|
||
蒙古栎纯林根际与非根际微生物群落结构对土壤碳氮的响应
生物多样性
2025, 33 (7):
25119-.
DOI: 10.17520/biods.2025119
根际微域是植物-土壤互作的关键界面, 其与非根际微生物群落结构的分异特征及碳氮含量的调控作用共同塑造了森林土壤养分循环的微观格局。本研究通过高通量测序技术, 分析了蒙古栎(Quercus mongolica)纯林根际与非根际土壤微生物群落结构、多样性、功能及其对碳氮含量的响应。结果显示, 根际土壤的特有扩增子序列变体(amplicon sequence variants, ASVs)数量多于非根际。在门水平上, 根际细菌以变形菌门和酸杆菌门为主; 根际真菌群落的子囊菌门丰度显著高于非根际, 而担子菌门则呈现相反趋势。根际土壤中富营养型细菌通过快速利用根系分泌的简单碳源而占主导, 而非根际寡营养型菌群更适应低养分环境; 真菌群落中, 子囊菌门在根际占优势, 非根际以担子菌门为主, 这主要由根际效应(碳源输入)与非根际环境(有机质分解)的异质性驱动。α多样性表明, 根际真菌Shannon多样性指数和Chao1均匀度指数显著高于非根际, 而细菌多样性无显著差异; β多样性表明, 根际与非根际微生物群落组成差异显著。功能预测显示, 蒙古栎林土壤细菌与真菌分别富集于氨基酸合成与呼吸相关代谢通路, 其互补的代谢功能(辅因子合成、碳氮源交换)可能会增强蒙古栎林土壤的物质循环效率。根际土壤富集有机质分解菌(如Candidatus Udaeobacter)和氮循环功能菌(如Bradyrhizobium), 其代谢途径可能以氨基酸生物合成等为主。土壤碳氮梯度通过资源竞争和代谢适应对微生物多样性和丰度产生影响: 根际细菌多样性与有机碳呈正相关, 真菌群落丰度与全碳及C : N显著关联。本研究揭示了蒙古栎根际效应对土壤微生物结构与功能的调控, 可为蒙古栎林的科学管理及东北退化森林的恢复提供参考。
![]() View image in article
图4
根际(a)与非根际(b)土壤微生物群落与土壤碳氮因子Mantel检验相关性分析。格子内颜色梯度表示Pearson的相关性系数, * P < 0.05, ** P < 0.01; 两点连线的颜色表示统计显著性, 宽度表示相关性的Mantel’s r统计量, 实线表示正相关关系, 虚线表示负相关关系, 橙色代表极显著相关(P < 0.01), 绿色代表显著相关(P < 0.05)。TC: 全碳; TN: 全氮; SOC: 土壤有机碳。
正文中引用本图/表的段落
采用IBM SPSS Statistics27软件分析土壤理化性质数据; 用FLASHv 1.2.11、Trimmomatic、UCHIME等工具对高通量测序的原始数据进行拼接、质控、过滤和嵌合体去除。序列基于97%的相似性进行聚类, 以总序列数的0.005%为阈值过滤后划分扩增子序列变体(amplicon sequence variants, ASVs)。参考Silva (细菌16S rRNA)和Unite (真菌ITS)分类学数据库对ASVs进行分类学统计。利用QIIME2软件, 对各样本序列进行不同深度的随机抽样, 来绘制稀疏曲线, 以评估当前测序深度能否反映微生物群落多样性。以最低序列量样本的95%对ASV丰度矩阵进行随机抽平, 来校正样本间多样性差异, 并据此计算各样本α多样性指数, 包括Chao1丰富度指数、Observed species丰富度指数、Shannon多样性指数、Simpson多样性指数和Pielou均匀度指数(彭金根等, 2022)。利用QIIME软件进行β多样性分析。微生物群落的代谢功能通过PICRUSt2在KEGG (
在群落层面, 使用Mantel检验和Pearson相关系数来评估土壤微生物与碳氮因子之间的关系(图4)。
表中数据为平均值 ± 标准差; 数据后, 同行不同小写字母表示差异显著(P < 0.05), 同行不同大写字母表示差异极显著(P < 0.01). ... Diversity of soil microbial communities in rhizosphere and non-rhizosphere of Rhododendron moulmainense 1 2022 ... 采用IBM SPSS Statistics27软件分析土壤理化性质数据; 用FLASHv 1.2.11、Trimmomatic、UCHIME等工具对高通量测序的原始数据进行拼接、质控、过滤和嵌合体去除.序列基于97%的相似性进行聚类, 以总序列数的0.005%为阈值过滤后划分扩增子序列变体(amplicon sequence variants, ASVs).参考Silva (细菌16S rRNA)和Unite (真菌ITS)分类学数据库对ASVs进行分类学统计.利用QIIME2软件, 对各样本序列进行不同深度的随机抽样, 来绘制稀疏曲线, 以评估当前测序深度能否反映微生物群落多样性.以最低序列量样本的95%对ASV丰度矩阵进行随机抽平, 来校正样本间多样性差异, 并据此计算各样本α多样性指数, 包括Chao1丰富度指数、Observed species丰富度指数、Shannon多样性指数、Simpson多样性指数和Pielou均匀度指数(彭金根等, 毛棉杜鹃根际与非根际土壤微生物群落多样性 1 2022 ... 采用IBM SPSS Statistics27软件分析土壤理化性质数据; 用FLASHv 1.2.11、Trimmomatic、UCHIME等工具对高通量测序的原始数据进行拼接、质控、过滤和嵌合体去除.序列基于97%的相似性进行聚类, 以总序列数的0.005%为阈值过滤后划分扩增子序列变体(amplicon sequence variants, ASVs).参考Silva (细菌16S rRNA)和Unite (真菌ITS)分类学数据库对ASVs进行分类学统计.利用QIIME2软件, 对各样本序列进行不同深度的随机抽样, 来绘制稀疏曲线, 以评估当前测序深度能否反映微生物群落多样性.以最低序列量样本的95%对ASV丰度矩阵进行随机抽平, 来校正样本间多样性差异, 并据此计算各样本α多样性指数, 包括Chao1丰富度指数、Observed species丰富度指数、Shannon多样性指数、Simpson多样性指数和Pielou均匀度指数(彭金根等, A fine-scale spatial analysis of fungal communities on tropical tree bark unveils the epiphytic rhizosphere in orchids 1 2021 ... β多样性方面, 根际与非根际土壤细菌群落存在显著差异.Cai等( Insights into the response of mangrove sediment microbiomes to heavy metal pollution: Ecological risk assessment and metagenomics perspectives 1 2021 ... Functional description of some genera with significant changes in the relative abundance of rhizosphere (R) and non-rhizosphere (NR) soil bacteria and fungi
本文的其它图/表
|