基于整合高通量绝对定量法的土壤微生物多样性分析

目前,常用的高通量测序技术只能得到微生物群落结构的物种种类和相对丰度,而整合高通量绝对定量法(iHAAQ)结合了高通量测序技术和qPCR技术,可以进一步计算得到微生物群落结构的绝对含量。相对丰度和绝对含量均是描述微生物群落结构的必备指标,其中相对丰度适合描述和评价微生物群落结构在单个样本内微生物之间的关系,而绝对含量更适于描述和评价微生物群落结构真实的数量变化以及在样本间微生物之间的关系。本研究基于发表的香蕉土传病害、再造沙地农业生态系统和微生物抑制剂作用3篇文献的高通量测序和qPCR数据,通过整合高通量绝对定量法获得3篇文献中古菌域、细菌域和真核生物域的真菌三类微生物群落结构的绝对含量数据,并进一步计算出这三类微生物整体(简称三域微生物)的绝对含量和相对丰度,从而对土壤微生物群落结构不同物种的相对丰度和绝对含量进行分析,旨在更加深入、准确地揭示土壤微生物群落及其生态功能。结果表明:(1)土壤中细菌的物种丰度和绝对含量高于古菌和真菌,在三域微生物中占据主导地位,缺乏绝对含量指标可能造成对微生物群落结构变化理解的偏差;(2)基于相对丰度和绝对含量数据分析,微生物群落结构α多样性指数结果相同,但β多样性指数结果不同;(3)在香蕉土传病害和再造沙地农业生态系统研究中,三域微生物的PCoA结果与细菌的结果较为相似,表明这两项研究中三域微生物群落结构主要受细菌的影响,但在微生物抑制剂的研究中未发现类似结果。整合高通量绝对定量法可以应用于所有同时进行高通量测序和qPCR分析,在未来的土壤微生物群落结构研究中,采用高通量绝对定量法开展三域微生物群落的物种种类、相对丰度和绝对含量的整体评价,具有重要的生态学意义。

基于高通量绝对定量对不同树龄茶树土壤细菌群落多样性的研究

【目的】为研究不同树龄的茶树土壤细菌群落变化规律。【方法】采用16S rRNA高通量绝对定量测序的方法,选取树龄10年(10yrs)、40年(40yrs)、80年(80yrs)和100年以上(100yrs)的茶树土壤为研究对象,同时选取相邻没有茶树种植历史的林地(0yrs)土壤作为对照。【结果】土壤细菌群落多样性表现为10yrs>0yrs>40yrs>80yrs>100yrs;Acidobacteria(酸杆菌门)、Proteobacteria(变形菌门)、Chloroflexi(绿弯菌门)、Planctomycetes(浮霉菌门)、Actinobacteria(放线菌门)、Myxococcous(粘球菌门)、Gemmatimonadetes(芽单胞菌门)是林地和茶树土壤细菌主要的优势门,占了整个细菌群落的76.30%~88.90%;植茶后土壤细菌总绝对丰度表现为40yrs>80yrs>10yrs>100yrs, 0yrs和80yrs的总绝对丰度差异较小;基于各样本的ASV绘制的韦恩图分析,植茶后特有的ASV个数随树龄的增加而减小;Heatmap(热图)和PCoA(主坐标)分析共同表明,40yrs和80yrs的土壤细菌群落结构较相似,其他树龄茶树土壤和林地土壤的细菌群落结构差异较大。【结论】随着茶树树龄的增加,土壤细菌群落多样性降低;土壤细菌绝对丰度随树龄增加呈先增加后减小的趋势。

基于高通量绝对定量测序解析岗南水库微生物群落的时空分布特征及关键驱动因素

为了探究水源水库微生物群落时空演变特征及其环境驱动因子,采用高通量绝对定量测序技术,结合数据分析了相对定量和绝对定量对岗南水库微生物群落演变和驱动因子的影响.结果表明,基于绝对定量的微生物群落α-多样性呈现出明显的季节差异(p<0.05),基于相对定量的微生物群落α-多样性没有差异;绝对定量的微生物群落α-多样性高于相对定量,其中,电导率(21.1%)和高锰酸盐指数(29.1%)是影响微生物群落α-多样性的关键环境因素.指示物种OTU(Operational taxonomic unit)和关键物种OTU的季节差异显著(p<0.001).此外,韦恩图(Venn)分析显示,基于绝对定量的共有物种OTU数量高于基于相对定量的共有物种OUT数量.LEfSe(Linear discriminant analysis effect size)分析结果显示,基于绝对定量的指示物种数量高于基于相对定量的指示物种数量.OTU-OTU关联网络显示,基于绝对丰度的正向相关的边所占比例较高(91.9%),表明物种间呈现较强的共生关系;网络中OTU主要与温度、硝氮、pH、溶解性总磷和电导率等环境因子有关.关键物种分析得到168个关键物种OTU,主要隶属于Bacillariophyta、Chlorophyta、Cryptomonadaceae、Flavobacterium、Hyphomonas、Ilumatobacte、Rhodoluna、Rhizobacter和unclassied bacteria.此外,综合冗余分析(RDA分析)、网络分析、相关性分析及随机森林分析发现,温度、溶解氧、硝氮、高锰酸盐指数和氧化还原电位是影响微生物群落组成和功能最重要的环境驱动因素.综上可知,基于绝对定量和相对定量的微生物组成、功能群落演变及环境驱动因素存在显著差异,因此,在将来水库水体微生物介导下的水质演变分析中,应进一步考虑微生物定量技术带来的影响.