近日，贵州师范大学山地环境重点实验室夏品华团队在Journal of Oceanology and Limnology期刊发表了题为“Temporal characteristics of algae-denitrifying bacteria co-occurrence patterns and denitrifier assembly in epiphytic biofilms on submerged macrophytes in Caohai Lake, SW China”的研究论文。该论文以中国贵州草海为研究对象，研究了附生生物膜中环境变量对反硝化细菌群落的影响，以及藻-细菌共生网络的特征和反硝化细菌群落的组装过程。研究结果有助于正确认识和利用附生生物膜反硝化功能，提高水质。
图1 文章信息
第一作者：夏品华
通讯单位：贵州师范大学
https://doi.org/10.1007/s00343-022-2189-8
亮点
•分析了草海湖藻类与反硝化微生物的时空变化
•分析了藻-细菌共生网络的特征和反硝化细菌群落的组装过程
•揭示了附生生物膜中环境变量对反硝化细菌群落的影响
引言
沉水植物-生物膜系统通过反硝化作用吸收了大约30%的氨氮，并去除了50%以上的氨氮，因此附生生物膜中的反硝化细菌在水生生境的氮循环中起着至关重要的作用。藻类可以分泌碳源物质来促进反硝化作用，藻类和反硝化细菌之间可能存在复杂的相互作用。然而，关于藻类和反硝化细菌之间的联系以及它们在附生生物膜中的组装过程，人们知之甚少。共生网络分析为研究藻类和反硝化细菌群落之间的相互作用开辟了新的途径，环境过滤、物种间相互作用和分散限制都会影响微生物共生模式，因此对反硝化细菌群落聚集机制的研究有助于了解藻类反硝化细菌在附生生物膜中的共生模式及其相互关系。
图文导读
图1 门附生生物膜中藻类的相对丰度
图2 门附生生物膜反硝化群落的相对丰度
对附生生物膜中的藻类进行了鉴定，得到藻类6门77属。附生生物膜中的优势藻类是绿藻(51.37%)、硅藻(20.67%)和蓝藻(20.56%)。附生生物膜中藻类密度由大到小依次为：1.33×107个/cm2(8月)、3.54×106个/cm2(10月)、2.80×106个/cm2(7月)、2.19×106个/cm2(11月)、1.62×106个/cm2(9月)。
nirS型和nirK型反硝化细菌的优势类群分别为变形杆菌(39.98%±19.64%和51.50%±14.29%)和未分类细菌(51.86%±17.14%和45.36%±13.74%)。不同月份nirS型反硝化细菌的群落多样性指数(Shannon指数和Simpson指数)、群落丰富度指数(Chao 1指数)和系统发育指数(PD指数）差异显著(P<0.05)。从7月到11月，Shannon指数呈上升趋势。不同月份nirK型反硝化细菌群落的群落多样性指数(Shannon指数和Simpson指数)、群落丰富度指数(Chao 1指数)和系统发育指数(PD指数）差异不显著。
图3 nirS型和nirK型编码反硝化剂在OTU水平的主坐标分析(PCoA)(使用Bray-Curtis计算)(a&b)；基于Bray-Curtis距离矩阵(c)估计β多样性；物理化学性质之间的相关性，藻类(门)密度和附生生物膜中反硝化群落的组成(d)
根据基于Bray-Curtis距离的PCoA和PERMANOVA分析，不同月份的nirS型反硝化细菌差异显著(R2=0.134，P=0.02)。nirS型反硝化细菌的β-多样性在8月份最高，7~9月份显著高于10~11月份(图3c)。Mantel test与CODMn、叶绿素a、水的透明度、水温、蓝藻密度和藻类总密度呈显著正相关(R>0.1，P<0.05)，与nirS型反硝化细菌和裸藻密度呈显著正相关(R=0.215，P=0.002)(图3d)。PCoA和PERMANOVA分析表明，nirK型反硝化细菌在不同月份差异显著(R2=0.160，P=0.01)。nirK型反硝化细菌的β多样性在9月最大，显著高于8月、10月和11月(P<0.05)(图3c)。Mantel test相关性分析发现nirK型反硝化细菌与叶绿素a显著相关(R=0.158，P<0.05)(图3d)，而与其他环境因子无显著相关性。
图4 nirS编码的反硝化菌与藻类的关联网络
红线表示正相关，绿线表示负相关(abs(r)>0.6，P<0.05)
图5 nirK编码反硝化菌与藻类的关联网络
红线表示正相关，绿线表示负相关(abs(r)>0.6，P<0.05)
利用共生网络分析法对不同月份附生生物膜中反硝化细菌群落特征进行了评价。7~9月，nirS型反硝化细菌群落共生网络的节点数、链节数和平均共生度均呈上升趋势，10月份下降，11月份达到最大节点数、连接数和平均度。7~9月，nirK型反硝化细菌群落共生网络的节点数、链数和平均度在10月份大幅上升，然后在10月份下降，11月份链数和平均度有所增加，但最大节点数、链数和平均度出现在9月份。虽然nirS型和nirK型反硝化细菌的共生模式具有相似的时间变化，但平均程度最高的时期不同。除11月份外，nirK型反硝化细菌群落的平均共生网络度高于nirS型反硝化细菌群落。
利用不同月份附生生物膜中的nirS和nirK型反硝化细菌(OTU水平)和藻类(属水平)来建立共生网络(图4-5)。从7月到11月，生物膜中nirS类反硝化细菌和藻类共生网络的链接数呈增加趋势，11月达到最大值(图4)。从7月到10月，nirK型反硝化细菌和藻类共生网络的平均程度呈上升趋势，10月达到最大值，11月降至最低(图5)。7~10月，nirK型反硝化菌藻共现网络的平均程度高于nirS型反硝化菌藻共现网络。
最佳普通最小二乘多元回归模型(OLS)结果表明水环境因子WT、TP、COD、NH4+-N和pH共同解释了95.2%的沉水植物中藻类和nirS型反硝化菌共现网络加权平均度的变化。而水环境因子WT、TP、TN、COD、NH4+-N和pH共同解释了70.8%的藻类和nirK型反硝化菌共现网络加权平均度的变化。
图6 附生生物膜中平均生境生态位宽度nirS和nirK型反硝化剂的箱形图
不同字母表示月份之间存在显著差异(P<0.05)
图7 附生生物膜中nirS型和nirK型反硝化剂的标准化随机率(MST)的比较
不同字母表示的月份之间有显着差异(P<0.05)
利用生态位宽度研究了反硝化细菌群落中确定性和随机性过程的贡献。7月份nirS型反硝化细菌的生态位宽度显著高于8月份、9月份和10月份(P<0.05)(图6)。11月份nirK型反硝化细菌的生态位宽度显著高于7月份(P<0.05)，且nirK型反硝化细菌的生态位宽度呈逐月增加的趋势(图6)。利用MST分析了微生物群落构建中的主导过程。nirS型和nirK型反硝化细菌群落的MST平均值都低于50%的边界点，表明确定性过程的贡献更大(图7)。此外，nirS型反硝化细菌和nirK型反硝化细菌的平均MST有逐月增加的趋势(图7).
小结
对nirS型和nirK型反硝化细菌附生生物膜的群落结构和共生网络进行了研究，发现不同月份(7~11月)的群落结构和共生网络不同。反硝化细菌群落的组织和组成受藻类密度和物理化学变量的影响。nirS型和nirK型反硝化细菌的共生网络复杂性也发生了相似的变化。附生生物膜中藻类与nirS型反硝化细菌共生网络复杂性从7-11月呈增加趋势，藻类与nirK型反硝化细菌共生网络复杂性呈先增加后降低的趋势。nirS型反硝化细菌与nirK型反硝化细菌相比，具有更大的生态位、更大的MST和更高的迁移率。我们的结果为藻类对反硝化细菌群落、藻类细菌关系演替和反硝化细菌群落聚集的影响提供了新的视角。研究结果可用于正确认识和利用附生生物膜的反硝化功能，改善水环境质量。
【责任编辑】一审（校）：王安平； 二审（校）：李朝婵； 三审（校）：余天华
