громади

  • предметів
  • реферат
  • вступ
  • результат
  • Біогеохімічні властивості зразків води
  • Впливи порушень в сільському господарстві та часу відбору проб на ОЦК
  • Визначення основних сімейств бактерій для характеристики порушень довкілля протягом сезону
  • Занепад часу для відношення подібності
  • Зв'язок між бактеріальною структурою спільноти та біогеохімічними властивостями
  • Стохастичність проти рішучості при порушенні ходи
  • Мережі розкривають центри взаємодії в мережі
  • обговорення
  • методи
  • Місце дослідження та відбір проб
  • Вилучення ДНК, бактеріальна ампліфікація гена 16S рРНК та піросеквенування
  • Піросеквенування обробки даних
  • Статистичний аналіз
  • Детальніше
  • Додаткова інформація
  • Файли PDF
  • Додаткова інформація
  • Коментарі

предметів

реферат

результат

Біогеохімічні властивості зразків води

Температура води монотонно знижувалася протягом наших періодів відбору проб (рис. S1), що відповідало тенденції температури протягом трьох сезонів. Рівні поживних речовин, такі як розчинений органічний вуглець (DOC), хімічна потреба в кисні (COD), розчинений неорганічний азот (DIN) та PO 4 3–, як правило, були вищими на рибному господарстві, ніж на контрольному (Рисунок S1). ), що вказує на присутність збагаченого поживними речовинами середовища на рибному господарстві. Крім того, для даної водної змінної зміна часу між двома ділянками була однаковою; наприклад, рівень ХПК досяг піку восени, тоді як загальний вміст фосфатів (ТП) стабільно збільшувався в обидва сезони (рис. S1).

Впливи порушень в сільському господарстві та часу відбору проб на ОЦК

Зусилля секвенування дало чотири зразки з низькою якістю даних з W148C та W148F; тому ці чотири зразки були вилучені з подальшого аналізу. Всього 239 335 показань залишилось після якісної фільтрації в решті 44 зразках, причому 3 873–7 177 бактеріальних послідовностей на зразок (середнє = 5439 ± 898). Домінуючим типом/класами були альфапротеобактерії (середня відносна чисельність, 23,8%), бактероїдети (16,0%), гаммапротеобактерії (14,9%), ціанобактерії (14,2%), актинобактерії (11,0%) та бетапротеобактерії (9,0%), які сукупно припадали 88,9% послідовностей бактерій у всіх зразках. Загалом відносна кількість ціанобактерій та актинобактерій зменшилась, тоді як Bacteroidetes, Gammaproteobacteria та Betaproteobacteria збільшувались протягом трьох сезонів (рис. S2). Зразки групували за часом відбору проб та середовища існування (рибне господарство та контрольний пункт, крім дня 65), навіть на такому грубому рівні класифікації (рис. S2).

Біплоти PCoA показали, що основне розділення композиції бактеріопустот (BCC) базується на часі відбору проб, хоча було ясно, що існує чітка різниця між місцем вирощування та контролем (рис. 1). Ця модель була додатково підтверджена ПЕРМАНОВОЮ, яка показала, що час відбору проб був обмеженим до 19,3% (Р 22, 26 були позитивно пов'язані з показниками бактеріального α-різноманіття (Таблиця S2) і суттєво корелювали (тест Мантеля, Р = 0,001). і P = 0,013 для міксококкалів) з варіаціями BCC.

Зразки кодували, беручи сезони та місця проживання. S: літо; A: осінь; Ш: зима; С: контроль; F: рибне господарство. Цифри представляють інтервали днів після першого збору.

Повнорозмірне зображення

Стіл в натуральну величину

Визначення основних сімейств бактерій для характеристики порушень довкілля протягом сезону

Діаметри кіл пропорційні середній відносній захворюваності (перетворення квадратних коренів) кожної родини в даному місці протягом трьох сезонів. S: літо, A: осінь, W: зима, C: контроль, F: рибовод.

Повнорозмірне зображення

Занепад часу для відношення подібності

Для оцінки впливу сільськогосподарських порушень на оборот часу ОЦК ми окремо оцінили співвідношення часової подібності для рибного господарства та контрольної ділянки. Значний спад часу для подібності BCC був виявлений в обох місцях (P

Занепад часу для взаємозв'язку схожості бактеріальних спільнот на контрольних ділянках (A) та рибних господарствах (B). Швидкість обороту w (нахил регресії) оцінюється за допомогою лінійної регресії (підхід до простору лог-журналу), розташованого між спареними середніми значеннями подібності та інтервалами часу вибірки.

Повнорозмірне зображення

Зв'язок між бактеріальною структурою спільноти та біогеохімічними властивостями

Були виявлені суттєві кореляційні зв'язки між BCC та усіма змінними середовища (P

Пунктирна лінія позначає однакові завдання для обох. Нижче лінії домінує стохастичність, а над нею - рішучість. Числа, присвоєні кожному рядку, вказують на відсоток збільшення детермінації.

Повнорозмірне зображення

Мережі розкривають центри взаємодії в мережі

Як було запропоновано раніше, ми зосередилися на базових OTU, які були виявлені у більш ніж 50% зразків на кожному сайті 21, в результаті 189 OTU для контролю та 227 OTU для відповідно. Мережевий графік показав, що взаємодія між бактеріями виду була більш складною та краще взаємопов’язаною між видами на рибному господарстві, ніж на контрольній ділянці, хоча на контрольній ділянці було виявлено більш високе число модулів (рис. 5). Крім того, на рибному господарстві був вищий відсоток позитивних видових асоціацій, ніж на контрольній ділянці (87,9% проти 80,5%). Ця модель була додатково перевірена ключовими параметрами топології мережі, включаючи вищі зв’язки, середній ступінь та коефіцієнт кластеризації та нижчий середній шлях (Таблиця 3). Ця модель виявляє більшу кількість взаємодіючих видів, складність, вищий діапазон модульної структури та більш тісні вузли в мережі 21 бактеріального співтовариства рибних господарств, ніж у місці контролю.

Мережевий графік для бактеріальних спільнот контрольної ділянки (A) та рибних господарств (B) із субмодульною структурою за методом швидкої жадібної модулярності 21. Кожен вузол являє собою бактеріальну OTU. Кольори вузлів позначають ОТУ, пов’язані з різними основними рослинними рослинами або класами протеобактерій. Синя рамка вказує на позитивну взаємодію, тоді як червона - на негативну взаємодію двох окремих вузлів.

Повнорозмірне зображення

Стіл в натуральну величину

обговорення

Коротше кажучи, довгострокові порушення селекції рослин значно пом'якшують тимчасовий перелом ОЦК, але посилюють взаємодію між видами, тобто покращують екологічну взаємодію між групами бактерій, щоб задовольнити порушення. Постійно зростаючі детерміновані процеси формують часову динаміку через порушення ходи. Отже, бактеріальне співтовариство може перейти до альтернативного стійкого стану у відповідь на тривалі порушення. Крім того, ми виявили 14 сімейств бактерій, які послідовно реагували на порушення весілля, хоча BCC був дуже мінливим протягом трьох сезонів. Наше дослідження дає уявлення про основні механізми, що формують часову динаміку BCC, що важливо для прогнозування реакцій екосистем на антропогенні порушення. Однак для підтвердження цієї моделі необхідні подальші дослідження протягом декількох років чи десятиліть.

методи

Місце дослідження та відбір проб

Температуру води реєстрували in situ. Розчинений кисень (DO) вимірювали титруванням Вінклера 38. Рівні DOC, загального азоту (TN), TP, NO 3 -, NO 2 -, PO 4+ та COD аналізували стандартними методами 41. Концентрацію DIN розраховували як суму NH 4 +, NO 3 - і NO 2 -. Хла вимірювали згідно з описаними раніше методами 11 .

Вилучення ДНК, бактеріальна ампліфікація гена 16S рРНК та піросеквенування

У день відбору зразків приблизно 1 л води попередньо відфільтровували через капронову сітку (розмір пор 100 мкм) для використання при екстракції ДНК. Потім зразки фільтрували на мембрану 0,22 мкм (Millipore, Бостон, Массачусетс, США) для отримання мікробної біомаси. Геномну ДНК екстрагували за допомогою комплекту ізоляції ДНК ДНК MOBIO Power Water (MP Biomedicals, Ірвін, Каліфорнія, США) згідно з протоколами виробника. Екстракти ДНК кількісно визначали за допомогою спектрофотометра NanoDrop ND-1000 (NanoDrop Technologies, Вілмінгтон, США) і зберігали при -80 ° C до ампліфікації.

Співвідношення (50 нг) ДНК від кожного зразка використовували як шаблон для ампліфікації бактеріального гена 16S рРНК. Регіон V4-V5 ампліфікували за допомогою набору конкретних для регіону праймерів: праймер F515: GTGCCAGCMGCCGCGG, який містив адаптер піроконсонації Roche 454 "A" та унікальну послідовність штрих-кодів на 11 баз, і праймер R907: CCGTCAATTCMTTRAGTTT4, який містив Roche 454 "A". Адаптер послідовності "B" на 5 'кінці праймера 42. Щоб зменшити ефект випадкової ампліфікації ПЛР, всі зразки ампліфікували в трьох примірниках з наступними умовами реакції: 30 циклів денатурації при 94 ° С протягом 30 с, відпал при 55 ° С протягом 30 с і розширення при 72 ° С протягом 30 ss, s остаточне продовження при 72 ° C протягом 10 хвилин 11. Продукти ПЛР для кожного зразка об'єднували та очищали за допомогою набору для очищення ПЛР QIAquick (Qiagen, GmbH, Hilden, Німеччина), а потім кількісно визначали за допомогою набору PicoGreen (Invitrogen, Карлсбад, Каліфорнія, США). Еквімолярні кількості продуктів ПЛР для кожного зразка об'єднували в одну пробірку для аналізу на піросполучнику Roche FLX + 454 (Roche Diagnostics Corporation, Бранфорд, штат Коннектикут, США) для отримання прямих вказівок (F515 зі штрих-кодом).

Піросеквенування обробки даних

Статистичний аналіз

Аналіз основних координат (PCoA) та аналіз подібності (ANOSIM) на основі зваженої відстані UniFrac були проведені для оцінки загальних відмінностей в BCC 48. Затримка часу для відношення подібності (TDR) була використана для оцінки тимчасової швидкості обороту BCC 4. Щоб перевірити, чи відрізняється оборот TDR від нуля, було застосовано завантаження до регресійних змінних, які порушували припущення про незалежність 49. Швидкість тестували за допомогою одного вибіркового t-тесту між початковою швидкістю та середньою швидкістю завантаження шляхом випадкового сполучення оригінального набору. Аналіз молекулярних екологічних мереж (MEN) був використаний для оцінки наслідків порушень марикультури на взаємодію бактерій між видами, використовуючи відкритий доступний трубопровід (//ieg2.ou.edu/MENA). Цей підхід є чудовим тим, що мережа автоматично визначається і стійка до шуму 21. Мережа була побудована в Cytoscape 3.1.1 50 .

Наступні аналізи були проведені з використанням пакетів “vegan” та “ecodist” у R (версія 3.0.2, //www.r-project.org). Пермутаційний багатофакторний дисперсійний аналіз (PERMANOVA) з функцією ADONIS проводився для кількісної оцінки внеску середовищ існування (рибного господарства та контрольної ділянки) та часу відбору проб до варіацій BCC 51, 52. Для визначення факторів, що суттєво обмежували BCC, змінні середовища були обрані прямим відбором у багатовимірній лінійній моделі на основі відстані (DistLM) 53. Внесок кожної екологічної змінної оцінювали за допомогою “граничних тестів” для оцінки статистичної значущості та процентного внеску кожної змінної, взятої окремо, а потім “послідовних тестів” для оцінки кумулятивного ефекту змінних середовища, що пояснювали зміни в BCC 54. Аналіз нульової моделі був використаний для кількісної оцінки ролі детермінованих процесів відбору у формуванні BCC 55, який розраховували як частку різниці між спостережуваною подібністю та подібністю, очікуваною за нульовою гіпотезою, поділену на спостережену подібність 56 .

Детальніше

Як цитувати цю статтю: Xiong, J. et al. Докази адаптації спільноти бактеріопланктону у відповідь на тривале порушення марикультури. Наук. Респ. 5, 15274; doi: 10.1038/srep15274 (2015).