首页 > 分享 > 宏基因组发现微生物特征决定了土壤碳排放，以响应整个生物群落森林中的新鲜碳输入

宏基因组发现微生物特征决定了土壤碳排放，以响应整个生物群落森林中的新鲜碳输入

花匠小妙招
2024-11-10 22:22

碳中和是指国家、企业、产品、活动或个人在一定时间内直接或间接产生的二氧化碳或温室气体排放总量，通过植树造林、节能减排等形式，以抵消自身产生的二氧化碳或温室气体排放量，实现正负抵消，达到相对“零排放”。土壤是温室气体的重要来源，并且土壤排放二氧化碳是一个微生物驱动的过程，它决定了响应新鲜碳输入的关键土壤-气候反馈，了解微生物在土壤排放中的重要作用，会促进对在大陆尺度上介导土壤-气候反馈的微生物机制的理解。

随着国家“碳中和”、“碳达峰”计划，碳排放的深度机制受到了更广泛地关注，这次，我们将解读一篇土壤微生物与土壤碳排放相关的文献，或许能为科研工作者提供相应思路。

2021年11月，西北大学在《Global Change Biology》发表题为“Microbial traits determine soil C emission in response to fresh carbon inputs in forests across biomes”的研究论文，该论文主要研究了（1）探索土壤启动效应的趋势；（2）土壤微生物C分解基因如何以及为什么与土壤启动效应相关联。

期刊：Global Change Biology 影响因子：10.863 发表时间：2021.11 研究方法：宏基因组+13C-葡萄糖标记

研究背景

全球土壤含有2500 Gt C，超过大气和地上植物生物量的总和，在养分循环和地球气候调节中发挥着关键作用。在森林中，土壤碳主要通过植物凋落物分解积累，大多数植物衍生的碳被土壤微生物处理，因此，土壤微生物极大地促进了土壤碳储量的形成和降解，并有可能影响气候与全球碳循环之间的反馈。在所有C循环过程中，土壤启动效应——土壤有机质 (SOM) 矿化响应新鲜C输入的变化——是与C循环相关的最复杂且鲜为人知的过程之一。当前的知识基于越来越多的本地和跨生物群落研究，表明微生物多样性和生活方式（从富营养到寡营养转变）可以调节土壤启动效应。而对于微生物功能性状在驱动土壤启动效应中的作用，尤其是在大空间尺度和具有对比气候和环境因素的森林生物群落中，缺乏相关的知识。旨在将功能性状与引发联系起来的研究很少且非常局部，这妨碍了我们研究驱动土壤引发的微生物机制的能力，了解微生物性状和功能之间的联系，并识别具有这些功能的生物体，是推进我们对微生物性状对驱动土壤引发的重要性的认识和进一步确定哪些生物体可能是旨在规范大气中的碳排放的一个基本步骤。

研究方法

采样地点：表层土壤样品采集自10块森林，覆盖3425公里森林，覆盖中国冷温带、暖温带、亚热带和热带地区

采样时间：2019年7月-8月期间 实验方法： I. 土壤性质：土壤质地、pH、土壤容重（BD）、土壤有机碳（SOC）、总氮（TN）、总磷（TP）、碳氮比（C:N）、土壤氨氮和硝氮（NH4+ 和NO3−）以及不稳定和稳定C比例 II. 同位素标记葡萄糖实验：聚乙烯塑料瓶盛60g土壤，分为土壤+13C-葡萄糖、土壤+去离子水、空瓶三组（每组各6个） III. CO2通量分析：分析每个塑料瓶中CO2和δ13C IV. 启动效应计算：

其中at%total 、at%glucose和at%SOM处理过的土壤中呼吸CO2的δ13C值启动效应（mgCO2-Cg-1 C-1 ）可通过以下公式计算

其中Ctotal、Cglucose和Ccontrol分别来自13C标记的葡萄糖处理、添加的葡萄糖和蒸馏水（对照）的CO2-C的量 V. 土壤微生物降解碳胞外酶活性：氧化活性（Oy-EEAs）以及水解活性（Hy-EEAs）（统称C-EAAs） VI. 核磁共振光谱：NMR光谱，测定碳水化合物、蛋白质、木质素、脂质和羰基C的比例量 VII. 微生物DNA提取与宏基因组

主要研究结果

1. 土壤宏基因组的高分辨率变化和森林生物群落的启动效应

与对照相比，提供的葡萄糖诱导了土壤呼吸的增加，在森林生物群落中发生了积极的启动效应。总体而言，启动效应在亚热带森林土壤中较高，在冷温带森林土壤中较低，启动效应梯度很宽，范围从0.39到8.76 mg Cg-1 SOC。

此外，从30个调查的土壤宏基因组中获得了大约2541440888个读取序列，并且在每个样本中鉴定了72304392到103656100个序列。总体而言，细菌、真菌和古细菌的相对丰度随着森林生物群落的变化而显著变化（p < 0.01），其中细菌占更大的百分比（平均 > 96%）。

对于细菌群落，变形菌门 (34.16%)、酸杆菌门 (23.07%)、放线菌门 (14.26%)、疣微菌门 (5.72%)、浮生菌门 (3.20%) 和拟杆菌门 (1.85%) 的相对丰度也显著变化。森林生物群落（p <0 .01）比其他微生物门具有更大的相对丰度，变形菌和拟杆菌在冷温带森林土壤中的含量显著增加，而在热带和亚热带土壤中的含量较低（p < 0.01），而酸杆菌的丰度在北方森林中显著降低。NMDS进一步说明了不同森林生物群落中微生物分类组成的显著差异（ANOSIM，R2 =0 .86，p <0 .001）。定量PCR分析还表明，真菌和细菌的丰度在森林生物群落中发生了很大变化。特别是，丰度F:B比率在温带较高，但在热带森林生物群系较低。

对涉及C分解的基因变化的宏基因组进行筛选，包括与单糖、多糖、二糖、半纤维素、氨基糖、纤维素、几丁质、脂质和木质素加工系统相关的基因，结果表明：与不稳定和稳定C组分降解相关的功能基因的丰度因森林生物群落而异。在来自冷温带森林生物群落的土壤中观察到参与稳定C化合物（木质素、脂质和几丁质）分解的三个基因的丰度显著更高，在低/中纬度地区（亚热带森林土壤）的土壤中，参与不稳定C（单糖和氨基糖）分解的基因丰度显著增加。

2. 启动效应变化的直接和间接驱动因素

PLS-PM分析用于建立启动效应和潜在预测因子之间的关系（图1），发现气候和初始土壤基质（即 SOC、TN、C:N、不稳定C、顽固C、烷基-C (A)、O-烷基-C (O)、A/O、芳香族C、羧基C 、羰基C、NH4+ 和NO3−) 是引发效应的主要驱动因素，并通过改变微生物特性来调节这种效应。微生物功能基因通过它们对微生物分类的直接影响和改变微生物C-EEA（Hy-EEAs和Oy-EEAs）来确定启动效应。环境变量分析表明，即使在控制气候、土壤环境（包括土壤性质和土壤基质）和微生物分类的情况下，微生物功能性状也能解释森林生物群落中土壤引发的大部分变异，土壤微生物性状解释的独特变异是气候的三倍，是微生物分类学的两倍（图 2）。

图1 环境活力对累积启动效应 (PE) 的影响 (a) PLS-PM有向图 (b) VPA分析显示气候、土壤环境、微生物群落和C分解基因对累积启动效应的相对贡献

此外，回归分析表明，参与这两种单糖降解的功能基因（R =0 .2989， p = 0.0011) 和氨基糖 (R= 0.2270，p = 0.0046) 与启动效应呈正相关，而靶向木质素分解的基因 (R = 0.40225， p <0 .001) 和脂质 (R = 0.3613， p <0 .001) 与启动效应呈负相关（图2）。特别是，启动效应与参与不稳定C分解的功能基因的丰度呈正相关，如 bglX（淀粉和蔗糖代谢）、SORD（果糖和甘露糖代谢）和 lacI（L-鼠李糖代谢）。相比之下，启动效应与参与更稳定C分解的基因丰度呈负相关，例如 ACO（芳香族化合物降解）和 ligB（脂质）基因（图3）。

图2 累积启动效应与（a-c）不稳定C降解功能基因丰度（d-i）稳定C降解功能基因丰度之间的关系

图3 预测基因在整个森林生物群系中的启动效应 (a) 所选关键基因的变化（由与启动效应的显著相关性表示：p <0 .05），(b-d) 所选基因在森林生物群落中不稳定C分解的分布 (e) 用于在森林生物群系中稳定C分解的选定基因的分布

3. 基于宏基因组组装的方法确定启动效应

在质量评估之后，我们发现42个MAG 超过了完整性阈值，即完整性超过 70%，污染低于 10%（图 4），在42个MAGs中，大量基因组包含上述与启动效应相关的关键基因，如ACO、bglX、ligB和glk。

对于分类学，42个MAG在门水平上代表了变形菌门（七个）、酸杆菌门（六个）、放线菌门（一个）和疣微菌门（一个）中的多种细菌门。在变形菌门中，Alphaproteobacteria纲（四个）和Rhizobiales目（两个）是最丰富的。在酸杆菌中，Solibacteres纲（四个）和 Candidatus Solibacter usitatus 种（四个）代表更多。此外，基于系统发育关系，来自16S rRNA 系统型的五个未分类bin与相似的分类bin聚类。

图4 分析42个高质量的宏基因组组装基因组左图使用PhyloPhlAn构建的最大似然系统发育树中图确定的引发效应的关键基因的数量右图每个森林生物群落中42个基因组的相对丰度的变化

小结（1）气候和土壤基质是引发效应模式的主要驱动因素；
（2）确定了与大陆尺度森林生物群落土壤引发效应相关的微生物功能基因；
（3）微生物特征在驱动方面比分类学更重要；
（4）促进了对与导致气候变化的关键土壤过程相关的细菌物种的理解；
（5）微生物功能性状可以调节土壤启动效应。参考文献

1. Zhu X, Jackson R D, DeLucia E H, et al. The soil microbial carbon pump: From conceptual insights to empirical assessments[J]. Global Change Biology, 2020, 26(11): 6032-6039.

2. Ren C, Wang J, Bastida F, et al. Microbial traits determine soil C emission in response to fresh carbon inputs in forests across biomes[J]. Global change biology, 2021.