2023, Vol. 44
2. 江西师范大学鄱阳湖湿地与流域研究教育部重点实验室, 南昌 330022
, WANG Peng1,2
, DING Ming-jun1,2 , HUANG Gao-xiang1,2 , ZHANG Hua1,2 , NIE Ming-hua1,2 , GAO Peng-fei1,2 , YE Shen1,2
2. Key Laboratory of Poyang Lake Wetland and Watershed Research, Ministry of Education, Jiangxi Normal University, Nanchang 330022, China
湖泊是水生态系统的重要类型之一, 湖泊不仅对湖泊所在区域乃至全球的自然生态环境具有调节作用, 对维系该区域的生物多样性也具有重要意义, 是单位面积生态服务价值较高的生态系统类型之一[1, 2].城市湖泊作为城区或近郊的中小型湖泊, 是城市水环境的重要组成部分, 为当地居民提供丰富的淡水资源和休闲游玩的场所, 具有重要的生态和社会服务价值.然而人类活动的日益频繁增大了环境胁迫也破坏了湖泊生态系统, 从生物角度去量化这一环境胁迫并找出主要胁迫因子对综合治理湖泊具有重要意义.
微生物群落因其普遍分布性和对环境变化的快速反应而适合于检测生态系统中的环境胁迫.浮游真菌作为特殊的微生物群落, 和浮游细菌构成了湖泊生态系统内食物网和物质循环的必不可缺的一环.但又不同于浮游细菌, 浮游真菌具有相对较少的物种组成, 系统发育仍然没有解决[3].担子菌门(Basidiomycota)、子囊菌门(Ascomycota)、接合菌门(Zygomycota)和壶菌门(Chytridiomycota)在以往的研究中被证明是不同水生境浮游真菌占比最大的4个门类[4, 5].且这些物种对环境胁迫具有强烈的响应, Solé等[6]报道了高浓度的重金属、硫酸盐、硝酸盐和低浓度的氧气, 将显著降低浮游真菌多样性和生物量.Chen等[7]发现浮游真菌对水质表现出敏感反应.因此浮游真菌是生物指示物的理想候选者, 可充当水质的有效指标[8].除此之外, 浮游真菌作为浮游微生物中的“稀有物种”, 可以在生态系统功能中发挥关键作用[3].如有机化合物的分解, 浮游真菌在处理陆生植物碎屑有机物中的重要作用, 是溪流、湖泊等环境中落叶分解的主要微生物分解者[9, 10].它们在极低温度下具有活性的能力以及产生多种胞外酶的能力, 这些酶能够破坏“难以消化”的结构叶化合物.另外, 有研究表明中上层真菌具有极其多样化的酶库, 参与各种营养循环[11].因此, 了解湖泊生态系统的浮游真菌群落结构及其对环境胁迫的响应, 特别是与人类生产生活相关的城市湖泊, 在湖泊生态健康的生物监测方面具有重要参考价值.
在浮游真菌群落中, 物种间可以形成强烈的种间交互作用, 以适应各种环境变化[12].共生网络可以用来探寻这种种间交互作用及其与周围环境的密切关系[13, 14], 同时还能确定群落中的“关键物种”[15], 在探寻浮游真菌群落的特有属性、结构和群落的复杂性和稳定性等方面均有着重要意义.其次, 共生网络也被研究人员用于微生物生态理论的验证和群落应对环境扰动的响应研究, 通过模块特征基因分析可以进一步分析环境胁迫因子和网络模块的相关性, 从而分析环境胁迫因子对共生网络中细菌群落功能单元的影响[16].另外, 可从浮游真菌间的相互作用破译出跨空间或时间梯度的复杂微生物群落结构, 为湖泊生态系统的保护提供理论依据.
季节变化是最有代表性的环境变化之一, 对微生物群落有显著影响[17~19], 在亚热带季风气候下, 这种季节差异更多地表现为水期差异.据报道, 季节性环境变化导致微生物群落的演替, 并改变了城市水库中的共生模式[20], 同时, 周边人类活动的季节性差异作为胁迫微生物群落的另一主导因子, 是不容忽视的.因此, 探明浮游真菌群落的季节性模式以及影响其群落变化的主要胁迫因子, 对调控浮游真菌群落的反馈机制具有重要意义.
城市湖泊作为陆地表层受人类活动影响最为显著的水体之一, 正承受巨大的环境胁迫.为探明人类活动等环境胁迫因素对湖泊的影响, 选取了均匀分布于南昌市不同县级区划下的7个主要城市湖泊.且在近年来快速城市化下, 南昌湖泊受到了不同程度的污染[21, 22], 湖泊生物受环境胁迫大.对浮游真菌多样性和丰度的评估、湖泊浮游真菌群落对如何响应亚热带湿润气候条件及其与共发生的环境胁迫的响应机制还暂不清楚.鉴于此, 本文将南昌城市湖泊作为研究对象, 探索浮游真菌群落在水期间的组成和共生模式差异, 并探讨胁迫因子对浮游真菌群落组成和共生模式的影响, 以期为湖泊的综合评价和治理研究提供理论依据, 并为长江中下游地区城市湖泊生态系统保护提供指导.
1 材料与方法 1.1 样品采集与水化学分析本研究对江西省南昌市7个湖泊进行了采样[象湖(XH)、青山湖(QS)、孔目湖(KM)、礼步湖(LB)、九龙湖(JL)、艾溪湖(AX)和瑶湖(YH), 图 1], 于湖泊中心水深50 cm处进行采样, 每个湖泊采取3个平行样, 将3个样品混合成1个样品.采样时间为6个月(2021年的4、6、8、10、12月和2022年2月), 因KM湖4月样品测定无效, 本应收集的42个样品现剩余41个样品进行本次分析.为了降低自然条件对于浮游真菌群落的影响, 采样时和此前1周时段内南昌市无降水事件.
|
图 1 南昌湖泊采样点位置示意 Fig. 1 Location of sampling sites in lakes of Nanchang |
本研究包括现场测定和水体采样, 使用便携式水质分析仪(HI9828, HANNA, Italy)现场测定pH、水温(WT)、溶解氧(DO)和水体总溶解性固体(TDS).水体采样共采集2 L水样, 用于水化学指标分析和高通量测序的水样各1 L.其中用于水化学指标分析的水样采集通过0.45 μm孔径滤膜过滤后, 采用纳氏比色法测定水体铵态氮(NH4+-N)、使用ICS-600离子色谱仪测定水体硝态氮(NO3--N)、硫酸盐(SO42-)和氯化物(Cl-)浓度.TOC分析仪(ShimadzuTOC-LCPH)测定水体总有机碳浓度(DOC), HCl滴定法测定水中重碳酸钙离子浓度(HCO3-).用于高通量测序的水样置于预先灭菌的采样瓶, 存于0~4℃冷藏箱内, 并且在4 h之内运回实验室进行处理, 先通过3 μm孔径无菌滤膜过滤去除颗粒杂质, 然后通过0.22 μm孔径无菌滤膜过滤将过滤后的0.22 μm孔径滤膜置于-80℃冰箱保存, 进行后续的DNA提取.
1.2 DNA提取与高通量测序采用E.Z.N.A. ® Soil DNA Kit(Omega Bio-tek, Norcross, GA, U.S.)提取基因组DNA, 完成基因组DNA抽提后, 利用1%琼脂糖凝胶电泳检测抽提的基因组DNA.采用通用引物ITS1F(5′-CTTGGTCATTTAGAGGAAGTAA-3′)和ITS2R(5′-GCTGCGTTCTTCATCGATGC-3′) 对浮游真菌ITS区扩增.扩增条件为: 95℃预变性3 min, 然后进行95℃变性30 s, 55℃退火30 s, 72℃延伸30 s的25个循环.循环结束后72℃最终延伸10 min.每个样本3个重复, 将同一样本的PCR产物混合后用2%琼脂糖凝胶电泳检测, 使用AxyPrepDNA凝胶回收试剂盒(AXYGEN公司)切胶回收PCR产物, 混合后用Tris_HCl洗脱; 2%琼脂糖电泳检测.参照电泳初步定量结果, 将PCR产物用QuantiFluorTM-ST蓝色荧光定量系统(Promega公司)进行检测定量, 按照每个样本的测序量要求, 进行相应比例的混合.利用Mothur(V.1.36.1)对原始DNA序列进行过滤处理, 去除嵌合体, 得到优化序列; 按照97%相似性将优化序列划分可操作分类单元(OTU).测序在上海美吉生物医药科技有限公司Illumina MiSeq PE300平台进行.数据上传至NCBI数据库(序列号: PRJNA882775).
1.3 统计方法采用RDP classifier贝叶斯算法对照Silva数据库以70%置信度对OTU代表序列进行物种分类, 并在各个分类水平上统计每个样品的群落组成(为避免各样品微生物量的差异, 按最小样本序列数进行样本序列抽平, 得到标准化数据用于后续统计分析).基于OTU进行稀释性曲线分析, 计算Chao1丰富度指数和Shannon多样性指数, 使用Kruskal-Wallis秩和检验来确定Chao1丰富度指数和Shannon多样性指数的水期差异显著性.使用单因素方差分析来确定环境胁迫因子和浮游真菌群落主要门丰度的水期差异显著性.PLS-DA分析确定浮游真菌群落时空差异并使用置换多元方差分析(PERMANOVA)检验PLS-DA划分的分组的组间差异是否显著.采用方差膨胀因子(VIFs)检验环境胁迫因子之间的共线性, 剔除VIFs>10的环境胁迫因子, 通过曼特尔检验(Mantel test)分析影响浮游真菌群落的环境胁迫因子.
为确定浮游真菌群落成员之间的交互作用, 使用Gephi进行网络可视化和模块化分析.网络分析使用CONET插件(http://psbweb05.psb.ugent.be/conet)[23].每个OTU的分类标识在门类级别分配.将获得的原始OTU表输入矩阵.参数设置如下: 每个OTU至少要进行30个序列的预处理和过滤, 4个相似性度量(Spearman、Pearson、Kullback-Leibler和Bray-Curtis), 自动设置阈值.将错误发现率(FDR)校正设置为0.05(P＜0.05).为确定共生网络的关键物种, 计算节点的拓扑角色[模块内连通度(Zi)和模块间连通度(Pi)][24], 所有节点划分为外围节点(peripheral nodes, Zi≤2.5, Pi≤0.62)、连接器(connectors, Zi≤2.5, Pi>0.62)、模块枢纽(module hubs, Zi>2.5, Pi≤0.62)和网络枢纽(network hubs, Zi>2.5, Pi>0.62)4类, 通常将除外围节点外的其余3种类型的节点归为关键节点(物种)[16].为确定环境胁迫因子对共生网络中细菌群落功能单元的影响, 通过模块特征基因分析计算每个模块的模块特征基因(仅计算节点数大于5的模块), 并和环境胁迫因子进行Pearson相关性分析.绘图由Arcgis10.2、Origin2021、Gephi0.9.7和R4.1.2完成.
2 结果与分析 2.1 环境胁迫因子特征DOC在枯水期显著高于平水期和丰水期, HCO3-在丰水期显著高于枯水期和平水期, WT和DO在不同水期间有显著差异, 并呈相反变化趋势, 其它环境胁迫因子在不同水期间未表现出显著差异(图 2).pH与DO显著正相关, 与NH4+-N和TDS显著负相关, DO与WT和HCO3-显著负相关, TDS与NH4+-N、Cl-、SO42-和NO3--N显著正相关.WT与HCO3-显著正相关, 与NO3--N显著负相关, NH4+-N与Cl-、SO42-和NO3--N显著正相关, HCO3-与DOC显著正相关, 与NO3--N显著负相关, Cl-与SO42-和NO3--N显著正相关[图 3(b)].
|
不同小写字母表示水期间差异显著(P＜0.05) 图 2 环境胁迫因子在不同水期间的差异 Fig. 2 Differences in environmental stressors during different seasons |
|
(a) 浮游真菌群落Shannon指数和Chao1指数水期间差异; (b) Shannon指数和Chao1指数与环境胁迫因子的关系, *表示二者显著相关(P＜0.05); 1.pH, 2.DO, 3.TDS, 4.WT, 5.NH4+-N, 6.HCO3-, 7.Cl-, 8.SO42-, 9.NO3--N, 10.DOC, 11.Shannon指数, 12.Chao1指数 图 3 浮游真菌群落Shannon指数和Chao1指数水期间差异及其与环境胁迫因子的关系 Fig. 3 Seasonal differences between Shannon index and Chao1 index of planktonic fungal communities and their relationship with environmental stressors |
在不同水期间, Shannon指数和Chao1指数并无显著差异[图 3(a)].除WT、TDS和NO3--N外, Shannon指数和Chao1指数对于其他环境胁迫因子的响应具有一致性, 但无显著影响Shannon指数和Chao1指数的显著环境胁迫因子[图 3(b)].
时间上, 在枯、平、丰这3个水期间, 基于OTU水平下的浮游真菌群落结构有显著差异, 空间上, 各湖泊间浮游真菌群落差异不显著(图 4).
|
图 4 不同水期间和湖泊间浮游真菌群落结构差异(PLS-DA分析) Fig. 4 Differences in planktonic fungal community structure among different seasons and lakes (PLS-DA analysis) |
南昌7个湖泊6个月采集共41个样品, 共获得2 095 309条优化的真菌序列数.按97%的相似度进行聚类, 共得到6 419个操作分类单位(OTUs), 6 419条OTUs分属于10个门(phylum)、38个纲(class)、96个目(order)、206个科(family)、353个属(genus)和522个种(species).各样本文库的覆盖率(coverage)大于99.5%, 表明本次测序结果代表了样品中真菌的真实情况.
在各水期间, 平水期和丰水期间浮游真菌群落具有较大的相似性, 二者有1 477个共有OTU, 枯水期和丰水期特有OTU较多, 但二者间共有OTU较少, 仅650个[图 5(a)].
|
(a)不同水期间共有和特有物种分布Venn图; (b)浮游真菌群落门水平占比堆叠, 1.AX_2, 2.AX_4, 3.AX_6, 4.AX_8, 5.AX_10, 6.AX_12, 7.JL_2, 8.JL_4, 9.JL_6, 10.JL_8, 11.JL_10, 12.JL_12, 13.KM_2, 14.KM_6, 15.KM_8, 16.KM_10, 17.KM_12, 18.LB_2, 19.LB_4, 20.LB_6, 21.LB_8, 22.LB_10, 23.LB_12, 24.QS_2, 25.QS_4, 26.QS_6, 27.QS_8, 28.QS_10, 29.QS_12, 30.XH_2, 31.XH_4, 32.XH_6, 33.XH_8, 34.XH_10, 35.XH_12, 36.YH_2, 37.YH_4, 38.YH_6, 39.YH_8, 40.YH_10, 41.YH_12; (c)不同水期间丰度>1%真菌门差异, 不同小写字母表示水期间差异显著(P＜0.05) 图 5 不同水期间共有和特有物种分布特征、浮游真菌群落门水平占比和丰度>1%真菌门水期间差异 Fig. 5 Distribution characteristics of common and endemic species, percentage of planktonic fungal community phylum levels, and differences in abundance>1% fungal phyla among seasons |
南昌湖泊浮游真菌群落主要由未分类的真菌门(Unclassified_k_Fungi)组成, 已知的真菌类群主要包括10个门[图 5(b)], 壶菌门(Chytridiomycota)、担子菌门(Basidiomycota)、子囊菌门(Ascomycota)、芽枝霉门(Blastocladiomycota)、罗兹菌门(Rozellomycota)、单毛壶菌门(Monoblepharomycota)、被孢霉门(Mortierellomycota)、捕虫霉亚门(Zoopagomycota)、球囊菌门(Glomeromycota)和油壶菌门(Olpidiomycota), 其中Unclassified_k_Fungi相对丰度最高, 占检测样品总群落的20.28% ~99.92%.将平均相对丰度>1%的真菌门视为优势真菌, Chytridiomycota、Basidiomycota和Ascomycota为南昌湖泊浮游真菌群落的优势菌门.在不同水期间, 浮游真菌群落优势菌门存在一定差异.枯水期湖泊优势菌门为Chytridiomycota(9.55%)和Ascomycota(1.29%), 平水期湖泊优势菌门为Chytridiomycota(18.35%)、Basidiomycota(3.52%)和Ascomycota(3.19%), 丰水期湖泊优势菌门为Chytridiomycota(33.14%)、Basidiomycota(4.25%)、Ascomycota(2.66%)和Blastocladiomycota(1.53%).优势菌门数量大小为: 丰水期>平水期>枯水期, Chytridiomycota相对丰度在丰水期显著高于枯、平水期, Basidiomycota在枯水期相对丰度显著低于平、丰水期, 不足1%, Ascomycota和Blastocladiomycota在水期间差异并不显著, 但Blastocladiomycota相对丰度在丰水期呈明显递增趋势[图 5(c)].
2.4 环境胁迫因子对浮游真菌群落的影响Mantel检验表明(图 6), 共4个环境胁迫因子显著调控了浮游真菌群落结构(P＜0.05), 分别为WT(r=0.476, P=0.001)、DO(r=0.179, P=0.001)、pH(r=0.132, P=0.007)和NH4+-N(r=0.130, P=0.005), 其中WT对浮游真菌群落结构影响最大.
|
*表示二者显著相关(P＜0.05) 图 6 环境胁迫因子和浮游真菌群落组成的Mantel检验 Fig. 6 Mantel correlation analysis of environmental stressors and planktonic fungal community composition |
对比枯、平、丰水期间湖泊浮游真菌共生网络图和网络拓扑参数[图 7(a)和7(b)].节点数和连接数常用于表征共生网络复杂度, 连线数大小为: 丰水期>枯水期>平水期, 节点数大小为: 丰水期>枯水期>平水期, 枯水期和丰水期湖泊复杂度大于平水期.平均路径距离大小为: 枯水期>平水期>丰水期, 在丰水期平均路径距离最短.在枯水期有更强的平均聚类系数以及更强的模块率, 使得节点之间联系更紧密, 网络更加模块化, 但仅限于模块内部, 模块间网络连接数较少, 阻碍了各模块间的连接, 而伴随着平水期和丰水期物种的增加, 多物种提高了模块间的互作, 使模块间连接数加强, 在丰水期尤为显著.负正相关比(网络稳定性)大小为: 丰水期>平水期>枯水期.
|
(a)按模块展示的枯、平、丰水期间浮游真菌共生网络图; (b)枯、平、丰水期间浮游真菌共生网络拓扑参数; (c)枯、平、丰水期间浮游真菌网络的拓扑角色 图 7 枯、平、丰水期间浮游真菌共生网络图、共生网络拓扑参数和拓扑角色 Fig. 7 Planktonic fungal symbiotic network map, symbiotic network topological parameters, and topological roles among dry, normal, and wet seasons |
浮游真菌共生网络节点绝大多数处于外围节点, 位于连接器的节点大多从属于丰水期和平水期湖泊, 枯水期湖泊物种模块内连通度和模块间连通度低.关键物种在平水期和丰水期从属于Ascomycota的OTU5102和OTU4634, 在枯水期从属于Unclassified_k_Fungi的OTU5938[图 7(c)].
2.5.2 浮游真菌共生模式与环境胁迫因子的关系一个网络分割成若干模块, 每个模块在生物学系统中通常被考虑为功能单元.对比不同水期共生网络模块数发现平水期由4个模块组成, 大于枯水期(3个)和丰水期(3个).通过计算网络各模块的模块特征基因可进一步探究影响共生网络不同模块的环境胁迫因子.WT和3个模块都呈显著负相关, pH和模块2呈显著负相关, DOC和模块3呈显著正相关.平水期pH和模块1显著正相关, WT和模块3显著负相关, HCO3-和模块4显著负相关.丰水期真菌生态网络共有3个模块, 模块1和WT呈显著负相关, 模块2和SO42-和DOC呈显著正相关(表 1).
|
表 1 浮游真菌共生网络模块和环境胁迫因子的模块特征基因分析 Table 1 Module-EigenGene analysis of planktonic fungal biological network modules and environmental stressors |
综上, pH、WT、HCO3-、SO42-和DOC是影响浮游真菌群落共生模式的环境胁迫因子, 其中WT作为主要环境胁迫因子, 与大部分模块呈负相关关系.
3 讨论在南昌湖泊中, 共发现了10种浮游真菌门类, 优势门为Chytridiomycota、Basidiomycota和Ascomycota.Chytridiomycota丰度最高, 其次是Basidiomycota和Ascomycota, 这和其他陆地水体的优势菌门类似但丰度排序不一致.河流[25, 26]、水库[27]、高原湖泊[28]和海洋[29, 30]中丰度最高的均为Ascomycota, 不同水生生境会提供支持特定生境真菌群落的特定环境, 从而改变浮游真菌群落组成.在除海洋[29, 30]外的其他水体均检测到了丰度较高的Zygomycota, 本次南昌城市湖泊的研究中也并未发现其存在.Zygomycota大部分存在于植物腐败物和土壤中, 这可能和海洋环境以及南昌湖泊特定的周边环境相关, 南昌湖泊取样均位于湖泊中心位置, 其次, 湖泊周边大片城市建设用地对此也可能有一定影响.对于未分类真菌Unclassified_k_Fungi, 在本研究中有70.68%的OTU无法与数据库匹配(单独样点比例: 20.28% ~99.92%).这可能和目前浮游真菌的研究有关, 水生栖息地是多种多样的环境, 浮游真菌多样性的调查相比于陆地真菌还较为贫乏[31], 有大量未发现的真菌物种, 因此需要进一步研究水生生态系统中的真菌多样性.
Mantel检验显示WT、DO、pH和NH4+-N是影响南昌湖泊浮游真菌群落的显著环境胁迫因子.在以往的研究中, 湖泊或水库浮游真菌群落组成和多样性受到多种环境影响因子的影响, 比如水的物理性质(水温和溶解氧)[32], 化学物质(氯化物、硫酸盐、氮磷营养盐、氧化还原电位和卡尔森营养状态指数)[27, 33].相比于河流、海洋等水生境, 湖泊作为封闭环境下的水体, 受扩散限制强, 浮游真菌群落的丰度和多样性可能取决于污染程度、有机物浓度和湖泊中藻类生物量[34]等指标.因此, 浮游真菌可以作为湖泊水质的可靠生物指标.WT和DO是影响南昌湖泊浮游真菌群落最显著的环境胁迫因子, 南昌湖泊不同水期水温维持在7.5~32.72℃之间, WT在丰水期和枯水期的影响作用最明显, 分别适应于枯水期和丰水期的物种的活动期不一致, 例如枯水期和丰水期间的共有物种极少[图 5(a)], 真菌群落呈现显著差异.由于WT升高和陆地汇水导致的营养物质、悬浮物质的输入, 南昌大部分湖泊在丰水期均出现大量藻类, 从而降低了DO(图 2), 在以往研究中, 藻类的大量繁殖将影响浮游动物[35]、浮游细菌[36]的供氧量, 影响其生长繁殖, 也可能会影响浮游真菌群落的丰度.其次, DO对真菌的酶活性具有一定的影响作用, ρ(DO)为2 mg·L-1时, 木质纤维素分解酶活性较强, 降解率较高[37], 所以DO对木质素分解菌(大多为担子菌亚门)具有一定的筛选作用, 在本研究中DO对水生真菌的群落组成影响作用较为明显, 并具有季节性.除此之外, 人类活动作为湖泊水体的重要胁迫来源, 通过排放含氨废水、粉尘等经氨化作用转换为NH4+-N, 通过排放含K+、Na+、Cl-、NO3-和SO42-等离子影响水体pH值[38], 从而改变湖泊水质状况, 危害浮游生物生存.
南昌湖泊浮游真菌群落共生网络稳定性大小为: 丰水期>平水期>枯水期, 平水期和丰水期的关键物种为Ascomycota, 枯水期为Unclassified_k_Fungi.在平水期和丰水期具有较高丰度的Ascomycota可能具有较强的抗干扰能力和更宽的生态位, 并存在多种生存方式(寄生、共生、腐生或兼性腐生), 在维持真菌群落共生网络稳定性上占主导地位.而在枯水期, 低丰度的Ascomycota并不能担当连通网络的关键节点, 枯水期的关键物种从属于Unclassified_k_Fungi, 并且这3个模块和关键物种大多由未分类的真菌组成, 这清楚地表明, 进一步表征和鉴定这些Unclassified真菌OTU对于更好地了解真菌分类群及其在群落中的关键作用至关重要[39], 但Unclassified_k_Fungi可以通过作为多样化的库来增强细菌的抗逆性和抵抗环境干扰的能力[40].负正相关比常用于对比网络稳定性[41], 同一模块的物种可以视作具有相似的生态位, 不同生态位之间的物种交流正是维持网络稳定性的必要前提.丰水期具有较高的负正相关比[图 7(b)]和高连接拓扑角色[图 7(c)], 这连接了各生态位, 传递了营养物质, 促进了物种间共生, 相对于丰水期, 平水期的低复杂性降低了对环境压力的传导, 对缓解环境干扰以及获得更高的稳定性的功能并不如丰水期, 而贡献于枯水期共生网络的已知物种极少, 大多属于Unclassified_k_Fungi, 负正相关最低, 并且大部分节点位于外围节点, 对各模块的连通性贡献较低, 不利于不同生态位之间物种的联系.由此可见, 不同水期下的湖泊环境将重塑浮游真菌群落的共生模式, 造成与之类似[42]的季节模式.另外, 本研究发现在3个水期间, 真菌群落的α多样性并无显著差别, 因此, 环境条件对真菌群落组成丰度的影响要大于其多样性, 例如群落对于环境变化的响应常常依赖于高丰度物种(平、丰水期Ascomycota)来缓冲环境改变所带来的压力, 从而维持其生态系统的稳定性, 具体表现为丰度的降低而多样性维持不变.综上所述, 南昌湖泊浮游真菌群落通过改变物种丰度和关键物种来适应亚热带气候季节变化, 重塑了群落间共生模式.
WT是影响浮游真菌共生模式的主要环境胁迫因子.Xu等[43]发现浮游细菌生态网络和附着细菌生态网络对营养元素(氮、磷等)具有不同的喜好.南昌湖泊浮游真菌共生模式表现为温度敏感型, 适应于不同水期的真菌群落有显著差异(图 4).枯水期的各湖泊表现为较为单一的生态等值生物[图 7(a)], 各生态位间联系较少, 且3个模块均和WT呈显著负相关关系, 平水期和丰水期多数模块也表现出和WT的负相关关系.且模块间的连通性大小为: 丰水期>平水期>枯水期, 说明WT升高一定程度上加强了各生态位的连接, 从而增强了网络稳定性, 这和陆地土壤微生物应对全球气候变暖[44]和高温诱导下的病原体生态位扩大类似[45].其次, WT升高所带来附加效应例如水华、浮游动物下潜等, 均会影响浮游真菌群落.其他环境胁迫因子(TDS和DOC等)对于浮游真菌群落也具有一定影响, 但由于生态位差异, 相比于WT的普遍适应性影响, 不同生态位的真菌群落对其他环境胁迫因子的响应并不一致.
4 结论南昌市7个城市湖泊浮游真菌群落优势门为Chytridiomycota(9.55% ~33.14%)、Basidiomycota(0.48% ~4.25%)和Ascomycota(1.29% ~3.19%), 未分类真菌Unclassified_k_Fungi, 在本研究中有70.68%的OTU无法与数据库匹配(单独样点比例: 20.28% ~99.92%), 未检出比例较大.浮游真菌群落组成和共生模式在季节上存在显著差异, Chytridiomycota相对丰度在丰水期显著高于平水期和枯水期, Basidiomycota相对丰度在枯水期显著低于平水期和丰水期, Ascomycota水期差异不显著, 共生网络稳定性大小为: 丰水期>平水期>枯水期.WT、DO、pH和NH4+-N是影响浮游真菌群落水期间差异的显著环境胁迫因子, WT是影响浮游真菌群落共生模式的最佳环境胁迫因子, 伴随WT升高, 各生态位间的连接加强, 增强了共生网络稳定性.
| [1] |
李颖. 城市湖泊景观可持续营造研究[D]. 哈尔滨: 东北农业大学, 2013. Li Y. Study on sustainable construction landscape of urban lakes[D]. Harbin: Northeast Agricultural University, 2013. |
| [2] |
谭芬芳. 变化环境下洞庭湖水沙演变特征检测与归因分析[D]. 长沙: 湖南师范大学, 2016. Tan F F. The runoff and sediment evolution feature and its influencing factors under the changing environment[D]. Changsha: Hunan Normal University, 2016. |
| [3] | Lepère C, Domaizon I, Humbert J F, et al. Diversity, spatial distribution and activity of fungi in freshwater ecosystems[J]. PeerJ, 2019, 7. DOI:10.7717/peerj.6247 |
| [4] | Kagami M, Amano Y, Ishii N. Community structure of planktonic fungi and the impact of parasitic chytrids on phytoplankton in lake Inba, Japan[J]. Microbial Ecology, 2012, 63(2): 358-368. DOI:10.1007/s00248-011-9913-9 |
| [5] | James T Y, Kauff F, Schoch C L, et al. Reconstructing the early evolution of Fungi using a six-gene phylogeny[J]. Nature, 2006, 443(7113): 818-822. DOI:10.1038/nature05110 |
| [6] | Solé M, Fetzer I, Wennrich R, et al. Aquatic hyphomycete communities as potential bioindicators for assessing anthropogenic stress[J]. Science of the Total Environment, 2008, 389(2-3): 557-565. DOI:10.1016/j.scitotenv.2007.09.010 |
| [7] | Chen Z J, Yuan J, Sun F, et al. Planktonic fungal community structures and their relationship to water quality in the Danjiangkou Reservoir, China[J]. Scientific Reports, 2018, 8(1). DOI:10.1038/s41598-018-28903-y |
| [8] | Cudowski A, Pietryczuk A, Hauschild T. Aquatic fungi in relation to the physical and chemical parameters of water quality in the Augustów Canal[J]. Fungal Ecology, 2015, 13: 193-204. DOI:10.1016/j.funeco.2014.10.002 |
| [9] | Jabiol J, Bruder A, Gessner M O, et al. Diversity patterns of leaf-associated aquatic hyphomycetes along a broad latitudinal gradient[J]. Fungal Ecology, 2013, 6(5): 439-448. DOI:10.1016/j.funeco.2013.04.002 |
| [10] | Bergfur J, Sundberg C. Leaf-litter-associated fungi and bacteria along temporal and environmental gradients in boreal streams[J]. Aquatic Microbial Ecology, 2014, 73(3): 225-234. DOI:10.3354/ame01721 |
| [11] | Chrismas N, Cunliffe M. Depth-dependent mycoplankton glycoside hydrolase gene activity in the open ocean-evidence from the Tara Oceans eukaryote metatranscriptomes[J]. The ISME Journal, 2020, 14(9): 2361-2365. DOI:10.1038/s41396-020-0687-2 |
| [12] | Wang Y L, Ye J, Ju F, et al. Successional dynamics and alternative stable states in a saline activated sludge microbial community over 9 years[J]. Microbiome, 2021, 9(1). DOI:10.1186/S40168-021-01151-5 |
| [13] | Zhao D Y, Shen F, Zeng J, et al. Network analysis reveals seasonal variation of co-occurrence correlations between Cyanobacteria and other bacterioplankton[J]. Science of the Total Environment, 2016, 573: 817-825. DOI:10.1016/j.scitotenv.2016.08.150 |
| [14] | Zhang B G, Zhang J, Liu Y, et al. Co-occurrence patterns of soybean rhizosphere microbiome at a continental scale[J]. Soil Biology and Biochemistry, 2018, 118: 178-186. DOI:10.1016/j.soilbio.2017.12.011 |
| [15] | Banerjee S, Kirkby C A, Schmutter D, et al. Network analysis reveals functional redundancy and keystone taxa amongst bacterial and fungal communities during organic matter decomposition in an arable soil[J]. Soil Biology and Biochemistry, 2016, 97: 188-198. DOI:10.1016/j.soilbio.2016.03.017 |
| [16] | Deng Y, Jiang Y H, Yang Y F, et al. Molecular ecological network analyses[J]. BMC Bioinformatics, 2012, 13. DOI:10.1186/1471-2105-13-113 |
| [17] | Chen C Y, He R Q, Cheng Z Y, et al. The seasonal dynamics and the influence of human activities on campus outdoor microbial communities[J]. Frontiers in Microbiology, 2019, 10. DOI:10.3389/fmicb.2019.01579 |
| [18] | Liu J W, Zhu S Q, Liu X Y, et al. Spatiotemporal dynamics of the archaeal community in coastal sediments: assembly process and co-occurrence relationship[J]. The ISME Journal, 2020, 14(6): 1463-1478. DOI:10.1038/s41396-020-0621-7 |
| [19] | Chen L, Zhang J, Dai H, et al. Comparison of the groundwater microbial community in a salt-freshwater mixing zone during the dry and wet seasons[J]. Journal of Environmental Management, 2020, 271. DOI:10.1016/j.jenvman.2020.110969 |
| [20] | Mo Y Y, Peng F, Gao X F, et al. Low shifts in salinity determined assembly processes and network stability of microeukaryotic plankton communities in a subtropical urban reservoir[J]. Microbiome, 2021, 9(1). DOI:10.1186/s40168-021-01079-w |
| [21] |
王以鹏, 计勇, 刘星辰, 等. 基于灰色关联法的南昌市城市湖泊沿岸水质评价[J]. 南昌工程学院学报, 2020, 39(6): 24-29. Wang Y P, Ji Y, Liu X C, et al. Water quality evaluation for urban lakes in Nanchang based on grey correlation method[J]. Journal of Nanchang Institute of Technology, 2020, 39(6): 24-29. |
| [22] | Liang Y, Li W H, Liu X Z, et al. Heavy metal pollution characteristics in the sediment of elephant lake in Nanchang City, Jiangxi[J]. Applied Mechanics and Materials, 2013, 448-453: 380-384. DOI:10.4028/www.scientific.net/AMM.448-453.380 |
| [23] | Faust K, Raes J. CoNet app: inference of biological association networks using Cytoscape[J]. F1000Research, 2016, 5: 1519. DOI:10.12688/f1000research.9050.1 |
| [24] | Shi S J, Nuccio E E, Shi Z J, et al. The interconnected rhizosphere: high network complexity dominates rhizosphere assemblages[J]. Ecology Letters, 2016, 19(8): 926-936. DOI:10.1111/ele.12630 |
| [25] | Liu Q F, Lai Z N, Wang C, et al. Seasonal variation of planktonic fungal community structure in the Xijiang River, China[J]. Applied Ecology and Environmental Research, 2021, 19(3): 1925-1937. DOI:10.15666/aeer/1903_19251937 |
| [26] | Yang Y Y, Banos S, Gerdts G, et al. Mycoplankton biome structure and assemblage processes differ along a transect from the Elbe River down to the river plume and the adjacent marine waters[J]. Frontiers in Microbiology, 2021, 12. DOI:10.3389/fmicb.2021.640469 |
| [27] |
郑保海, 王晓宇, 李英军, 等. 丹江口库区浮游真菌组成与功能及其影响因素[J]. 环境科学, 2021, 42(1): 234-241. Zheng B H, Wang X Y, Li Y J, et al. Community structure, function, and influencing factors of planktonic fungi in the Danjiangkou reservoir[J]. Environmental Science, 2021, 42(1): 234-241. DOI:10.13227/j.hjkx.202006192 |
| [28] |
韩龙. 云南高原湖泊滇池的真菌多样性及其空间分布特征[D]. 昆明: 云南大学, 2018. Han L. Diversity and spatial distribution of fungi in Dianchi lake of Yunnan plateau[D]. Kunming: Yunnan University, 2018. |
| [29] | Wang Y Q, Sen K, He Y D, et al. Impact of environmental gradients on the abundance and diversity of planktonic fungi across coastal habitats of contrasting trophic status[J]. Science of the Total Environment, 2019, 683: 822-833. DOI:10.1016/j.scitotenv.2019.05.204 |
| [30] | Taylor J D, Cunliffe M. Multi-year assessment of coastal planktonic fungi reveals environmental drivers of diversity and abundance[J]. The ISME Journal, 2016, 10(9): 2118-2128. DOI:10.1038/ismej.2016.24 |
| [31] |
靳蕊. 东印度洋浮游真菌多样性及其空间分布研究[D]. 天津: 天津大学, 2020. Jin R. Planktonic fungi diversity and spatial distribution in the eastern Indian Ocean[D]. Tianjin: Tianjin University, 2020. |
| [32] | Zhang H H, Huang T L, Chen S N. Ignored sediment fungal populations in water supply reservoirs are revealed by quantitative PCR and 454 pyrosequencing[J]. BMC Microbiology, 2015, 15(1). DOI:10.1186/s12866-015-0379-7 |
| [33] | Pietryczuk A, Cudowski A, Hauschild T. Effect of trophic status in lakes on fungal species diversity and abundance[J]. Ecotoxicology and Environmental Safety, 2014, 109: 32-37. DOI:10.1016/j.ecoenv.2014.07.032 |
| [34] | Wurzbacher C M, Bårlocher F, Grossart H P. Fungi in lake ecosystems[J]. Aquatic Microbial Ecology, 2010, 59(2): 125-149. |
| [35] |
白海锋, 王怡睿, 宋进喜, 等. 渭河浮游生物群落结构特征及其与环境因子的关系[J]. 生态环境学报, 2022, 31(1): 117-130. Bai H F, Wang Y R, Song J X, et al. Characteristics of plankton community structure and its relation to environmental factors in Weihe river, China[J]. Ecology and Environmental Sciences, 2022, 31(1): 117-130. |
| [36] |
周磊, 李育森, 黄仙德, 等. 洪潮江水库浮游细菌群落空间分布及其与环境因子的关系[J]. 微生物学报, 2020, 60(10): 2253-2264. Zhou L, Li Y S, Huang X D, et al. Spatial distribution of bacterioplankton community in Hongchaojiang reservoir and its relationship with environmental factors[J]. Acta Microbiologica Sinica, 2020, 60(10): 2253-2264. |
| [37] |
黄开明, 赵立欣, 冯晶, 等. 溶氧量及搅拌速率对青贮玉米秸秆微曝气水解效果的影响[J]. 农业工程学报, 2019, 35(1): 213-219. Huang K M, Zhao L X, Feng J, et al. Effect of dissolved oxygen and agitation rate on microaerated hydrolysis of silage corn straw[J]. Transactions of the Chinese Society of Agricultural Engineering, 2019, 35(1): 213-219. |
| [38] |
冯泽波. 滇池主要入湖河流pH值特征及其变化机制研究[D]. 昆明: 云南师范大学, 2018. Feng Z B. Study on pH value characteristics and its change mechanism of the main rivers flowing into Dianchi lake[D]. Kunming: Yunnan Normal University, 2018. |
| [39] | Wang Y Q, Sen B, He Y D, et al. Spatiotemporal distribution and assemblages of planktonic fungi in the coastal waters of the Bohai Sea[J]. Frontiers in Microbiology, 2018, 9. DOI:10.3389/fmicb.2018.00584 |
| [40] | Jiao S, Wang J M, Wei G H, et al. Dominant role of abundant rather than rare bacterial taxa in maintaining agro-soil microbiomes under environmental disturbances[J]. Chemosphere, 2019, 235: 248-259. |
| [41] |
吴波波, 王鹏, 肖胜生, 等. 水保措施对柑橘果园土壤细菌群落结构的影响[J]. 环境科学研究, 2021, 34(2): 419-430. Wu B B, Wang P, Xiao S S, et al. Effects of soil and water conservation measures on soil bacterial community structure in citrus orchards[J]. Research of Environmental Sciences, 2021, 34(2): 419-430. |
| [42] | Duan Y B, Xie N D, Song Z Q, et al. A high-resolution time series reveals distinct seasonal patterns of planktonic fungi at a temperate coastal ocean site (Beaufort, North Carolina, USA)[J]. Applied and Environmental Microbiology, 2018, 84(21). DOI:10.1128/AEM.00967-18 |
| [43] | Xu H M, Zhao D Y, Huang R, et al. Contrasting network features between free-living and particle-attached bacterial communities in Taihu Lake[J]. Microbial Ecology, 2018, 76(2): 303-313. |
| [44] | Yuan M M, Guo X, Wu L W, et al. Climate warming enhances microbial network complexity and stability[J]. Nature Climate Change, 2021, 11(4): 343-348. |
| [45] | Cohen S P, Leach J E. High temperature-induced plant disease susceptibility: more than the sum of its parts[J]. Current Opinion in Plant Biology, 2020, 56: 235-241. |