科研 | FRONT MICROBIOL：微生物群落作为新鲜海鲜地理来源标记的潜力
编译：傻狍子，编辑：小菌菌、江舜尧。
原创微文，欢迎转发转载。
本文研究旨在确定新鲜贝类的微生物群是否可以作为准确的捕捞地点标记。从2015年和2018年从加拿大东海岸两个地点采集的25批新鲜软壳蛤的匀浆中提取总DNA，并使用16S rRNA靶向扩增子序列测定每个匀浆的微生物组成。与魁北克省蛤相比，新斯科舍省蛤在这两年中Proteobacteria和Acidobacteria丰度较高（p<0.05），而Actinobacteria丰度较低（p<0.05）。α多样性在不同地点也有显著差异。新斯科舍省采集的样本比魁北克省的样本具有更大的多样性（p<0.0001）。β多样性分析表明，新斯科舍省和魁北克省的微生物群落组成存在显著差异，表明16S rRNA靶向扩增子测序可能是阐明未加工贝类地理起源的有效工具。为了评估贝类的微生物种群在加工和储存过程中是否经历了微生物多样性的改变，该改变会限制这项技术将零售样品与地理来源联系起来的能力，还对从杂货店购买的10批零售蛤蜊进行了检测。零售蛤蜊的微生物多样性和物种丰富度明显较低，且主要由Proteobacteria主导，这是一种典型的新鲜海鲜腐败菌，这可能使零售蛤蜊比新收获蛤蜊更难确定海产品的地理来源。
论文ID
原名：Exploring the Potential of the Microbiome as a Marker of the Geographic Origin of Fresh Seafood
译名：微生物群落作为新鲜海鲜地理来源标记的潜力
期刊：Frontiers in Microbiology
IF：4.259
发表时间：2020.4.17
通信作者：Jennifer Ronholm
通信作者单位：麦吉尔大学
实验设计
鲜蛤取样：本实验从加拿大东海岸魁北克省和新斯科舍省收获了25批次10-15只软壳蛤蜊（大鲵），时间是2015年5月和2018年10月。所有样品立即存放在冰上运送到加拿大卫生部，然后将它们匀浆化并冷冻，直到可以提取DNA。
零售文蛤取样：10批10-15只新鲜文蛤，在冰上储存和出售，从各种各样不同的杂货店在整个11月不同时间点，时间是2014年至2016年2月。在这10批中，有9批被证实是在西海岸收获的，还有1批是在东海岸收获的，但无法获得更详细的信息。在购买后，零售蛤蜊被冰运到实验室，并将它们匀浆化并冷冻，直到可以进行提取DNA。
结果
1. 随着时间的推移，新鲜蛤的微生物群落组成是不同的
为了评估不同地理来源的蛤之间的微生物群落组成是否显着不同，从魁北克省或新斯科舍省收获了25批新鲜蛤。共有1,141,528个序列读取通过的过滤器，每个样本平均计数为45,661，总共生成了2,994个OUT。
在2015年和2018年收获的新鲜蛤类样品中，Proteobacteria是分类较丰富的门，其次是Bacteroidetes和Planctomycetes(图1)。收获地点之间的微生物种群组成明显不同。从新斯科舍省采集的样品的香农和辛普森α多样性指数（分别为4.73和0.97）均显着高于魁北克的样品（分别为3.79和0.88；p<0.0001，表1）。在从每个位点收集的样本之间，Chao1没有显着差异（p=0.075）。对于β多样性，基于位置的Bray-Curtis差异的ANOSIM和PERMANOVA分析确定了两个位点之间的显着差异（ANOSIM R=0.688，p<0.001；PERMANOVA F = 9.341，p<0.001；R2：0.289）。NMDS排序可以根据地理位置信息中减少维度为微生物群落的独特聚类模式（图2）。在2015年和2018年收获的样本之间，微生物群落之间存在这种差异。LEfSe分析表明，Proteobacteria是导致2015年和2018年从不同地点收获的蛤类之间的微生物群落差异最大的门（图3A,B）。更具体地说，是Proteobacteria中的两个家族Desulfobulbaceae和Halieaceae，它们导致了这些差异。
图1 从加斯佩和史密斯湾收获的新鲜蛤相关的微生物的菌群水平相对丰度
图2 按收获地点和年份分组的新鲜蛤微生物群落在OTU水平上的β多样性分析的非度量多维标度（NMDS）排序：ANOSIM R：0.631；PERMANOVA F值：5.724； R2：0.450；p＜0.001。NMDS排序压力= 0.099
图3 LEfSe分析显示，在（A）2015年和（B）2018年从魁北克和新斯科舍省收获的蛤相关的微生物群落结构中有区别的门。FDR调整后的p值为0.1。
表1 与新鲜蛤（从魁北克（n = 14）和新斯科舍省（n = 11）收获）和零售样本（n = 10）相关的操作分类单位（OTU）水平的微生物群落的α-多样性指数
2. 零售蛤中微生物种群的α-多样性明显降低
为了进一步探索零售蛤和新鲜蛤之间的微生物种群之间的差异，并评估微生物菌种群是否可以作为零售蛤的良好来源标记，我们评估了从各种杂货店购买的10批零售蛤中α和β的多样性。总共获得了1,408,948个读数，每批样品的平均计数为140,894。总共生成了149个计数≥2的OUT。
所测量的Alpha多样性，包括Chao1（p <0.0001），香农指数（p <0.0001）和辛普森指数（p <0.0001），与新鲜蛤样本相比，零售样本的物种丰富度和总体多样性明显降低（表1）。Proteobacteria在零售样本的平均值中占主导地位，这有助于新鲜样本和零售样本中微生物群落之间的清晰分离（图4）。具体而言，Vibrio属占微生物种群零售样本的20.09％，而新鲜样本中仅为0.03％。Vibrio属是造成新鲜样品和零售样品之间差异的主要因素。
图4 在OUT水平通过对零售蛤和新鲜收获微生物种群的β多样性进行NMDS排序（ANOSIM R：0.949；PERMANOVA p <0.001）。NMDS排序应力=0.045。箭头表示来自大西洋的一批零售蛤。其余九批零售样品来自太平洋地区。
表1 与新鲜蛤（从魁北克（n = 14）和新斯科舍省（n = 11）收获）和零售样本（n = 10）相关的操作分类单位（OTU）水平的微生物的α-多样性指数
讨论
我们的研究评估了使用生蛤的微生物种群作为收获物地理位置标记的潜力。我们发现，从加拿大东海岸相距800公里的两个不同地点采集的蛤类中的微生物种群组成是独特的，并且这种差异至少在3年内是稳定的。先前的研究表明，以16S rRNA为靶标的扩增子测序能够鉴定出养殖鲈鱼的特定池塘，并且类似的方法与机器学习相结合也能够追踪到鲈鱼的地理起源。马尼拉蛤指出该技术可能在追踪和识别地理食品欺诈中具有价值。
使用微生物种群作为各种海产品的地理位置的制造者，主要将是开发来自各个位置的预期微生物种类的数据库以将样品进行比较。确实，这是与提供类似信息（例如IRMS）的技术相关的障碍之一。现有的数据库（例如《生命条形码》）为物种识别提供了参考点，确实花费了巨大的精力。但是，我们的初步分析表明，随着时间的流逝，微生物群落结构的稳定性，因此这些数据库不需要每年更新。
野生贝类的微生物种群受到多种环境条件的影响，并将特定的环境条件与微生物群落组成联系起来可能很有趣。例如，我们确定Desulfobulbaceae和Halieaceae是造成从不同地理位置收获的蛤类之间差异的原因。Desulfobulbaceae减少了硫酸盐并吸收了乙酸盐，并有可能回收海洋沉积物中的铁。之前的研究表明，Halieaceae家族的菌株可吸收表层海水中的烯烃。魁北克和新斯科舍省的沉积物和地表水中的无机和有机物质是否会影响Desulfobulbaceae 和Halieaceae的丰度，这将是未来研究的重要内容。
使用微生物群落作为海产品的地理标记的另一个可能的缺点可能是，在提纯，加工和零售存储期间，成分可能会发生巨大变化。本研究中使用的蛤是新鲜的，从未冷冻过，并且加工最少。但是，在收获后，在加拿大，大多数双壳贝类软体动物，包括本研究中检验的蛤，都受到了加拿大食品检验局规定的净化过程。当它们生长贝类时，会浓缩水柱中的污染物，包括化学污染物以及细菌和病毒病原体。净化是指在零售之前将贝类保存在干净海水的水箱中的过程，这会导致肠内容物被去除并提高最终产品的安全性。净化后，新鲜蛤（在壳中）的保质期通常为2-3天。但是，加拿大法规允许在净化过程中进行更改，例如，如果将蛤存储在适当的湿式存储设施中，则允许在收获和净化过程之间经过多达21天的时间，这可能会给蛤仔的微生物群落成分带来更多变化。
在零售和消费者存储期间，蛤经常被Vibrio, Pseudomonas, Aeromonas和coliforms破坏。我们没有有关零售样品经过的处理类型或样品在购买前存放了多长时间的信息。为了检验假说，如果加工和储存会减少微生物群落的多样性，因此可能会影响这种分析作为地理食品欺诈检测工具的有效性，我们评估了零售蛤微生物群落组成。我们观察到新鲜蛤和零售蛤之间的字母多样性显着降低。清楚地表明，在新鲜蛤中鉴定出了2,994个OTU，而在测序中，仅在零售蛤中发现了149个独特的OUT。加工和储藏条件可能有利于Proteobacteria的生长，导致微生物多样性的丧失，这可能会阻碍16S rRNA靶向扩增子测序解决加工贝类地理起源的能力。这一发现与以前的发现一致，后者表明贝类的微生物群落随着变质而变得越来越相似。其它各种加工和保存策略，包括臭氧处理，有机酸，噬菌体处理，高压处理和辐照，也可能会影响海鲜的微生物群落组成。例如，臭氧化影响了Pseudomonas和Enterobacteriaceae。柠檬酸或乳酸导致新鲜牡蛎中Vibrio的减少。海洋环境与零售商店环境的差异，特别是零售商店的嗜冷保存倾向，也将改变产品中的微生物群落组成。因此，纯化，变质和保存技术可能会影响零售样品中使用16S rRNA靶向扩增子测序检测地理欺诈的敏感性。
在未来，将更精细的生物信息学分析应用于更多的海产品样品，如机器学习分析，以预测其来源将是很有趣的。此外，有必要将微生物群落分析扩展到从海洋到市场的整个食物链，以更好地了解在海鲜加工线上微生物群落的变化在哪里发生，以及相应的食品安全后果。
你可能还喜欢