2021, Vol. 42
水库作为居民生活用水和灌溉用水的重要来源, 其水质安全与公共健康之间的关系密不可分[1, 2].受人类活动的影响, 水体环境已成为耐药基因(antibiotic resistant gene, ARG)的重要存储库[3, 4].有研究表明, 水库中长时间滞留的水体更有助于耐药基因的蓄积[5, 6]; 而且与化学污染物相比, 耐药菌更容易在水环境中持续存在和扩散, 甚至能将耐药基因传递给临床致病菌, 对人类健康构成潜在的威胁[7].因此, 系统研究水库环境中的菌群结构、耐药基因谱以及潜在的公共健康风险具有重要的科学价值和现实意义.
作为重要的水源地, 东平湖水库是山东省第二大淡水湖, 总面积627 km2, 蓄水总量3亿m3[8, 9].另外, 东平湖水库还是中国南水北调东线工程的重要调蓄水库和山东省西水东调工程的水源地, 向鲁北地区和胶东地区供水, 以保障这些地区的生产生活用水和生态环境改善[10].但到目前为止, 有关东平湖水库的菌群结构、耐药基因谱以及潜在的公共健康风险的研究还鲜见报道.
因此, 本文以东平湖水库的水体和沉积物为研究对象, 采用宏基因组测序技术, 系统分析其在旱季和雨季中的菌群结构、耐药基因谱、耐药基因水平转移以及携带耐药基因的致病菌类型, 以期为该水库耐药基因污染的防控和监测工作提供理论依据.
1 材料与方法 1.1 样品采集东平湖水库是一个典型的内陆淡水湖, 位于中国山东省西部.该地区属暖温带季风气候, 年平均降水量660 mm, 年平均气温13.4℃, 平均水深不足2.5 m. 2019年7月(雨季)和11月(旱季)收集东平湖水库中9个采样点的水和沉积物样品(图 1), 采集水样18份, 沉积物18份, 共36份.
|
图 1 山东省东平湖水库采样点示意 Fig. 1 Location and sampling sites in the Dongping Lake Reservoir of Shandong province, China |
每个水样品采集20 L, 包括2个水层的混合水样：上层(0.5~1.0 m)和底层(2.0~2.5 m), 储存在无菌的PET瓶中, 立即冰运至实验室. 20 L水样分为两部分：5 L置于4℃用于理化性质分析, 15 L经0.22 μm滤膜过滤后收集微生物, 随后将滤膜储存在-80℃用于DNA提取.每个沉积物样品50 mL, 收集流动深度约0.5 m的表面沉积物, 密封于无菌的聚丙烯管中, 立即冰运至实验室.每个沉积物样本分为两部分：一部分储存在4℃用于理化性质分析, 另一部分储存在-80℃用于DNA提取.
1.2 理化性质测定采用便携式YSI多参数水质检测仪现场测定水温(water temperature, WT)、溶解氧(dissolved oxygen, DO)和pH值.参照文献[11]对水和沉积物样品中的总氮(total nitrogen, TN)、总磷(total phosphorus, TP)和总有机碳(total organic carbon, TOC)进行测定.
1.3 DNA提取及测序根据FastDNA Spin Kit for Soil DNA(MP Biomedicals, USA)试剂盒说明书, 提取过滤膜和沉积物样品中的DNA, 由NanoDrop One仪器(Thermo Fisher Scientific, USA)测定DNA浓度和纯度.PCR扩增16S rRNA的V3-V4高变区, 引物为338F(5′-ACTCCTACGGGAGGCAGCA-3′)和806R(5′-GGACTACCAGGGTATCTAAT-3′), 扩增条件参照文献[12].PCR扩增子经2%琼脂糖凝胶电泳验证并纯化回收, 随后使用PE250法在Illumina MiSeq平台(上海美优生物公司)测序.每个样本保留平均质量得分>30和长度>400 bp的序列.在QIIME2管道中利用Deblur插件对序列进行去噪并生成亚操作分类单元(suboperational taxonomic unit, sOTU), 设置默认参数.使用带有Greengenes (v13.8)数据库的QIIME2管道按99%相似性进行sOTU多样性分析.
同时, 对水和沉积物所提取的DNA进行宏基因组测序.首先构建300 bp大小DNA文库, 再通过Illumina HiSeq 4000平台测序.每个样本的原始序列删除平均质量得分 < 30或长度 < 50 bp的序列.
1.4 ARG丰度测定使用ARGs-OAP (v2.0)基于去噪后的短读序列对ARG进行识别和计算.为了比较不同样本的ARG丰度, 将每个样本的ARG丰度除以细胞数量进行标准化, 即ARG相对丰度以每个细胞中ARG拷贝数(copies·cell-1)表示, 具体方法参照文献[13].
1.5 宏基因组组装和基因预测使用IDBA-UD找到短读序列之间的碱基重叠区并进行拼接装配, 获得大于500 bp的重叠群(contigs)[14].使用Prodigal (v2.6.3)和meta模型对contigs的开放阅读框(open reading frame, ORF)进行预测[15].通过bbmap (https://sourceforge.net/projects/bbmap/)将clean reads映射到contigs, 计算每个contig的覆盖度.
1.6 ARG-like ORF和宿主的鉴定通过DIAMOND在SARG数据库进行ARG-like ORF识别, 设置e-value≤10-10, 将同源性≥80%和同源长度≥70%的ORF认定为ARG-like ORF[16].为了比较不同样本之间的ARG-like ORF覆盖度, 将ARG-like ORF覆盖度标准化, 即以每个样本中ARG-like ORF拷贝数(copies·Gb-1)表示, 具体计算方法见文献[13].
在NCBI RefSeq数据库中用BLASTP检索contigs(携带ARG-like ORF)上的ORF, 设置e-value≤10-5.使用MEGAN软件解析结果[17], 如果在contig上有超过50%的ORF被注释为相同的分类单元, 则这些contigs注释为分类单元[18].
根据致病菌列表, 在种水平上鉴定携带ARG的contig[19].利用VFanalyzer中检测所含的毒力因子[20].
1.7 PCoA、ANOSIM和网络分析使用R3.5.2中的ggord(https://www.r.project.org/)进行主成分分析(principal co-ordinates analysisi, PCoA), 计算sOTU水平的细菌菌群和ARG亚型之间的相关性.利用vegan进行相似度分析(analysis of similarity, ANOSIM), 检验不同样本的细菌菌群之间和ARG型之间的差异.在R3.5.2中用vegan计算Spearman相关系数(ρ), 用igraph进行网络分析, 探讨细菌菌群和ARG之间的潜在关系(在至少50%的样本中同时出现的sOTU或ARG亚型用以计算Spearman相关系数.当ρ≥0.8和P≤0.01时, 则两个节点之间的关系被认为具有显著相关性).
1.8 水平转移潜力分析基于sOTU和ARG亚型的Bray-Curtis距离, 使用QIIME软件进行Procrustes分析来评估水和沉积物样品中ARG的水平转移潜力[21].假设sOTU和ARG亚型之间存在显著相关性, 即细菌菌群结构决定耐药基因组的分布, 同时表明ARG的水平转移不足以掩盖ARG与细菌菌群之间的密切关系.
为分析样本中移动基因元件(mobile genetic element, MGE)丰度, 将ORF注释结果与下列关键词进行匹配：转座酶、转座子、整合酶、整合子、重组酶和质粒[22].为了比较不同样本间的MGE丰度, 将每个样本的MGE覆盖度标准化, 用copies·Gb-1表示.
2 结果与分析 2.1 水和沉积物的理化性质东平湖水库中水和沉积物之间的理化参数差异很大, 而且水的理化性质存在较强的季节性波动(表 1).在旱季和雨季, 水体在WT(10.2~22.6℃)、DO(9.16~6.31 mg·L-1)、pH(8.18~7.02)、TN(1.27~1.03 mg·L-1)、TP(0.03~0.01 mg·L-1)和TOC(2.3~2.1 mg·L-1)均有明显的变化.而沉积物的pH(7.93~6.92)、TN(1 031~949 mg·kg-1)、TP(389~366 mg·kg-1)和TOC(7 728~7 256 mg·kg-1)在两个季节无明显变化.
|
表 1 东平湖水库中水和沉积物的理化性质 Table 1 Physicochemical properties of water and sediment from Dongping Lake Reservoir |
2.2 细菌菌群组成
分析了水和沉积物样品中细菌菌群在门水平上的组成[图 2(a)].总体上, 东平湖水库中以变形菌门(Proteobacteria, 33.20%)、拟杆菌门(Bacteroidetes, 11.56%)、放线菌门(Actinobacteria, 10.83%)、酸杆菌门(Acidobacteria, 9.79%)和绿弯菌门(Chloroflexi, 9.41%)为主.但是, 水和沉积物中优势细菌菌群在门水平上有较大差异, 水中优势菌门主要是以变形菌门(33.51%)、酸杆菌门(Acidobacteria, 19.02%)、绿弯菌门(Chloroflexi, 12.09%)、放线菌门(7.89%)和芽单胞菌门(Gemmatimonadetes, 7.48%)为主, 沉积物中优势菌门主要以变形菌门(32.90%)、拟杆菌门(Bacteroidetes, 20.17%)、放线菌门(Actinobacteria, 13.76%)、蓝藻菌门(Cyanobacteria, 11.10%)和疣微菌门(Verrucomicrobia, 7.21%)为主.
|
(a)细菌菌群sOTU构成; (b)PCoA分析; (c)ANOSIM分析; D-W:旱季水(dry season water), W-W:雨季水(wet season wate), D-S:旱季沉积物(dry season sediment), W-S:雨季沉积物(wet season sediment); 彩色圆圈表示不同组别的95%置信区间, 下同 图 2 水和沉积物中细菌菌群构成及差异性分析 Fig. 2 Composition and difference analysis of the bacterial community in the water and sediment |
分析了不同季节下细菌菌群结构在门水平上的差异[图 2(a)].水中优势菌门中除酸杆菌门(18.97%~19.06%)、绿弯菌门(7.79%~7.99%)相对丰度在旱季和雨季之间无显著变化, 变形菌门(36.22%~30.79%)、绿弯菌门(10.12%~14.05%)、芽单胞菌门(6.38%~8.58%)、疣微菌门(6.03%~2.45%)和硝化螺旋菌门(Nitrospirae, 2.02%~5.55%)的相对丰度在旱季和雨季有显著变化.沉积物中除放线菌门(18.27%~9.24%)在不同季节中的相对丰度具有显著差异, 变形菌门(31.76%~34.03%)、拟杆菌门(20.96%~19.37%)、蓝藻菌门(9.36%~12.83%)、绿弯菌门(6.18%~7.26%)、厚壁菌门(6.34%~6.68%)在旱季到雨季的沉积物中的相对丰度变化相对轻微, 表明沉积物中细菌群落结构在不同季节间的稳定性高于水中.
对各采样点sOTU水平上的PCoA分析[图 2(b)], 4组细菌菌群(旱季水和雨季水、旱季沉积物和雨季沉积物)被分在了3个区域, 旱季水和雨季水的细菌菌群明显分在2个区域, 说明存在季节性差异; 两季沉积物之间的细菌菌群相似度更高且集中分布在1个区域.经ANOSIM分析[图 2(c)], 旱季水和雨季水中的细菌菌群结构差异显著(R=0.695, P=0.001), 而两季沉积物的细菌菌群差异不显著(R=0.067, P=0.194), 进一步验证了上述结果.
2.3 ARG丰度分析了水和沉积物中ARG谱之间的差异.总体上, 从36个样本中共检测到377个ARG亚型, 属于20个ARG型.在ARG型水平[图 3(a)], 不同季节各采样点的ARG总丰度为0.032~0.409 copies·cell-1, 平均丰度为0.139 copies·cell-1.优势ARG型为多重抗生素(0.037 copies·cell-1)、杆菌素(0.034 copies·cell-1)和万古霉素(0.033 copies·cell-1)耐药基因.
|
(a)ARG型水平的基因谱; (b)ARG亚型水平的PCoA分析; (c)ARG亚型水平的ANOSIM分析; MLS：大环内酯类-林可胺类-链霉素类(Macrolide-lincosamide-streptogramin) 图 3 水和沉积物中ARG谱及差异性分析 Fig. 3 Profile and difference analysis of ARG in the water and sediment |
沉积物中ARG相对丰度显著高于水中, 且优势ARG型也存在差异[图 3(a)].在水中, ARG相对丰度为0.067 copies·cell-1, 杆菌素(0.040 copies·cell-1)和多重抗生素(0.014 copies·cell-1)耐药基因是主要ARG型.在沉积物中, ARG相对丰度为0.211 copies·cell-1, 为水中的3.15倍, 其中万古霉素(0.066 copies·cell-1)、多重抗生素(0.061 copies·cell-1)、杆菌素(0.027 copies·cell-1)和MLS(0.014 copies·cell-1)耐药基因是主要ARG型.
图 3(a)同时显示了ARG相对丰度随季节的变化.水中, 旱季的ARG相对丰度高于雨季(0.089~0.046 copies·cell-1).水中两季的优势ARG型中, 杆菌素耐药基因从0.059 copies·cell-1下降到0.021 copies·cell-1.在沉积物中, 旱季的ARG丰度同样也高于雨季(0.228~0.193 copies·cell-1), 除了万古霉素耐药基因从旱季到雨季显著降低(0.076~0.055 copies·cell-1), 其他多重抗生素(0.063~0.059 copies·cell-1)、杆菌素(0.029~0.025 copies·cell-1)和MLS(0.016~0.012 copies·cell-1)耐药基因在两季波动很小.
基于ARG亚型水平上的Bray-Curtis距离进行PCoA分析[图 3(b)], 进一步证明两个季节中ARG亚型组成的差异. 4组ARG亚型谱被分为3个区域.旱季水和雨季水的ARG亚型谱被分成2个区域, 而两季沉积物之间的ARG亚型谱混合成为1个区域.经ANOSIM分析[图 3(c)], 水中ARG亚型在旱季和雨季之间存在显著差异(R=0.629, P=0.001), 而两季沉积物中ARG亚型谱无显著差异(R=-0.08, P=0.942).这些分析模式表明季节变化可显著改变水中ARG谱, 但对沉积物中ARG的组成影响不大.值得注意的, 水中细菌菌群组成在季节间的差异(R=0.695, P=0.001)大于ARG组成在季节间的差异(R=0.629, P=0.001), 这说明细菌菌群比ARG谱对季节变化更敏感.
2.4 共享ARG为研究ARG在水和沉积物样品之间的共享程度, 根据相对丰度生成前50个ARG亚型的直方图(图 4).在旱季[图 4(a)], 沉积物和旱季水中前50个ARG亚型丰度中有43个共享ARG亚型, 并且除了bacitracin_bacA耐药基因, 大部分共享ARG亚型的相对丰度在沉积物中要高于水中.在雨季[图 4(b)], 共享ARG亚型的模式与旱季相似.此结果说明水中ARG很可能是由沉积物中释放而来.
|
水和沉积物之间共享的ARG亚型用白色表示, 而独有的ARG亚型用黑色表示 图 4 水和沉积物中共享ARG亚型的丰度直方图 Fig. 4 Rank abundance histograms of ARG subtype overlap between water and sediment |
为评估ARG在水和沉淀物中的HGT潜力进行Procrustes分析, 监测了sOTU水平的细菌菌群与亚型水平的ARG之间的相关性(图 5).在水(P=0.021)和沉积物(P=0.018)中ARG亚型与细菌菌群均有明显的相关性, 表明水和沉积物中的ARG谱具有细菌菌群依赖性.同时, 水中拟合度测量值(M2=0.928)明显高于沉积物的结果(M2=0.814), 说明在水中的微生物之间具有更高的ARG水平转移倾向.
|
线连接相同样品的sOTU与ARG谱, 显示二者之间的显著相关性 图 5 水和沉积物中细菌群落构成与ARG亚型之间的Procrustes分析 Fig. 5 Procrustes analysis between the bacterial community composition and ARG subtypes in water and sediment |
经网络分析同样证明水中细菌之间具有更高的ARG水平转移潜力(图 6).水的分析结果中[图 6(a)], 共有272条边(42.8%)连接ARG亚型和细菌菌群sOTU, 且ARG亚型和细菌菌群之间存在较弱相关性, 这与Procrustes分析结果一致.在沉积物的分析结果中[图 6(b)], 有229条边(32.3%)连接ARG亚型和细菌菌群sOTU, 且多重抗生素、氨基糖苷类和磺胺类耐药基因与变形菌门、拟杆菌门和蓝藻菌门之间形成了紧密聚集的网络模块, 显示出强的正相关性.这说明水中ARG的水平转移潜力高于沉积物中.
|
不同颜色节点代表不同的ARG型或门水平细菌菌群; 每个节点的大小与其连线数成正比, 较大的节点表示与其他节点的相关性更强; 一个连接代表一个强相关 图 6 细菌菌群sOTU与ARG亚型在水和沉积物中的共生模式 Fig. 6 Co-occurrence patterns between bacterial sOTU and ARG subtypes in water and sediment |
分析水库中MGE, 发现除了采样点9外, 其余采样点水中MGE覆盖度均明显高于沉积物中(表 2), 说明水中的耐药基因具有更强的水平转移潜力.通过进一步筛选MGE与ARG共存的contigs, 来鉴定可转移的ARG及覆盖度.在水中尤其旱季水可移动ARG的检出率最高, 仅在少数沉积物样品中可检测到, 说明旱季水中ARG水平转移倾向更高.
|
|
表 2 不同季节MGE (可移动ARG)的覆盖度1)/copies·Gb-1 Table 2 Coverage of MGE (mobilized ARG) in different seasons/copies·Gb-1 |
2.6 ARG宿主
对水和沉积物中ARG宿主进行鉴定和分析(图 7).经SARG数据库搜索ORF序列并过滤掉 < 500 bp的contigs后, 从36个样本中共获得690条携带ARG的contigs.经鉴定, 580条(84.06%)携带ARG的contigs注释到在门水平细菌, 110条(15.94%)未注释到门水平, 仅有300个(43.47%)可注释到属水平上.总的来说, 携带ARG宿主的覆盖度在旱季(26.64 copies·Gb-1)高于雨季(11.83 copies·Gb-1), 这与2.3节中ARG的短读片段结果一致.
|
图 7 携带ARG重叠群的宿主信息 Fig. 7 Host information of the ARG-carrying contigs |
总体上, 携带ARG的contigs主要属于变形菌门(55.1%)和放线菌门(21.7%, 图 7).在水中, 变形菌门是最主要的ARG载体, 在旱季和雨季分别占75.11%和79.46%, 以携带杆菌素耐药基因为主.在沉积物中, 放线菌是最常见的ARG载体, 在旱季和雨季分别占48.90%和29.60%, 以携带万古霉素耐药基因为主.这与ARG短读片段结果一致, 说明杆菌素耐药基因和万古霉素耐药基因分别是东平湖水库水体和沉积物中的绝对优势ARG.
有30条携带ARG的contigs被注释到属水平的致病菌(表 3), 包括大肠杆菌(Escherichia coli)、肺炎克雷伯菌(Klebsiella pneumoniae)、铜绿假单胞菌(Pseudomonas aeruginosa)、肠炎沙门氏菌(Salmonella enterica)和鲍曼不动杆菌(Acinetobacter baumannii), 63.33%(19/30)来自旱季样本.其中来自1个旱季水样品和1个雨季沉积物的大肠杆菌同时携带β-内酰胺类耐药基因和SiaD毒力基因(编码聚唾液酸胶囊生物合成蛋白SiaD).
|
|
表 3 携带ARG的致病菌 Table 3 Information of ARG-carrying pathogens |
3 讨论
本研究发现东平湖水库在旱季和雨季的水中细菌菌群结构具有明显差异, 但沉积物在不同季节之间几乎无差异, 说明东平湖水库水中细菌菌群受季节波动高于沉积物.有研究表明, 水中细菌代谢和菌群结构更容易随外界因素的改变而发生变化, 而沉积物经过长时间的沉积达到一种平衡状态, 微生物菌群结构相对稳定[23, 24].本研究中水体的环境因素, 如温度、pH、溶解氧以及碳氮硫等营养物质, 在不同季节之间变化明显, 这与之前的研究结果一致, 解释了上述结果[13, 25].
东平湖水库沉积物中ARG相对丰度要远高于水中, 并且沉积物和水之间存在大量的共享ARG亚型.有研究表明, 当沉积物中共享细菌的丰度远远大于其在水中的丰度时, 细菌菌群会向水中扩散[26]; 而当沉积物中共享ARG的丰度越高时, 同样越容易向水中扩散.因此, 本研究中东平湖水库水中ARG很可能是沉积物的释放.
本研究发现东平湖水库旱季ARG型丰度高于雨季, 且旱季的可移动ARG覆盖度高于雨季, 表明旱季的ARG水平转移潜力要高于雨季, 尤其是水中.这可能与抗生素浓度呈正相关.有研究显示在旱季, 水体在水库中滞留时间更长, 抗生素的总浓度比雨季高出几倍, 会形成更高的选择压从而更有利于耐药菌富集和促进耐药基因水平转移[27~29].有研究表明沉积物具有流动性差的特性, 解释了ARG与细菌菌群sOTU之间强的正相关性以及沉积物中ARG的水平转移潜力低于水中[22].
本研究表明东平湖水库水中的细菌菌群和ARG谱均受季节变化影响较大, 而沉积物中细菌菌群和ARG谱几乎不受季节变化的影响; 无论在水还是沉积物, 其ARG谱与细菌菌群结构之间存在显著的相关性.这说明携带ARG细菌菌群会受水环境因素的影响, 进而引起ARG谱变化; 反之, ARG谱在一定程度上能够反映携带ARG的细菌群落情况.本研究水中细菌菌群组成比ARG谱对季节变化更敏感, 这可能是由于细菌间ARG的水平转移缩小了不同季节间ARG谱的差异[30].
本研究发现东平湖水库水中以变形杆菌门为主要的ARG载体, 杆菌素耐药基因是其绝对优势ARG; 沉积物中放线菌门为主要的ARG载体, 万古霉素耐药基因是其绝对优势ARG.此外, 还在水库中发现30株携带ARG的临床致病菌, 其中2株大肠杆菌是同时含有ARG和SiaD毒力基因.此部分结果与丹江口水库研究结果相似[13].然而, 丹江口水库是我国南水北调中线工程的水源地, 因此有必要进一步系统地调查研究水库与南水北调工程中耐药菌和ARG情况.
4 结论综上所述, 本研究不仅揭示了东平湖水库中耐药基因的种类繁多和潜在的健康风险, 而且还表明了沉积物是水体环境中耐药基因的重要释放源.因此, 水库作为水源地关系到公共健康安全, 需要严格控制附近污染输入源, 加强淤泥处理、耐药菌和致病菌的定期监测.
| [1] | Bai Y, Ruan X H, Xie X C, et al. Antibiotic resistome profile based on metagenomics in raw surface drinking water source and the influence of environmental factor: a case study in Huaihe River Basin, China[J]. Environmental Pollution, 2019, 248: 438-447. |
| [2] |
刘明坤, 童俊, 朱慧峰, 等. 金泽水库库区细菌群落构建过程与关键驱动因子分析[J]. 环境科学, 2020, 41(9): 4062-4068. Liu M K, Tong J, Zhu H F, et al. Phylogenetic process and key driving factors of bacterial community in the area of Jinze Reservoir[J]. Environmental Science, 2020, 41(9): 4062-4068. |
| [3] | Surette M D, Wright G D. Lessons from the environmental antibiotic resistome[J]. Annual Review of Microbiology, 2017, 71: 309-329. |
| [4] | Zhang Y, Zhang Y Z, Kuang Z M, et al. Comparison of microbiomes and resistomes in two Karst groundwater sites in Chongqing, China[J]. Groundwater, 2019, 57(5): 807-818. |
| [5] | Liu X H, Lu S Y, Guo W, et al. Antibiotics in the aquatic environments: a review of lakes, China[J]. Science of the Total Environment, 2018, 627: 1195-1208. |
| [6] | Azzam M I, Ezzat S M, Othman B A, et al. Antibiotics resistance phenomenon and virulence ability in bacteria from water environment[J]. Water Science, 2017, 31(2): 109-121. |
| [7] | Ashbolt N J. Environmental (Saprozoic) pathogens of engineered water systems: understanding their ecology for risk assessment and management[J]. Pathogens, 2015, 4(2): 390-405. |
| [8] | Fang J H, Yang R R, Cao Q Q, et al. Differences of the microbial community structures and predicted metabolic potentials in the lake, river, and wetland sediments in Dongping Lake Basin[J]. Environmental Science and Pollution Research, 2020, 27(16): 19661-19677. |
| [9] |
董贯仓, 刘超, 朱士文, 等. 东平湖不同渔业水域大型底栖动物群落结构特征[J]. 海洋湖沼通报, 2019(6): 90-97. Dong G C, Liu C, Zhu S W, et al. A comparative analysis of macrobenthic community characteristics of different fishery water areas in Dongping Lake[J]. Transactions of Oceanology and Limnology, 2019(6): 90-97. |
| [10] |
张柳青, 石玉, 李元鹏, 等. 不同水文情景下高邮湖、南四湖和东平湖有色可溶性有机物的生物可利用性特征[J]. 环境科学, 2020, 41(5): 2149-2157. Zhang L Q, Shi Y, Li Y P, et al. Bioavailability characteristics of chromophoric dissolved organic matter in Lake Gaoyou, Lake Nansi, and Lake Dongping under different hydrological scenarios[J]. Environmental Science, 2020, 41(5): 2149-2157. |
| [11] | Dang C Y, Liu W, Lin Y X, et al. Dominant role of ammonia-oxidizing bacteria in nitrification due to ammonia accumulation in sediments of Danjiangkou reservoir, China[J]. Applied Microbiology and Biotechnology, 2018, 102(7): 3399-3410. |
| [12] |
刘明艳, 马嘉晗, 李瑜, 等. 16S rRNA基因高变区V4和V3-V4及测序深度对油藏细菌菌群分析的影响[J]. 微生物学通报, 2020, 47(2): 440-449. Liu M Y, Ma J H, Li Y, et al. Influence of 16S rRNA gene V4 and V3-V4 sequencing and sequencing depth on unraveling bacterial communities inhabiting oil reservoirs[J]. Microbiology China, 2020, 47(2): 440-449. |
| [13] | Dang C Y, Xia Y, Zheng M S, et al. Metagenomic insights into the profile of antibiotic resistomes in a large drinking water reservoir[J]. Environment International, 2020, 136: 105449. |
| [14] | Peng Y, Leung H C M, Yiu S M, et al. IDBA-UD: a de novo assembler for single-cell and metagenomic sequencing data with highly uneven depth[J]. Bioinformatics, 2012, 28(11): 1420-1428. |
| [15] | Hyatt D, Chen G L, LoCascio P F, et al. Prodigal: prokaryotic gene recognition and translation initiation site identification[J]. BMC Bioinformatics, 2010, 11: 119. |
| [16] | Ma L P, Xia Y, Li B, et al. Metagenomic assembly reveals hosts of antibiotic resistance genes and the shared resistome in pig, chicken, and human feces[J]. Environmental Science & Technology, 2016, 50(1): 420-427. |
| [17] | Huson D H, Beier S, Flade I, et al. MEGAN Community Edition-Interactive exploration and analysis of large-scale microbiome sequencing data[J]. PLoS Computational Biology, 2016, 12(6): e1004957. |
| [18] | Ishii S, Suzuki S, Norden-Krichmar T M, et al. A novel metatranscriptomic approach to identify gene expression dynamics during extracellular electron transfer[J]. Nature Communications, 2013, 4: 1601. |
| [19] | Li B, Ju F, Cai L, et al. Profile and fate of bacterial pathogens in sewage treatment plants revealed by high-throughput metagenomic approach[J]. Environmental Science & Technology, 2015, 49(17): 10492-10502. |
| [20] | Liu B, Zheng D D, Jin Q, et al. VFDB 2019: a comparative pathogenomic platform with an interactive web interface[J]. Nucleic Acids Research, 2019, 47(D1): D687-D692. |
| [21] | Caporaso J G, Kuczynski J, Stombaugh J, et al. QⅡME allows analysis of high-throughput community sequencing data[J]. Nature Methods, 2010, 7(5): 335-336. |
| [22] | Forsberg K J, Patel S, Gibson M K, et al. Bacterial phylogeny structures soil resistomes across habitats[J]. Nature, 2014, 509(7502): 612. |
| [23] | Walsh E A, Kirkpatrick J B, Rutherford S D, et al. Bacterial diversity and community composition from seasurface to subseafloor[J]. The ISME Journal, 2016, 10(4): 979-989. |
| [24] | Behera P, Mohapatra M, Kim J Y, et al. Spatial and temporal heterogeneity in the structure and function of sediment bacterial communities of a tropical mangrove forest[J]. Environmental Science and Pollution Research, 2019, 26(4): 3893-3908. |
| [25] | Liu T, Zhang A N, Wang J W, et al. Integrated biogeography of planktonic and sedimentary bacterial communities in the Yangtze River[J]. Microbiome, 2018, 6(1): 16. |
| [26] | Hamdan L J, Coffin R B, Sikaroodi M, et al. Ocean currents shape the microbiome of arctic marine sediments[J]. The ISME Journal, 2013, 7(4): 685-696. |
| [27] | Zhang D D, Lin L F, Luo Z X, et al. Occurrence of selected antibiotics in Jiulongjiang River in various seasons, South China[J]. Journal of Environmental Monitoring, 2011, 13(7): 1953-1960. |
| [28] | Yan C X, Yang Y, Zhou J L, et al. Antibiotics in the surface water of the Yangtze Estuary: occurrence, distribution and risk assessment[J]. Environmental Pollution, 2013, 175: 22-29. |
| [29] | Li S, Shi W Z, You M T, et al. Antibiotics in water and sediments of Danjiangkou Reservoir, China: spatiotemporal distribution and indicator screening[J]. Environmental Pollution, 2019, 246: 435-442. |
| [30] | Shade A, Peter H, Allison S D, et al. Fundamentals of microbial community resistance and resilience[J]. Frontiers in Microbiology, 2012, 3: 417. |