科研 | Environmental Microbiology ：高山湖泊区域群落组装驱动因素和微生物环境源对浮游细菌的影响
编译：jiee，编辑：小菌菌、江舜尧。
原创微文，欢迎转发转载。
自然生态系统中的微生物群落遵循严格的生态规则。通过对区域群落的研究，可以揭示群落的聚集模式，揭示潜在的生态过程。在本研究中，作者利用一个大型的湖泊数据集(>300个湖泊)，在区域尺度上寻找比利牛斯山脉群落组装的驱动力随着地理、湖泊和物理化学梯度的变化。通过对16S rRNA基因的高通量扩增子测序，以及推断细菌迁移的环境来源，作者发现：地表水生细菌组合受到来自土壤、生物膜或沉积物中微生物类群的强烈影响，主要由pH碱度梯度选择。事实上，环境来源解释了27%的群落变异，化学成分和与环境来源共同解释了15%的总变异。Verrucomicrobia、Actinobacteria和Bacteroidetes等主要微生物类群的水生亲缘性高于Parcubacteria、Gammaproteobacteria、Alphaproteobacteria和Betaproteobacteria，后者可能在不同的水文环境中被选择和改变。作者在比利牛斯山脉中部发现了一个区域特性，该区域的alpha多样性较低，而beta多样性较高。作者认为这是一个生态演替过程，可能受到沿山脉地理分布的环境源扩散和环境过滤的复杂相互作用的影响。
论文ID
原名：Regional community assembly drivers and microbial environmental sources shaping bacterioplankton in an alpine lacustrine district
译名：高山湖泊区域群落组装驱动因素和微生物环境源对浮游细菌的影响
期刊：Environmental Microbiology
IF：5.147
发表时间：2019.11.3
通讯作者：Emilio O. Casamayor
作者单位：布兰高等研究中心，淡水生态综合研究组
实验设计
作者从阿尔卑斯山脉和比利牛斯山脉采集了304个高山湖泊数据集，数据集覆盖了不同的湖泊大小、湖泊高度梯度和湖泊的理化性质。同时测量了30个化学和地理变量:湖湖地区、流域面积、湖泊深度、体积、海拔、经度、纬度、pH值、碱度、电导率、溶解无机碳(DIC)、溶解有机碳(DOC)、亚硝酸盐(NO2)、硝酸盐(NO3)、铵(NH4)、溶解有机氮(DON)、总溶解氮(TDN),溶解有机磷(SRP)、总溶解磷(TDP)、总磷(TP)、可溶性活性磷(SRP)、颗粒磷(PP),溶解活性二氧化硅(DRSi)、氯化物(Cl)、硫酸盐(SO4)、钾(K)、钙(Ca)、镁(Mg)和钠(Na)。对采集的样品进行16S rRNA扩增子测序，使用通用引物对515f和806r扩增V4区域。
结果
1.环境和地理梯度
表1 主成分分析。列出了与旋转主成分相关的变量的权重和解释变量的百分比。
图1 在比利牛斯数据集中检测到的细菌的多度(zOTUs的数量)和相对丰富度(reads的比例)的关系。A：不同样本中细菌门之间的均值和标准差。B：在所有样本构成的区域群落中不同细菌门的多度和丰度。
2.物种多样性与区域群落结构
区域中的细菌多样性以53个鉴定出的门为代表。Bacteroidetes、Betaproteobacteria、Actinobacteria、Alphaproteobacteria是该地区最丰富的类群，占相对丰度的89%(图1)，且在湖泊间的分布不同(图1、图S3)。有趣的是，Bacteroidetes的相对丰度与Alphaproteobacteria呈负相关(rS = 0.31,p<0.001)，这两种细菌在每个样本中的丰度/多度都存在差异(图1A)。Betaproteobacteria和Actinobacteria的丰度较高，而其余的丰度较低。其中，Deltaproteobacteria和Parcubacteria (Patescibacteria superphylum)的区域多度最高(图1B)，虽然它们属于相对比例较低的类群。
由此得到的比利牛斯区域的细菌群落结构高度分散，没有明显的簇状结构(图2)。群落差异矩阵与两个PCA旋转主成分相关(表1)(转换为等效差异矩阵后)：酸碱度RC2(rM = 0.20,p< 0.001)和群落形态RC3 (rM =0.06, p< 0.05)。通常被报道为显著的参数并没有显示出显著的相关性，例如营养相关RC1 (rM= 0.02,p> 0.05)，或者基于水更新时间(WRT)的水文框架的潜在影响。基于Shannon指数的多样性距离与细菌群落结构相关(rM = 0.38, p <0.001)。海拔对群落变异的影响较弱(rM = 0.098,p< 0.001)，但对具有pH极值的湖泊有显著影响，pH > 8时 (rM = 0.28, p= 0.004, 30个湖泊)和pH <6.5时 (rM = 0.20,p=0.019,32个湖泊)。
此外，作者根据影响群落结构的主要变量：pH和alpha多样性，对beta多样性进行了量化。根据H’中值(4.29)将湖泊划分高、低多样性区域时，beta多样性差异不显著。在用H’和pH因子估计beta多样性时，低H’组的beta多样性显著高于高H’组(Kruskal-Wallis, H = 18.05, p <0.001)(图2)。尽管如此，在单个因素下，pH值并没有显示出明显的差异。
图2 A：基于Bray-Curtis距离的湖泊细菌群落的非度量多维标度(nMDS)排序，颜色代表最强的相关变量(pH)，点形状代表两个不同的Shannon指数组。B：H’多样性高、低群落群落对比，按最高的H’划分为5组(0.5为间隔)。
3.湖泊中的细菌的相关环境本体论(EnvO)
与数据集中细菌相关的主要EnvO因素与水生系统因素密切相关，主要与湖泊有关(37.6%)，但也与湖面变温层(5.3%)、河流(3.1%)或地下水(2.7%)有关。颗粒相关的和陆地来源的因素，如土壤(2.8%)、湿地(2.0%)、沉积物(1.5%)和生物膜(1.9%)亦被证实。对具有相同环境特征的湖泊细菌群落进行了分组，其生态特征存在显著差异(p < 0.05，ANOVA;图3)。根据使用的多样性度量矩阵，因果关系的比较显示出了不同的显著性，但水生和陆源对整体alpha多样性的贡献是相同的(图3A和图B)。基于bray-curtis的Beta离差(图3C)显示：水源(变温层、河流和地下水)的值最低，而基于Raup-Crick dis的Beta离差(图3D)显示，水源之间的统计差异不大，同样，河流和地下水的值最低。有趣的是，作者观察到了每个环境源的优势物种(图4)。Cyanobacteria、Verrucomicrobia、Actinobacteria或Bacteroidetes与水生栖息地(湖泊和变温层)相关，而Deltaproteobacteria、Parcubacteria或Gammaproteobacteria在陆源(土壤和沉积物)中占优势。值得一提的是，与上述微生物呈负相关的门，如Alphaproteobacteria和Bacteroidetes(图S3)，具有显著不同的EnvO(图4)。
图3 主要EnvO因素的(A)丰富度和(B)香农指数的均值和标准差；(C)基于Bray-Curtis距离的群落离差对不同的EnvO群落进行划分；(D)基于Raup-Crick的群落离差对不同的EnvO群落进行划分。
4.细菌来源和环境过滤对区域群落组装和多样性的影响
为了比较化学变量和不同EnvO在nMDS排序空间内的相对影响(图2)，作者首先对整个比利牛斯地区进行了变异划分分析(图5A)。EnvO解释了27%的变异，而化学变量和EnvO共同解释了15%的总变异。对于化学和水源的共同影响的变异(总数的8%，在西部高达21%)，作者探索了每个湖泊的EnvO的比例与化学和湖泊学性质之间的具体关系。EnvO中有4项存在相关约束(rS > 0.15, p < 0.05)。变温层与pH、ALC呈显著正相关，与养分含量也呈显著正相关(但与NO3、TDN负相关，与DOC正相关)。河流与地理(纬度)有显著的相关性。沉积物与PCA旋转主成分相关(与RC1负相关，与RC2正相关)。土壤仅与钠呈负相关。
为了全面揭示区域群落结构中复杂的生态联系，作者采用了基于Spearman相关性的网络，分析了基于nMDS排序因子间的相关性，包括化学参数、形态变量、α多样性以及EnvO因子对每个湖泊的贡献(图5B)。作者找到了三个不同的网络模块，总共有55个显著的相互作用(模块化值为0.317)。三个模块与nMDS轴的主要连接者是变温层，其次是Shannon指数。第一个模块(nMDS1)显示了与pH (rS = - 0.52, p < 0.001)和相关变量的强的负相关关系，但与地下水和土壤呈正相关关系。第二个模块(nMDS2)与α多样性(多度rS =−0.72,wtd.PD rS =−0.58,p < 0.001)，营养变量如DOC或NO2，EnvO因子如河流、生物膜、湿地和湖泊相关，并受海拔的影响。土壤、生物膜和河流与多度或wtdPD呈正相关，而α多样性指数与湖泊呈负相关。香农指数与任一EnvO因子都无关。第三个模块(nMDS3)包含两个化学变量:钾和SRP(一种测量植物土壤中有效磷的方法)，它们与沉积物密切相关(rS = 0.52, p < 0.001)，表现出与变温层的平衡。复杂的相互关系网络使得三种主要综合力量以及与这三种力量相关的地理效应塑造了微生物群落结构:
(i) pH和变温层，
(ii)化学营养和多种因素，
(iii)沉积物。
图4 湖水环境因子相关的zOTUs在最丰富的细菌类群中的比例。
5.地理环境下的群落组装
虽然地理距离与群落距离之间不存在显著的线性关系(rM = 0.04, p = 0.06)，但多个距离等级的mantel相关图显示：地理距离对邻近湖泊(~7.3km)的影响虽小但显著(图S4)。nMDS轴1、3与地理坐标呈线性相关(图5B)，在nMDS的变异划分分析中(图5A)，地理解释的变异比例虽低(6.1%)但很显著。东部和中部的比利牛斯山脉反映了比利牛斯山脉的整体趋势，而西部的比利牛斯山脉则显示了地理和相关化学变量所解释的变异比例的大幅增加，达到了所解释变异的75%。此外，考虑到地理分区(西部、中部和东部)和到比利牛斯地理中心的距离(图6)，作者评估了α多样性与地理的潜在的非线性关系。这一趋势在东部地区显著(rS = 0.18, p =0.047)，但在碱性较强的西部地区不显著。令人惊讶的是，在评价按EnvO因子分类的zOTUs的α多样性时，这一趋势在向西部地区时有5个EnvO因子中是显著的(表2)，而在西部地区的趋势仅在湖泊中是显著的。在化学因素方面，虽然西部有碱性湖泊的趋势，东部有营养物含量较高的湖泊(DOC或TP，见图S2)，但这些因素与α多样性不相关，除了DOC与PD之间存在微弱的正相关关系(图5B)。
图5 上图(A)显示了化学因素、EnvO因子和地理分别能够解释nMDS排序(完整的比利牛斯山脉和分隔的西部、中部和东部山脉地区)变异的百分比。还显示了未解释的(残差)和元数据类型之间的共同变异。B：nMDS轴、化学、地理、EnvO因子、多样性和环境主成分分析(gephi layout: Forceatlas2)的相关网络。节点颜色表示三个不同的模块，连线的宽度代表Spearman相关性大小，连线的红色代表正相关，灰色代表负相关。节点大小表示该节点的连接数。
图6 比利牛斯山脉地理与细菌多样性的关系。A：α多样性(H’)的滑动平均值，从地理形心开始，形心将梯度分为东、西两个方向。利用线性模型和loess函数绘制了观测到的地理趋势。B：比利牛斯子区域的beta离差(基于Bray-Curtis)。C：比利牛斯子区域的beta离差(基于Raup-Crick)。
表2 α多样性(H’)在每个环境因子和地理环境中的关系(以到比利牛斯中心和东西方向的距离来衡量)。显著性水平:** (p < 0.01)， * (p < 0.05)。
讨论
理解生物群落的组装在生态学中是一个复杂的问题，涉及多个过程，如环境的选择和扩散等。内陆水体为研究微生物的复杂世界提供了机会。组装过程在区域尺度上的认识更少，缺乏对微生物组装过程中多个区域过程的整合研究，实例较少。
1.湖泊群落中水文生态位的作用
作者的研究结果指出，在比利牛斯山脉，多个水文生态位对当地浮游细菌群落结构关键相关性扩散影响。虽然已知通过集水区的水流会被动地运输固体颗粒，但传统上很难推断细菌的运动和起源。直到最近，人们才进行了全面的尝试来揭示这些通量，但是主要是关于土壤的。事实上，基于潜在源种群的扩散过程跟踪使我们能够识别与土壤和沉积物相关的细菌，也可以识别与河流、地下水和生物膜相关的细菌。显然，在比利牛斯表面的浮游细菌中，来自湖泊，特别是变温层的种群数量最多。含有zOTUs的门具有较高的水亲和性，如Cyanobacteria、Verrucomicrobia、Actinobacteria和Bacteroidetes可能代表土著细菌；而土壤-沉积物亲和的Parcubacteria，Gammaproteobacteria,Alphaproteobacteria和Betaproteobacteria的zOTUs可能代表外来的“种子”细菌,其中一些是通过水文网络招募而来并在湖中蓬勃发展。正如所料，细菌门的生境偏好表现出一定程度的一致性，但也存在一定程度的生境多样性。后一类中有一些特定的种群很好地适应了浮游环境，例如，Alphaproteobacterial LD12谱系和Betaproteobacterial中的Polynucleobacter属和Limnohabitans属。
此外，与河流和地下水相关的细菌可能表明通过水文地表网络和地下水库对水运动的质量影响。生物膜作为一种来源可能与由水文系统运输的与颗粒相关的细菌直接相关，或者与在湖泊的营养部分观察到的絮凝体形成直接相关。这些也可能是浮游生物膜的自由生活阶段，已知它们有很大的多样性，并在比利牛斯寡养湖中发挥积极作用。
2.特定环境来源的环境过滤
环境因子源比化学和地理变量组合更能解释群落的异质性。河流、湿地和生物膜的潜在效应表明流域通量在群落结构中起着相关的动态作用。事实上，曾经的研究表明，现存群落强烈地决定了未来的群落，而不管将来的影响来源，后者可能以一种瞬时的方式呈现。比利牛斯湖高度稀薄的特性反过来使河流和土壤来源微生物的多度大大增加，破坏了湖泊细菌的比例。此外，作者的结果表明：在某些水生来源(河流和地下水)的细菌中，区域群落的β离差最低，而Shannon多样性在水生和陆地来源之间相似。Raup-Crick差异性在不同来源之间是同质的，这表明它们的β多样性可能主要是受其丰富的影响，并揭示了所有因素对湖泊群落结构的影响可能是同样重要的。
3．区域群落的空间特征
当地群落受上述所有因素和过程的影响，但在整个区域内，过去的环境选择和最初的微生物类群等历史过程可能对群落结构产生长期影响，这些过程可能使得群落结构表现出特定的生物地理模式。总的来说，作者观察到Shannon多样性和beta离差之间存在负相关关系，这潜在地暗示了一个源于生态演替的群落趋同过程。此外，作者在不同的子地理环境中观察到α和β多样性相似的关联。一般来说，当群落更相似时(低β多样性)，它们的α多样性更高;作者发现比利牛斯山脉中部比东部和西部的α多样性更低，而β多样性更高。比利牛斯中部的β多样性更高，说明它比比利牛斯极端地区的随机过程强度更大，确定性更强。鉴于pH值和地理的模式重叠只发生在西比利牛斯山脉,而β多样性并没有随着pH值和高度的改变而改变,仅仅这些因素没有充分代表所有可能发生的历史过程,虽然在流域层面可能确实发生。相反，浮游动物数量的奠基者效应以及它们的α多样性向东比利牛斯迁移的趋势已经被发现。此外，由于湖泊表面与周围土壤相连，因此可以推断，至少一部分水生细菌种群也可能对土壤群落生物地理做出响应，而古气候可以解释部分群落异质性。因此, 作者观察到的淡水地区的多样性模式可以应对历史过程（如生态位分散，优先效应）, 现在的及以前的环境条件的综合作用，最终形成生态演替过程。
结论
综上所述，作者的研究结果表明，在高山湖泊中，驱动群落组装的过程主要与环境因素的选择性生境分散有关，其次与细菌迁移的大量环境因素的环境过滤有关。作者发现，特定的变温层细菌对化学选择敏感，沉积物、河流、湿地、地下水和土壤对当地群落结构的影响显著。尽管地理对群落组装的影响很小，但作者对α和β多样性的分析结果表明，环境因素的扩散和环境过滤的复杂交互作用塑造了沿山脉地理分布的浮游细菌群落。
你可能还喜欢
这些或许也适合你哦👇