini, P. et al. Relic DNA is abundant in soil and obscures estimates of soil microbial diversity. Nat. Microbiol. 2, 16242 (2016).
This study shows that soils can contain large amounts of extracellular DNA, and demonstrates that the removal of this DNA prior to microbial community analyses can reduce diversity and lead to changes in measured taxon abundances.
46. Bergmann, G. et al. The under-recognized dominance of Verrucomicrobia in soil bacterial communities. Soil Biol. Biochem. 43, 1450–1455 (2011).
47. Tremblay, J. et al. Primer and platform effects on 16S rRNA tag sequencing. Front. Microbiol. 6, 771 (2015).
48. Edgar, R. C. UPARSE: highly accurate OTU sequences from microbial amplicon reads. Nat. Methods 10, 996–998 (2013).
49. Choi, J. et al. Strategies to improve reference databases for soil microbiomes. ISME J. 11, 829–834(2016).
50. Inceog to improve reference databases for soil microbiomes. obial amplicon reads. trates that the removal of this DNA prior to microbial Appl. Environ. Microbiol. 76, 3378–3382 (2010).
51. Shade, A. Diversity is the question, not the answer. ISME J. 11, 1–6 (2017).
52. Jones, D. L., Nguyen, C. & Finlay, R. D. Carbon flow in the rhizosphere: carbon trading at the soilemoval of this DNPlant Soil 321, 5–33 (2009).
53. Vellend, M. Conceptual synthesis in community ecology. Q. Rev. Biol. 85, 183–206 (2010).
54. Cho, J. C. & Tiedje, J. M. Biogeography and degree of endemicity of fluorescent Pseudomonas strains in soil. Appl. Environ. Microbiol. 66, 5448–5456 (2000).
This study demonstrates that not all soil bacterial strains are widely distributed and that endemicity is apparent once bacterial diversity is assessed at sufficiently high levels of taxonomic resolution.
55. Andam, C. P. et al. A latitudinal diversity gradient in terrestrial bacteria of the genus Streptomyces. mBio 7, e0220015 (2016).
56. Lauber, C. L., Ramirez, K. S., Aanderud, Z., Lennon, J. & Fierer, N. Temporal variability in soil microbial communities across land-use types. ISME J. 7, 1641–1650 (2013).
57. Uksa, M. et al. Community structure of prokaryotes and their functional potential in subsoils is more affected by spatial heterogeneity than by temporal variations. Soil Biol. Biochem. 75, 197–201 (2014).
58. Docherty, K. M. et al. Key edaphic properties largely explain temporal and geographic variation in soil microbial communities across four biomes. PLoS ONE 10, e0135352 (2015).
59. Herzog, S., Wemheuer, F., Wemheuer, B. & Daniel, R. Effects of fertilization and sampling time on composition and diversity of entire and active bacterial communities in German grassland soils. PLoS ONE 10, e0145575 (2015).
60. Žifc˘cáková, L., Ve˘trovský, T., Howe, A. & Baldrian, P. Microbial activity in forest soil reflects the changes in ecosystem properties between summer and winter. Environ. Microbiol. 18, 288–301 (2016).
61. Placella, S. A., Brodie, E. L. & Firestone, M. K. Rainfall-induced carbon dioxide pulses result from sequential resuscitation of phylogenetically clustered microbial groups. Proc. Natl Acad. Sci. USA 109, 10931–10936(2012).
62. Morrissey, E. M. et al. Phylogenetic organization of bacterial activity. ISME J. 10, 2336–2340 (2016).
63. Wall, D. H., Nielsen, U. N. & Six, J. Soil biodiversity and human health. Nature 528, 69–76 (2015).
64. Yarwood, R. R., Rockhold, M. L., Niemet, M. R., Selker, J. S. & Bottomley, P. J. Impact of microbial growth on water flow and solute transport in unsaturated porous media. Water Resour. Res. 42, W10405 (2006).
65. Morales, V. L., Parlange, J. Y. & Steenhuis, T. S. Are preferential flow paths perpetuated by microbial activity in the soil matrix? A review. J. Hydrol. 393, 29–36 (2010).
66. Rütting, T., Boeckx, P., Müller, C. & Klemedtsson, L. Assessment of the importance of dissimilatory nitrate reduction to ammonium for the terrestrial nitrogen cycle. Biogeosciences 8, 1779–1791 (2011).
67. Rajkumar, M., Sandhya, S., Prasad, M. N. V. & Freitas, H. Perspectives of plant-associated microbes in heavy metal phytoremediation. Biotechnol. Adv. 30, 1562–1574 (2012).
68. Webster, G., Embley, T. M., Freitag, T. E., Smith, Z. & Prosser, J. I. Links between ammonia oxidizer species composition, functional diversity and nitrification kinetics in grassland soils. Environ. Microbiol. 7, 676–684 (2005).
69. Wieder, W. R., Grandy, A. S., Kallenbach, C. M. & Bonan, G. B. Integrating microbial physiology and physio-chemical principles in soils with the MIcrobial- MIneral Carbon Stabilization (MIMICS) model. Biogeosciences 11, 3899–3917 (2014).
This paper presents a demonstration of how incorporating trait-based information and dividing soil microbes into functional groups can improve models of soil carbon dynamics.
70. Manzoni, S., Schaeffer, S. M., Katul, G., Porporato, A. & Schimel, J. P. A theoretical analysis of microbial eco-physiological and diffusion limitations to carbon cycling in drying soils. Soil Biol. Biochem. 73, 69–83(2014).
71. Dini-Andreote, F. & van Elsas, J. D. Back to the basics: the need for ecophysiological insights to enhance our understanding of microbial behaviour in the rhizosphere. Plant Soil 373, 1–15 (2013).
72. Rocca, J. D. et al. Relationships between protein-encoding gene abundance and corresponding process are commonly assumed yet rarely observed. ISME J. 9, 1693–1699 (2015).
73. Prosser, J. I. Dispersing misconceptions and identifying opportunities for the use of ly assumed yoil microbial ecology. Nat. Rev. Microbiol. 13, 439–446(2015).
74. Pepe-Ranney, C., Campbell, A. N., Koechli, C. N., Berthrong, S. & Buckley, D. H. Unearthing the ecology of soil microorganisms using a high resolution DNA-SIP approach to explore cellulose and xylose metabolism in soil. Front. Microbiol. 7, 703 (2016).
75. Blazewicz, S. J., Barnard, R. L., Daly, R. A. & Firestone, M. K. Evaluating rRNA as an indicator of microbial activity in environmental communities: limitations and uses. ISME J. 7, 2061–2068 (2013).
This study highlights the perils of using RNA-based analyses to determine which microorganisms are active versus dormant in a given community.
76. Schnoes, A. M., Brown, S. D., Dodevski, I. & Babbitt, P. C. Annotation error in public databases: misannotation of molecular function in enzyme superfamilies. PLoS Comput. Biol. 5, e1000605 (2009).
77. Moran, M. A. et al. Sizing up metatranscriptomics. ISME J. 7, 237–243 (2013).
78. Knief, C. & Dunfield, P. F. Response and adaptation of different methanotrophic bacteria to low methane mixing ratios. Environ. Microbiol. 7, 1307–1317(2005).
79. Krause, S. et al. Trait-based approaches for understanding microbial biodiversity and ecosystem functioning. Front. Microbiol. 5, 251 (2014).
80. Lavorel, S. & Garnier, E. Predicting changes in community composition and ecosystem functioning from plant traits: revisiting the Holy Grail. Funct. Ecol. 16, 545–556 (2002).
81. Schimel, J. in Arctic and Alpine Biodiversity, Ecological Studies Vol. 113 (eds Chapin, F. S. & Korner, F. C.) 239–254 (Springer-Verlag, 1995).
82. Leininger, S. et al. Archaea predominate among ammonia-oxidizing prokaryotes in soils. Nature 442,806–809 (2006).
83. Neufeld, J. D., Dumont, M. G., Vohra, J. & Murrell, J. C. Methodological considerations for the use of stable isotope probing in microbial ecology. Microb. Ecol. 53, 435–442 (2007).
84. Graham, E. B. et al. Microbes as engines of ecosystem function: when does community structure enhance predictions of ecosystem processes? Front. Microbiol. 7, 214 (2016).
85. Van Hees, P. et al. T The carbon we do not see — the impact of low molecular weight compounds on carbon dynamics and respiration in forest soils: a review. Soil Biol. Biochem. 37, 1–13 (2005).
86. Grime, J. P. Evidence for the existence of three primary strategies in plants and its relevance to ecological and evolutionary theory. Am. Nat. 111, 1169–1194(1977).
87. Vieira-Silva, S. & Rocha, E. P. C. The systemic imprint of growth and its uses in ecological (meta) genomics. PLoS Genet. 6, 1169 (2010).
This study demonstrates how genomic and metagenomic data can be used to estimate the minimum generation times of individual microbial taxa or whole communities.
88. Marles-Wright, J. & Lewis, R. J. Stress responses of bacteria. Curr. Opin. Struc. Biol. 17, 755–760 (2007).
89. Lauro, F. M. et al. The genomic basis of trophic strategy in marine bacteria. Proc. Natl Acad. Sci. USA 106, 15527–15533 (2009).
90. Ho, A. et al. Conceptualizing functional traits and ecological characteristics of methane-oxidizing bacteria as life strategies. Environ. Microbiol. Rep. 5, 335–345 (2013).
91. Bouskill, N. J., Tang, J., Riley, W. J. & Brodie, E. L. Trait-based representation of biological nitrification: model development, testing, and predicted community composition. Front. Microbiol. 3, 364 (2012).
92. Jeffries, P. & Rhodes, L. H. Use of mycorrhizae in agriculture. Crit. Rev. Biotechnol. 5, 319–357 (1987).
93. Kinkel, L., Bakker, M. & Schlatter, D. A coevolutionary framework for managing disease-suppressive soils. Annu. Rev. Phytopathol. 49, 47–67 (2011).
94. Chiquoine, L. P., Abella, S. R. & Bowker, M. A. Rapidly restoring biological soil crusts and ecosystem functions in a severely disturbed desert ecosystem. Ecol. Appl. 26, 1260–1272 (2016).
95. Wood, J., Liu, W., Tang, C. & Franks, A. Microorganisms in heavy metal bioremediation: strategies for applying microbial-community engineering to remediate soils. AIMS Bioeng. 3, 211–229 (2016).
96. Wessen, E. et al. Spatial distribution of ammonia-oxidizing bacteria and archaea across a 44hectare farm related to ecosystem functioning. ISME J. 5, 1213–1225 (2011).
97. The Human Microbiome Project Consortium. Structure, function and diversity of the healthy human microbiome. Nature 486, 207–214 (2012).
98. Johnson, N. C., Graham, J. H. & Smith, F. A. Functioning of mycorrhizal associations along the mutualism- parasitism continuum. New Phytol. 135, 575–585 (1997).
99. Hamburg, M. A. & Collins, F. S. The path to personalized medicine. N. Eng. J. Med. 363, 301–304 (2010).
100. Gawad, C., Koh, W. & Quake, S. R. Single-cell genome sequencing: current state of the science. Nat. Rev. Genet. 17, 175–188 (2016).
101. Hultman, J. et al. Multi-omics of permafrost, active layer and thermokarst bog soil microbiomes. Nature 521, 208–212 (2015).
102. Pham, V. H. T. & Kim, J. Cultivation of unculturable soil bacteria. Trends Biotechnol. 30, 475–484 (2012).
103. Tyson, G. W. et al. Genome-directed isolation of the key nitrogen fixer Leptospirillum ferrodiazotrophum sp. nov. from an acidophilic microbial community. Appl. Environ. Microbiol. 71, 6319–6324 (2005).
104. Williamson, K. E., Radosevich, M. & Wommack, K. E. Abundance and diversity of viruses in six Delaware soils. Appl. Environ. Microbiol.71, 3119–3125(2005).
This is one of the first studies to show that soils harbour large and morphologically diverse viral populations.
105. Ashelford, K. E., Day, M. J. & Fry, J. C. Elevated abundance of bacteriophage infecting bacteria in soil. Appl. Environ. Microbiol. 69, 285–289 (2003).
106. Suttle, C. A. Marine viruses— major players in the global ecosystem. Nat. Rev. Microbiol. 5, 801–812(2007).
107. Zablocki, O., Adriaenssens, E. M. & Cowan, D. Diversity and ecology of viruses in hyperarid desert soils. Appl. Environ. Microbiol. 82, 770–777 (2016).
108. Paez-Espino, D. et al. Uncovering Earth’s virome. Nature 536, 425–430 (2016).
109. Kimura, M., Jia, Z.J., Nakayama, N. & Asakawa, S. Ecology of viruses in soils: past, present and future perspectives. Soil Sci. Plant Nutr. 54, 1–32 (2008).
110. Frampton, R. A., Pitman, A. R. & Fineran, P. C. Advances in bacteriophage-mediated control of plant pathogens. Int. J. Microbiol. 2012, 326452 (2012).
111. Rosario, K. & Breitbart, M. Exploring the viral world through metagenomics. Curr. Opin. Virol. 1, 289–297(2011).
112. Williamson, K. E. et al. Estimates of viral abundance in soils are strongly influenced by extraction and enumeration methods. Biol. Fert. Soils 49, 857–869(2013).
113. Ghosh, D. et al. Prevalence of lysogeny among soil bacteria and presence of 16S rRNA and trzN genes in viral-community DNA. Appl. Environ. Microbiol. 74, 495–502 (2008).
114. Klumper, U. et al. Broad host range plasmids can invade an unexpectedly diverse fraction of a soil bacterial community. ISME J. 9, 934–945 (2015).
115. Mercier, A., Kay, E. & Simonet, P. in Nucleic Acids and Proteins in Soil (eds Nannipieri, P. & Smalla, K.) 355–373 (Springer Berlin Heidelberg, 2006).
116. Wiener, P., Egan, S., Huddleston, A. S. & Wellington, E. M. Evidence for transfer of antibiotic-resistance genes in soil populations of streptomycetes. Mol. Ecol. 7, 1205–1216 (1998).
117. Springael, D. & Top, E. M. Horizontal gene transfer and microbial adaptation to xenobiotics: new types of mobile genetic elements and lessons from ecological studies. Trends Microbiol. 12, 53–58(2004).
118. Villegas-Torres, M. F., Bedoya-Reina, O. C., Salazar, C., Vives-Florez, M. J. & Dussan, J. Horizontal arsC gene transfer among microorganisms isolated from arsenic polluted soil. Int. Biodeterior. Biodegradation 65, 147–152 (2011).
119. Barcellos, F. G., Menna, P., da Silva Batista, J. S. & Hungria, M. Evidence of horizontal transfer of symbiotic genes from a Bradyrhizobium japonicum inoculant strain to indigenous diazotrophs Sinorhizobium (Ensifer) fredii and Bradyrhizobium elkanii in a Brazilian savannah soil. Appl. Environ. Microbiol. 73, 2635–2643 (2007).
120. Tettelin, H., Riley, D., Cattuto, C. & Medini, D. Comparative genomics: the bacterial pan-genome. Curr. Opin. Microbiol. 11, 472–477 (2008).
121. Brito, I. L. et al. Mobile genes in the human microbiome are structured from global to individual scales. Nature 535, 435–439 (2016).
122. Strickland, M. S. & Rousk, J. Considering fungal:bacterial dominance in soils — methods, controls, and ecosystem implications. Soil Biol. Biochem. 42, 1385–1395 (2010).
This review shows why the paradigm of using fungal-to-bacterial biomass ratios to infer the rates and controls on soil microbial processes is often not valid.
123. Eilers, K. G., Debenport, S., Anderson, S. & Fierer, N. Digging deeper to find unique microbial communities: The strong effect of depth on the structure of bacterial and archaeal communities in soil. Soil Biol. Biochem. 50, 58–65 (2012).
124. Baldrian, P. et al. Estimation of fungal biomass in forest litter and soil. Fungal Ecol. 6, 1–11 (2013).
125. Joergensen, R. G. & Wichern, F. Quantitative assessment of the fungal contribution to microbial tissue in soil. Soil Biol. Biochem. 40, 2977–2991(2008).
126. Frostegard, A. & Baath, E. The use of phospholipid fatty acid analysis to estimate bacterial and fungal biomass in soil. Biol. Fert. Soils 22, 59–65 (1996).
127. Lavelle, P. & Spain, A. Soil Ecology (Kluwer Academic Publishing, 2001).
128. Bates, S. T. et al. Examining the global distribution of dominant archaeal populations in soil. ISME J. 5, 908–917 (2011).
129. Adl, M. S. & Gupta, V. V. S. R. Protists in soil ecology and forest nutrient cycling. Can. J. For. Res. 36, 1805–1817 (2006).
130. Orgiazzi, A. et al. Global Soil Biodiversity Atlas (European Commission, 2016).
131. Maestre, F. T. et al. Increasing aridity reduces soil microbial diversity and abundance in global drylands. Proc. Natl Acad. Sci. USA 112, 15684–15689(2015).
132. Kuramae, E. E. et al. Soil characteristics more strongly influence soil bacterial communities than land-use type. FEMS Microbiol. Ecol. 79, 12–24(2012).
133. Kuramae, E., Gamper, H., van Veen, J. & Kowalchuk, G. Soil and plant factors driving the community of soil-borne microorganisms across chronosequences of secondary succession of chalk grasslands with a neutral pH. FEMS Microbiol. Ecol. 77, 285–294(2011).
翻译 ▏土壤微生物生态学课题组 (顾辛韵 卜雪蕾 张明月 王妙莹 薛梦迪 周静 周小奇)
编辑 ▏张明月
审核 ▏周小奇
猜你喜欢
写在后面
为鼓励读者交流、快速解决科研困难，我们建立了“宏基因组”专业讨论群，目前己有国内外七十多位PI，七百多名一线科研人员加入。参与讨论，获得专业指导、问题解答，欢迎分享此文至朋友圈，并扫码加主编好友带你入群，务必备注“姓名-单位-研究方向-职务”。技术问题寻求帮助，首先阅读《如何优雅的提问》学习解决问题思路，仍末解决群内讨论，问题不私聊，帮助同行。
学习16S扩增子、宏基因组科研思路和分析实战，关注“宏基因组”