2021, Vol. 42
2. 中国科学院生态环境研究中心环境生物技术重点实验室, 北京 100085;
3. 湖南省农业科学院植物保护研究所园艺作物病虫害治理湖南省重点实验室, 长沙 410125;
4. 湖南省农业科学院杂交水稻研究中心, 长沙 410125;
5. 新疆农业科学院微生物应用研究所, 乌鲁木齐 830091;
6. 湖南省农业科学院水稻研究所, 长沙 410125
, JIN De-cai2 , WANG Dian-dong1 , CHEN Ang3 , ZHANG De-yong4 , ZENG Jun5 , KUANG Wei6 , ZHANG Zhuo3
, LIU Yong3
2. Key Laboratory of Environmental Biotechnology, Research Center for Eco-Environmental Sciences, Chinese Academy of Sciences, Beijing 100085, China;
3. Key Laboratory of Pest Management of Horticultural Crop of Hunan Province, Institute of Plant Protection, Hunan Academy of Agricultural Sciences, Changsha 410125, China;
4. Hunan Hybrid Rice Research Center, Hunan Academy of Agricultural Sciences, Changsha 410125, China;
5. Institute of Microbiology, Xinjiang Academy of Agricultural Sciences, Urumqi 830091, China;
6. Rice Research Institute, Hunan Academy of Agricultural Sciences, Changsha 410125, China
由于近几十年来人类活动的加剧, 土壤重金属污染已成为我国土壤污染的一个严重而普遍的问题[1].中国的土壤污染主要是由工业、采矿和农业部门的人类活动造成的, 农业土壤尤其受到这些活动的影响[2, 3].我国农田土壤重金属污染形势严峻, 已对粮食安全构成威胁.近年来, 大量文献对全国不同地区农田土壤重金属污染特征和风险进行评估[4~6].孟敏等[7]的研究发现我国设施农田土壤重金属含量呈现一定的空间分布规律, 南部地区土壤Cd、Pb和Hg含量最高, 北部地区土壤As、Cu、Zn和Cr含量最高, 西北部地区土壤Ni含量最高.徐建明等[8]针对我国农田土壤和粮食作物重金属超标现状, 强调把粮食作物区域划分为禁产、限产和宜产3种类型；通过采用重金属低积累粮食作物品种、重金属钝化与阻隔技术及农艺管理等措施, 实现中轻度重金属污染农田的安全利用.镉(Cd)是常见的几种重金属之一, 已被用于各种工业应用, 如电镀和塑料制造, 导致陆地和海洋环境污染[3].镉含量超标严重危害生命健康, 还会对周围的生态环境造成危害, 污染土壤和饮用水, 对人类和动物造成严重危害[9, 10].
使用微生物清理重金属污染环境比传统的方法提供了一种更加廉价、可持续发展的替代方法.化学处理和生物处理是从环境中去除这些污染物主要采用的技术.生物法的优势在于它可以在现场进行, 从而消除了运输成本, 通过选择具有去除复合污染物潜力的微生物, 可以提高消除效率.光合细菌是已知可以去除这些污染物的一组微生物, 在自然界中广泛存在, 包括紫色硫细菌和紫色非硫细菌[11].它们广泛分布于土壤和水田等生态系统中, 具有极其多样的碳源代谢能力并成为碳循环的主要参与者和推动者, 同时具有固氮能力和产生长素能力, 可以给生态系统提供氮素, 进而促进植物生长[12~14].有研究表明光合细菌与植物存在一种互惠的共生关系, 它能通过固氮和溶解磷酸盐显著提高土壤中的有效养分[15~17].光合细菌也作为一种生态友好且廉价的生物修复工具应用于废水处理、重金属去除和农药降解等方面[11, 18].光合细菌对各种重金属和过渡金属氧阴离子表现出特别的抗性.这种抗性归因于生物体将金属氧阴离子还原为基本基态的能力, 这种基态难溶, 因此毒性比最初的氧阴离子小.有研究表明光合细菌Rhodospirillum rubrum[19]和Rhodobacter sphaeroides能吸附环境中重金属离子镉[20].
土壤镉污染会对污染环境中细菌的生长造成严重损害, 同时人类又通过食用含有镉污染的水稻而危害生命安全.在镉胁迫条件下, 镉对光合细菌Rhodobacter capsulatus B10细胞增殖有抑制作用, 但在低镉浓度下, 细胞在长滞期或停滞期后能够适应并恢复生长[21].白红娟等[22]和贠妮等[23]的研究发现沼泽红假单胞菌具有较强的金属抗性, 可以降低其生物有效性.研究表明水稻土中紫色光合细菌具有丰度多样性, 但其分布呈显著空间变异性[24].目前, 对于研究土壤中光合细菌的方法主要是土壤中的光合细菌在土壤中有分解有机物和促进生物循环的作用等方面, 缺乏对重金属方面的研究.因此, 本研究的目的是利用16S测序技术来评估水稻土壤光合细菌对不同程度镉污染的响应, 并进一步确定稻田镉污染程度与土壤特性之间的相关性.
1 材料与方法 1.1 实验设计在中国湖南省湘潭市某矿区附近的5个不同稻田(27.75°~27.87°N, 112.53°~112.90°E)采集了6个生物重复样品.对农业环境中重金属污染的早期监测显示, 该地区的农业稻田长期受到重金属污染.5个相邻的取样点种植同一类型的水稻, 取样前进行了相同的田间管理.选取5个不同镉污染程度的水田, 分别将其归类为高镉组[H：TZ, ω(Cd) > 3.0 mg·kg-1]、中镉组[M：HX和HX1, ω(Cd): 0.3~3.0 mg·kg-1] 和低镉组[L：SA和QN, ω(Cd) < 0.3 mg·kg-1]. 2016年4月, 本研究对5个地点的土壤进行了采样, 每个点选取6个小区, 每个小区采用5点抽样方法, 每个点分别采集100 g土壤样品, 并混合形成一个复合样品作为一个重复样品.在移除植物材料、沙子和石头之后, 将这些合成的样品放在一个4℃冷藏器里运送到实验室.筛选和均质化后的样品, 每个土壤样本进一步分为两组, 一组风干用于理化性质测定, 一组储存在-80℃用于随后的DNA提取.
1.2 土壤理化性质测定总镉(TCd)和有效镉(ACd)测定采用国家标准GB/T 17141-1997 (土壤质量铅、镉的测定石墨炉原子吸收分光光度法)和GB/T 23739-2009 (土壤质量有效态铅和镉的测定原子吸收法).用玻璃电极法测定土壤pH值, 土壤水分比为1∶2.5.土壤总氮(TN)、总磷(TP)和总钾(TK), 有效磷(AP)和有效钾(AK)采用Jiang等[25]的方法进行测定.土壤有机质(SOM)含量测定采用Nelson等[26]的湿氧化法, 土壤碱性水解氮(AHN)测定采用碱性水解氮法[27].
1.3 土壤样品DNA提取、PCR扩增和测序每个样品准确称取0.5 g, 使用Fast DNA SPIN Kit for Soil试剂盒(MP Biomedicals, USA)提取样品总DNA, 详细步骤参见试剂盒说明书.样品总DNA浓度和纯度使用NanoDrop 2000测定, 纯度的A260/A280值要求在1.8~2.0之间.所有的样品基因组DNA浓度在进行扩增前被定量到30 ng·μL-1, -20℃冰箱保存.以样品DNA为模板, 选用正向引物PufMF (5′-TACGGSAACCTGTWCTAC-3′)和反向引物PufM_WAW (5′-AYNGCRAACCACCANG CCCA-3′) [28, 29]对样品进行扩增. 50 μL PCR反应体系：2 μL PufMF, 2 μL PufM_WAW, 25 μL Mix, 19 μL灭菌ddH2O和2 μL cDNA. PCR反应体系：94℃预变性5 min, 94℃变性30 s, 60℃退火30 s, 72℃延伸30 s, 循环35次, 最后72℃延伸10 min, 4℃保存.PCR扩增产物用1%的琼脂糖凝胶进行电泳检测, 将目的条带切胶回收后PCR纯化产物送至南京普维康生物科技有限公司(中国, 南京)进行测序.
1.4 数据分析原始数据的处理通过Galaxy平台及其集成软件(http://rccc.ou.edu)完成.通过barcode标记将序列分配到每个单独的样品上, 小于200 bp的序列使用Brim[30]去除.通过使用FLASH v1.2.5[31]对所得到的序列进行拼接.然后使用Uchime (usearch v5.2.3) [32]软件参照参考序列去除序列中的内嵌子.接下来调用UPARSE[33]程序对OTU划分, 在97%的序列相似度水平下对序列进行归并, 产生OTU表.通过NCBI网站构建PufM功能基因参考数据库[28, 29].使用RDP-Classifer软件通过PufM功能基因数据库对OTU序列进行物种注释, 置信度参数设置为50%.最后以样本中数据量最少的OTU数为标准对样品序列数进行均一化处理, 得到标准化OTU表, 然后进行后续的α多样性分析和β多样性分析.本研究中不同土壤样品之间的α多样性通过香农指数(Shannon)、辛普森指数(Inv-simpson)、丰富度(Observed_richness)和菌种丰富度指数(Chao1)来评估.主坐标分析(principal co-ordinates analysis, PCoA)非度量多维尺度分析(non-metric multidimensional scaling, NMDS)以及多重响应置换程序(MRPP)、相似性分析(Anosim)和非参数检验方法(Adonis)等不相似性分析方法被使用来评估两组间光合细菌群落的光合细菌群落差异.使用曼特尔分析(Mantel test)、典型对应分析(canonical correspondence analysis, CCA)和变分分析(variation partition analysis, VPA)来分析环境因子与光合细菌群落之间的相关性.
1.5 网络共发生分析分别对5个采样点样品中所有光合细菌种群进行基于Pearson相关系数的相关性分析, 选取Pearson相关系数绝对值大于0.5以及显著值低于0.05的节点为有效节点, 使用Cytoscape软件对不同采样点进行共发生网络图绘制, 以便更加清晰地看出不同样品组中某个微生物属和其它微生物的关联状况.
1.6 LEfSe分析LEfSe (LDA effect size)是一种用于发现和解释高维度生物标识(基因、通路和分类单元)的分析工具, 它强调统计意义和生物相关性, 能够在组与组之间寻找具有统计学差异的Biomarker, 让研究人员能够识别不同丰度的特征以及相关联的类别.本研究以3作为LDA Score的筛选值对高镉组(TZ)、中镉组(HX和HX1) 和低镉组(SA和QN)测序数据进行LEfSe分析并绘制进化分支图.在进化分支图中, 由内至外辐射的圆圈代表了由门至种的分类级别.在不同分类级别上的每一个小圆圈代表该水平下的一个分类, 小圆圈直径大小与相对丰度大小呈正比.
1.7 统计分析对5个水稻田之间土壤样品α多样性指数、理化性质通过基于Duncan算法的多重比较后的单因素方差分析进行评估检验, 数据展示使用均值±标准误, 统计分析操作使用IBM SPSS for Windows (v.22.0) 软件完成.Pearson相关性分析被用来分析镉含量与物种之间、物种与物种间的相关性.
2 结果与分析 2.1 不同镉污染程度下理化性质分析对5个采样点水稻土壤的理化性质进行分析(表 1).结果表明, 高镉组(TZ)的pH值最低, 总镉有效镉含量最高, 低镉组(SA和QN)的pH值最高, 总镉和有效镉含量最低.随着镉污染程度升高, pH值逐渐降低, 总镉和有效镉含量逐渐升高.碱性氮和总氮含量在SA点最高, QN点最低；有效磷、总磷和有机质含量在中镉组(HX和HX1)含量最高, 低镉组(SA和QN)含量次之, 高镉组(TZ)含量最低；有效钾含量在SA点含量最高, TZ和QN点含量次之, 中镉组(HX和HX1)含量最低; 3个镉污染组采样点的总钾含量无显著差异(表 1).
|
表 1 不同镉污染程度下土壤理化性质 Table 1 Soil physicochemical properties under different cadmium pollution levels |
2.2 不同镉污染程度下紫色光合细菌群落结构和多样性分析
对5组土壤样品的紫色光合细菌α多样性指数进行多组间单因素方差分析, 结果如表 2.QN点的α多样性指数(香农指数、辛普森指数、丰富度和Chao1值)最高, HX1点α多样性指数最低; HX和HX1点的α多样性指数差异不显著, QN和SA的α多样性指数之间具有显著差异(表 2).综上所述, 高镉组、中镉组和低镉组的土壤α多样性差异较小.
|
|
表 2 不同镉污染程度下土壤α多样性1) Table 2 Soil α diversity indices under different cadmium pollution levels |
对不同镉含量下土壤样品光合细菌群落进行不相似性分析, 结果如表 3.多重响应置换程序(MRPP)、相似性分析(Anosim)和非参数检验方法(Adonis) 结果表明, 高镉组(TZ)、中镉组(HX、HX1)和低镉组(QN、SA)土壤样品光合细菌群落之间均具有显著差异(表 3).
|
|
表 3 不同地点间基于Bray-Curtis矩阵的不相似分析 Table 3 Dissimilarity analysis based on Bray-Curtis distance among different sites |
除此之外, 通过基于Bray-Curtis距离矩阵的主坐标分析(PCoA)也发现, 不同镉污染程度下的光合细菌群落显著分离开来, 表明不同镉污染程度下的光合细菌群落之间具有显著差异(图 1). PCoA1和PCoA2总共解释了31.19%的变异, 其中PCoA1解释了13.54%的变异, PCoA2解释了17.65%的变异.
|
图 1 不同采样点基于Bray-Curtis距离矩阵的主坐标分析 Fig. 1 Principal co-ordinates analysis(PCoA)based on the Bray-Curtis distance matrix of different sampling points |
将5组水稻田土壤样品的原始数据通过一系列质控后共获得288 521条高质量序列, 序列条数在49 452~90 082之间, 每组样品在97%相似度下聚类共得到9 543条OTU序列.这些紫色光合细菌属于变形菌门, 在纲水平上, 这些OTU主要属于α-和β-变形菌纲.
在属水平上, 分别对不同采样点的优势属(相对丰度 > 1%)进行分析, 结果表明：高镉组(TZ)的优势属是Bradyrhizobium、Methylobacterium、Methylorubrum、Rhodopseudomonas和Novosphingobium; 中镉组(HX和HX1)的优势属是Bradyrhizobium、Methylobacterium、Burkholderiales和Methylorubrum; 低镉组(QN和SA)的优势属是Bradyrhizobium和Burkholderiales.分别对紫色光合细菌优势属进行多组间差异分析, 结果如图 2.结果表明, 高镉组(TZ)Methylobacterium、Rhodopseudomonas、Methylorubrum属相对丰度最高, 中镉组(HX和HX1)次之, 低镉组(QN和SA)最低; 高镉组(TZ)Novosphingobium属相对丰度显著高于其他点; 中镉组(HX和HX1)Burkholderiales属相对丰度最高, 低镉组(QN和SA)次之, 高镉组(TZ)最低; TZ点Bradyrhizobium属相对丰度最高, 其次是HX1和SA, HX和QN点最低.
|
不同小写字母表示在P < 0.05条件下两组间具有显著差异 图 2 不同采样点光合细菌优势属 Fig. 2 Dominant genus of photosynthetic bacteria at different sampling sites |
LEfSe统计分析结果以进化分支图的形式呈现：红色节点表示在高镉样品组中起到重要作用的细菌类群, 蓝色节点表示在中镉样品组中起到重要作用的细菌类群, 绿色节点表示在低镉土壤样品组中起到重要作用的细菌类群, 如图 3.结果表明, 在含有PufM功能基因的种群中, 高镉组土壤样品中目水平上Chromatiales显著富集, 属水平上Methylobacterium、Sandarakinorhabdus和Hydrogenophaga显著富集; 中镉组土壤样品中, 目水平上Caulobacterales和Nitrosomonadales显著富集, 科水平上Caulobacteraceae和Sterolibacteriaceae显著富集, 属水平上Brevundimonas、Bradyrhizobium和Methyloversatilis显著富集.低镉组目水平上Burkholderiales和Rhodobacterales显著富集, 科水平上Hyphomicrobiaceae和Chromatiaceae显著富集, 属水平上Prosthecomicrobium、Sphingomonas和Thiorhodococcus显著富集.
|
1. P_Proteobacteria, 2. C_Betaproteobacteria; P_、C_、O_、F_和G_分别表示含有PufM功能基因的种群所在类别分别为: 门、纲、目、科和属; 红色节点表示在高镉样品组中起到重要作用的细菌类群, 蓝色节点表示在中镉样品组中起到重要作用的细菌类群, 绿色节点表示在低镉土壤样品组中起到重要作用的细菌类群 图 3 不同样品组土壤细菌微生物组LEfSe统计分析进化分支 Fig. 3 LEfSe analysis cladogram of bacteria in soil from different sample groups |
共线性网络分析展示了在不同镉污染程度下相互关联的信息, 其对不同镉含量下光合细菌物种相对丰度进行相关性分析(R > 0.5, P < 0.05), 如图 4.物种之间的节点越多, 说明物种之间的联系越紧密, 关系越复杂.结果表明, 不同镉含量下光合细菌物种之间相关性发生了显著变化, 其中高镉组(TZ)光合细菌物种之间具有最多的节点, 而在中镉和低镉组(HX、HX1、SA和QN)光合细菌物种之间只有少量节点.比较分析各组样品的核心菌种(物种之间显著关联数较多)发现：高镉组中Rhizobacter、Methyloversatilis universalis、Novosphingobium subterraneum、Methylorubrum extorquens、Burkholderiales bacterium RIFCSPHIGHO2 12 FULL 69 20、Rhodopseudomonas sp. AAP120和Bradyrhizobium sp. S23321属于互作主导地位的优势物种, 与其他物种的显著关联数均大于5, 连接更紧密且密度更高.而中镉和低镉组与其他菌属的显著关联数均少于5, 相对较为发散.高镉组物种之间有效连接明显多于中镉和低镉组, 连接更紧密且密度更高, 而中镉和低镉组网络边缘相对较为发散.
|
S1:Rhizobacter, S2:Bradyrhizobium sp. S23321, S3:Bradyrhizobium sp. BTAi1, S4:Methylorubrum populi, S5:Methylorubrum extorquens, S6:Methylibium, S7:Methylobacterium sp. Leaf125, S8:Novosphingobium subterraneum, S9:Bradyrhizobium sp. ORS 278, S10:Rhodopseudomonas sp. AAP120, S11:Burkholderiales bacterium RIFCSPHIGHO2 12 FULL 69 20, S12:Methyloversatilis universalis, S13:Rubrivivax; (a)TZ点样品; (b)HX点样品; (c)HX1点样品; (d)SA点样品; (e) QN点样品; 红线表示两个种群之间为正相关关系, 绿线表示两个种群之间为负相关关系 图 4 不同镉含量下top30光合细菌物种相对丰度相关性分析 Fig. 4 Correlation analysis of the relative abundance of the top 30 photosynthetic bacteria species under different cadmium concentrations |
将有效镉含量与光合细菌优势物种进行Pearson相关性分析, 结果表明, 有效镉含量与Bradyrhizobium sp. BTAi1、Methylorubrum populi、Methylorubrum extorquens、Methylobacterium sp. Leaf125、Novosphingobium subterraneum、Rhodopseudomonas sp. AAP120和Methyloversatilis universalis显著正相关, 其中Methylorubrum populi、Methylorubrum extorquens、Methylobacterium sp. Leaf125和Rhodopseudomonas sp. AAP120相关性较强(R > 0.5, P < 0.05, 表 4).
|
|
表 4 有效镉含量与光合细菌优势物种基于Pearson相关系数的相关性分析 Table 4 Correlation analysis between available cadmium content and dominant species of photosynthetic bacteria based on Pearson correlation coefficient |
2.6 理化因子和光合细菌群落相关性分析
分别对光合细菌群落和理化因子进行曼特尔分析(Mantel test)和典型对应分析(CCA), 结果如表 5和图 5.曼特尔分析结果表明, pH、碱性氮、有效磷、有效钾、总氮、总磷、有机质、总镉和有效镉是影响光合细菌群落的重要因素(表 5).
|
|
表 5 基于bray-curtis和Jaccard距离矩阵的曼特尔分析1) Table 5 Mantel test based on bray-curtis and Jaccard distance matrices |
|
第一组：pH(酸碱度); 第二组：AP(有效磷)、AK(有效钾)、TN(总氮)、TP(总磷)、TK(总钾)和AN(碱性氮); 第三组：OM(有机质); 第四组：TCd(总镉), ACd(有效镉) 图 5 不同采样点光合细菌群落和环境因子典型对应分析和变分分析 Fig. 5 Canonical correspondence analysis(CCA) and variation partition analysis (VPA) between photosynthetic bacterial communities and environmental factors at different sampling points |
典型对应分析结果表明, pH、碱性氮、有效磷、总氮、总磷、有机质和总镉与光合细菌群落显著相关.碱性氮、总氮和pH对光合细菌的影响一致, 与有机质、有效磷、总磷和总镉对光合细菌的影响相反(图 5).除此之外, 将理化因子分为4组进行变分分析, 如图 5.结果表明, pH和有机质单独解释了2.90%和1.83%的光合细菌变异, 总(氮、磷、钾)和有效(氮、磷、钾)解释了24.67%的光合细菌变异, 总镉和有效镉解释了6.69%的变异, 无法解释部分40.10%(图 5).
3 讨论微生物多样性是评估生态系统功能的重要指标[34~36].前期研究表明, 重金属的存在不仅会导致微生物多样性的显著丧失[37], 还会改变群落组成和功能[38~40].本研究对不同镉污染程度下紫色光合细菌α多样性进行分析, 发现QN点的α多样性指数最高, 而HX1点多样性指数最低, HX和HX1点的α多样性指数无显著差异, 而QN点和SA点的α多样性指数之间差异明显, 表明不同镉污染程度下紫色光合细菌α多样性指数差异不显著(表 2), 表明镉污染程度对紫色光合细菌α多样性影响较小.通过对不同镉污染下土壤样品光合细菌群落进行不相似性分析, 发现不同程度镉污染组的光合细菌群落显著分离开(表 3), 表明不同镉污染程度显著改变了紫色光合细菌群落结构.因此, 尽管镉污染程度对紫色光合细菌α多样性影响较小, 但对紫色光合细菌种群丰度影响较大, 表明重金属镉污染程度可能在塑造光合细菌群落方面发挥了重要作用.
土壤生态系统的功能严重依赖土壤微生物, 因为它们促进物质循环、能量流动、养分转化、有机质分解以及其他与生态系统相关的生化过程[41~43].土壤微生物也是土壤肥力和养分资源质量和数量的有效生物指标[42, 44].许多研究利用这一点来评价土壤重金属污染的生态状况[45, 46].pH是影响土壤中微量元素沉淀-溶解平衡的关键决定因素. H+与溶解金属对配体的竞争增加了重金属的迁移率和生物利用度.本研究对不同镉污染程度下水稻土壤理化性质的分析, 发现低镉组(SA和QN)的pH值、总镉、有效镉含量会随着镉污染程度的增强而降低, 表明酸性条件促进了土壤中重金属离子态镉的积累, 有机质和pH在土壤中重金属的积累、影响重金属离子的溶解性和流动性等方面发挥重要作用, 决定了土壤养分的生物有效性.土壤酸碱度为镉生物有效性的主要控制因素, 酸性条件下生物有效性更高[47].分别对光合细菌群落和理化分子进行曼特尔反应分析和典型对应分析, 发现土壤的理化性质如pH、碱性氮和有效磷等是影响光合细菌群落的重要因素(图 5).本研究中土壤理化性质的改变可能造成了光合细菌群落组成的改变.尽管pH、碱性氮、有效磷、总氮、总磷、有机质和总镉与光合细菌群落显著相关.但是碱性氮、总氮, pH与有机质、有效磷、总磷和总镉对光合细菌的影响作用相反.表明了光合细菌群落和不同理化性质之间的作用机制存在较大差异.重金属对土壤微生物群落结构的影响可能与重金属类型、化学形态及土壤理化性质密切相关[48].
LEfSe数据清晰展示了不同时期不同处理的土壤样品中优势微生物群落在不同分类水平上的显著富集, 表明这些存在显著差异的光合细菌菌群极有可能参与了对镉污染的响应.共线性网络分析展示了光合细菌类群间在不同镉污染程度下相互关联相关作用的信息.高镉组光合细菌物种之间有效连接明显多于其他组, Rhizobacter、Methyloversatilis universalis和Novosphingobium subterraneum等属于互作主导地位的优势菌种之间连接更紧密且密度更高, 且正相关和负相关连接数相差不大, 而中镉组和低镉组网络边缘相对较为发散.该结果表明, 在污染较为严重的水稻土壤中光合细菌物种之间的竞争和拮抗作用更加激烈, 说明这些光合细菌对镉污染作出了响应.识别可能响应镉污染的关键金属抗性和金属敏感菌群是至关重要的, 因为这种特性可能与土壤生态系统中的生态位有关, 影响镉污染敏感性[49].在本研究中, 将有效镉含量与优势光合细菌物种相对丰度进行相关性分析, 发现Methylorubrum populi、Methylorubrum extorquens、Methylobacterium sp. Leaf 125和Rhodopseudomonas sp. AAP 120相对丰度与有效镉含量显著正相关且相关性较强(R > 0.5, P < 0.05).结果表明Methylorubrum populi、Methylorubrum extorquens、Methylobacterium sp. Leaf 125和Rhodopseudomonas sp. AAP120对重金属镉可能具有一定的金属抗性, 对研究镉降解具有一定的价值.
对不同镉含量组优势属进行单因素方差分析, 发现镉含量组优势属相对丰度具有较大差异, 高镉组的优势属是Bradyrhizobium、Methylobacterium、Methylorubrum、Rhodopseudomonas和Novosphingobium；中镉组的优势属是Bradyrhizobium、Methylobacterium、Burkholderiales和Methylorubrum；低镉组的优势属是Bradyrhizobium和Burkholderiales, 该结果表明镉含量梯度引起了光合细菌群落组成类群数量和优势物种的变化(图 2).这可能是由于土壤中镉的引入导致了群落的重新调整, 因此, 在重金属长期富集的地区, 耐金属微生物成为优势类群[50].土壤中金属敏感生物的数量减少, 而耐金属微生物的数量增加, 导致了群落组成的变化.这些类群的适应机制可能与微生物生命活动的不同有关.这些趋势可能是由于重金属的存在抑制了大量的金属敏感物种, 这可能会刺激耐金属物种的生长[51].对于微生物群落来说, 金属抗性物种可以弥补金属敏感物种的损失, 确保一个稳定的群落[52].进一步地镉胁迫可能导致敏感物种大量死亡, 细菌总数减少, 并导致微生物遗传多样性减少[50].
4 结论不同镉污染程度下光合细菌群落结构具有显著差异, 但α多样性差异不显著, 推测土壤中镉污染程度的变化可能造成了光合细菌群落种群丰度的变化.高镉组土壤样品中光合细菌物种之间联系比中、低镉组光合细菌物种关系更加紧密, 关系更复杂, 其中耐镉微生物显著富集.pH、碱性氮和有效磷等是影响光合细菌群落的重要因素, 且土壤理化性质的变化解释了59.90%的光合细菌变异.
| [1] |
陈文轩, 李茜, 王珍, 等. 中国农田土壤重金属空间分布特征及污染评价[J]. 环境科学, 2020, 41(6): 2822-2833. Cheng W X, Li Q, Wang Z, et al. Spatial distribution characteristics and pollution evaluation of heavy metals in arable land soil of China[J]. Environmental Science, 2020, 41(6): 2822-2833. |
| [2] | Li Z Y, Ma Z W, van der Kuijp T J, et al. A review of soil heavy metal pollution from mines in China: pollution and health risk assessment[J]. Science of the Total Environment, 2014, 468-469: 843-853. DOI:10.1016/j.scitotenv.2013.08.090 |
| [3] | Yang Q Q, Li Z Y, Lu X N, et al. A review of soil heavy metal pollution from industrial and agricultural regions in China: pollution and risk assessment[J]. Science of the Total Environment, 2018, 642: 690-700. DOI:10.1016/j.scitotenv.2018.06.068 |
| [4] |
戴彬, 吕建树, 战金成, 等. 山东省典型工业城市土壤重金属来源、空间分布及潜在生态风险评价[J]. 环境科学, 2015, 36(2): 507-515. Dai B, Lü J S, Zhan J C, et al. Assessment of sources, spatial distribution and ecological risk of heavy metals in soils in a typical industry-based city of Shandong province, Eastern China[J]. Environmental Science, 2015, 36(2): 507-515. |
| [5] |
宋波, 杨子杰, 张云霞, 等. 广西西江流域土壤镉含量特征及风险评估[J]. 环境科学, 2018, 39(4): 1888-1900. Song B, Yang Z J, Zhang Y X, et al. Accumulation of Cd and its risks in the soils of the Xijiang River drainage basin in Guangxi[J]. Environmental Science, 2018, 39(4): 1888-1900. |
| [6] | Gu Q B, Yu T, Yang Z F, et al. Prediction and risk assessment of five heavy metals in maize and peanut: a case study of Guangxi, China[J]. Environmental Toxicology and Pharmacology, 2019, 70. DOI:10.1016/j.etap.2019.103199 |
| [7] |
孟敏, 杨林生, 韦炳干, 等. 我国设施农田土壤重金属污染评价与空间分布特征[J]. 生态与农村环境学报, 2018, 34(11): 1019-1026. Meng M, Yang L S, Wei B G, et al. Contamination assessment and spatial distribution of heavy metals in greenhouse soils in China[J]. Journal of Ecology and Rural Environment, 2018, 34(11): 1019-1026. DOI:10.11934/j.issn.1673-4831.2018.11.009 |
| [8] |
徐建明, 孟俊, 刘杏梅, 等. 我国农田土壤重金属污染防治与粮食安全保障[J]. 中国科学院院刊, 2018, 33(2): 153-159. Xu J M, Meng J, Liu X M, et al. Control of heavy metal pollution in farmland of China in terms of food security[J]. Bulletin of the Chinese Academy of Sciences, 2018, 33(2): 153-159. |
| [9] | Lu A X, Li B R, Li J, et al. Heavy metals in paddy soil-rice systems of industrial and township areas from subtropical China: levels, transfer and health risks[J]. Journal of Geochemical Exploration, 2018, 194: 210-217. DOI:10.1016/j.gexplo.2018.08.003 |
| [10] | Rezapour S, Atashpaz B, Moghaddam S S, et al. Cadmium accumulation, translocation factor, and health risk potential in a wastewater-irrigated soil-wheat (Triticum aestivum L.) system[J]. Chemosphere, 2019, 231: 579-587. DOI:10.1016/j.chemosphere.2019.05.095 |
| [11] |
苏品, 张德咏, 张卓, 等. 光合细菌的农用微生物功能解读[J]. 中国生物防治学报, 2021, 37(1): 30-37. Su P, Zhang D Y, Zhang Z, et al. Dissection on the agronomical functions of photosynthetic bacteria[J]. Chinese Journal of Biological Control, 2021, 37(1): 30-37. |
| [12] | Lo K J, Lin S S, Lu C W, et al. Whole-genome sequencing and comparative analysis of two plant-associated strains of Rhodopseudomonas palustris (PS3 and YSC3)[J]. Scientific Reports, 2018, 8(1): 12769. DOI:10.1038/s41598-018-31128-8 |
| [13] | Ge H L, Zhang F L. Growth-promoting ability of Rhodopseudomonas palustris G5 and its effect on induced resistance in cucumber against salt stress[J]. Journal of Plant Growth Regulation, 2019, 38(1): 180-188. DOI:10.1007/s00344-018-9825-8 |
| [14] | Lo K J, Lee S K, Liu C T. Development of a low-cost culture medium for the rapid production of plant growth-promoting Rhodopseudomonas palustris strain PS3[J]. PLoS One, 2020, 15(7). DOI:10.1371/journal.pone.0236739 |
| [15] | Ndona R K, Friedel J K, Spornberger A, et al. 'Effective micro-organisms' (EM): an effective plant strengthening agent for tomatoes in protected cultivation[J]. Biological Agriculture & Horticulture, 2011, 27(2): 189-203. |
| [16] | Rana G, Meikap S, Mondol M, et al. Green-fertilizer, Rhodospirillum rubrum, for agricultural development on fly-ash without any toxic metal ion release[J]. Basic Research Journal of Agricultural Science and Review, 2016, 5(8): 109-117. |
| [17] | Luo L Y, Wang P, Zhai Z Y, et al. The effects of Rhodopseudomonas palustris PSB06 and CGA009 with different agricultural applications on rice growth and rhizosphere bacterial communities[J]. AMB Express, 2019, 9(1): 173. DOI:10.1186/s13568-019-0897-z |
| [18] | Idi A, Nor M H, Wahab M F A, et al. Photosynthetic bacteria: an eco-friendly and cheap tool for bioremediation[J]. Reviews in Environmental Science and Bio/Technology, 2015, 14(2): 271-285. DOI:10.1007/s11157-014-9355-1 |
| [19] | Smiejan A, Wilkinson K J, Rossier C. Cd bioaccumulation by a freshwater bacterium, Rhodospirillum rubrum[J]. Environmental Science & Technology, 2003, 37(4): 701-706. |
| [20] | Watanabe M, Kawahara K, Sasaki K, et al. Biosorption of cadmium ions using a photosynthetic bacterium, Rhodobacter sphaeroides S and a marine photosynthetic bacterium, Rhodovulum sp. and their biosorption kinetics[J]. Journal of Bioscience and Bioengineering, 2003, 95(4): 374-378. DOI:10.1016/S1389-1723(03)80070-1 |
| [21] | El-Rab S M F G, Shoreit A A F, Fukumori Y. Effects of cadmium stress on growth, morphology, and protein expression in Rhodobacter capsulatus B10[J]. Bioscience, Biotechnology, and Biochemistry, 2006, 70(10): 2394-2402. DOI:10.1271/bbb.60122 |
| [22] |
白红娟, 张肇铭, 贠妮, 等. 沼泽红假单胞菌去除镉的研究[J]. 微生物学通报, 2007, 34(4): 659-662. Bai H J, Zhang Z M, Yun N, et al. Study on removal of cadmium by Rhodopseudomonas Palustris[J]. Microbiology China, 2007, 34(4): 659-662. DOI:10.3969/j.issn.0253-2654.2007.04.010 |
| [23] |
贠妮, 袁凤英, 白红娟, 等. 沼泽红假单胞菌去除镉的实验研究[J]. 工业安全与环保, 2007, 33(5): 11-13. Yun N, Yuan F Y, Bai H J, et al. Study on the removal of cadmium by Rhodopseudomonas Palustris[J]. Industrial Safety and Environmental Protection, 2007, 33(5): 11-13. DOI:10.3969/j.issn.1001-425X.2007.05.005 |
| [24] |
俎千惠, 王保战, 贾仲君, 等. 水稻土中紫色光合细菌沿纬度梯度的空间分异特征[J]. 生态学报, 2016, 36(21): 6730-6737. Zu Q H, Wang B Z, Jia Z J, et al. Spatial shifts in purple photosynthetic bacterial community composition in paddy soils along the latitude[J]. Acta Ecologica Sinica, 2016, 36(21): 6730-6737. |
| [25] | Jiang Y J, Liang Y T, Li C M, et al. Crop rotations alter bacterial and fungal diversity in paddy soils across East Asia[J]. Soil Biology and Biochemistry, 2016, 95: 250-261. DOI:10.1016/j.soilbio.2016.01.007 |
| [26] | Nelson D W, Sommers L E. Total carbon, organic carbon, and organic matter[A]. In: Page A L (Ed. ). Methods of Soil Analysis[M]. Madison: American Society of Agronomy and Soil Science Society of America, 1982. 539-594. |
| [27] | 鲍士旦. 土壤农化分析[M]. 北京: 中国农业出版社, 2005. |
| [28] | Béjà O, Suzuki M T, Heidelberg J F, et al. Unsuspected diversity among marine aerobic anoxygenic phototrophs[J]. Nature, 2002, 415(6872): 630-633. DOI:10.1038/415630a |
| [29] | Yutin N, Suzuki M T, Béjà O. Novel primers reveal wider diversity among marine aerobic anoxygenic phototrophs[J]. Applied and Environmental Microbiology, 2005, 71(12): 8958-8962. DOI:10.1128/AEM.71.12.8958-8962.2005 |
| [30] | Kong Y. Btrim: a fast, lightweight adapter and quality trimming program for next-generation sequencing technologies[J]. Genomics, 2011, 98(2): 152-153. DOI:10.1016/j.ygeno.2011.05.009 |
| [31] | Mago Dč T, Salzberg S L. FLASH: fast length adjustment of short reads to improve genome assemblies[J]. Bioinformatics, 2011, 27(21): 2957-2963. DOI:10.1093/bioinformatics/btr507 |
| [32] | Edgar R C, Haas B J, Clemente J C, et al. UCHIME improves sensitivity and speed of chimera detection[J]. Bioinformatics, 2011, 27(16): 2194-2200. DOI:10.1093/bioinformatics/btr381 |
| [33] | Edgar R C. UPARSE: highly accurate OTU sequences from microbial amplicon reads[J]. Nature Methods, 2013, 10(10): 996-998. DOI:10.1038/nmeth.2604 |
| [34] | Boshoff M, De Jonge M, Dardenne F, et al. The impact of metal pollution on soil faunal and microbial activity in two grassland ecosystems[J]. Environmental Research, 2014, 134: 169-180. DOI:10.1016/j.envres.2014.06.024 |
| [35] | Bowles T M, Acosta-Martínez V, Calderón F, et al. Soil enzyme activities, microbial communities, and carbon and nitrogen availability in organic agroecosystems across an intensively-managed agricultural landscape[J]. Soil Biology and Biochemistry, 2014, 68: 252-262. DOI:10.1016/j.soilbio.2013.10.004 |
| [36] | Jiao S, Peng Z H, Qi J J, et al. Linking bacterial-fungal relationships to microbial diversity and soil nutrient cycling[J]. mSystems, 2021, 6(2). DOI:10.1128/msystems.01052-20 |
| [37] | Singh B K, Quince C, Macdonald C A, et al. Loss of microbial diversity in soils is coincident with reductions in some specialized functions[J]. Environmental Microbiology, 2014, 16(8): 2408-2420. DOI:10.1111/1462-2920.12353 |
| [38] | Macdonald C A, Clark I M, Zhao F J, et al. Long-term impacts of zinc and copper enriched sewage sludge additions on bacterial, archaeal and fungal communities in arable and grassland soils[J]. Soil Biology and Biochemistry, 2011, 43(5): 932-941. DOI:10.1016/j.soilbio.2011.01.004 |
| [39] | Griffiths B S, Philippot L. Insights into the resistance and resilience of the soil microbial community[J]. FEMS Microbiology Reviews, 2013, 37(2): 112-129. DOI:10.1111/j.1574-6976.2012.00343.x |
| [40] | Li J, Zheng Y M, Liu Y R, et al. Initial copper stress strengthens the resistance of soil microorganisms to a subsequent copper stress[J]. Microbial Ecology, 2014, 67(4): 931-941. DOI:10.1007/s00248-014-0391-8 |
| [41] | Lozupone C A, Hamady M, Kelley S T, et al. Quantitative and qualitative β diversity measures lead to different insights into factors that structure microbial communities[J]. Applied and Environmental Microbiology, 2007, 73(5): 1576-1585. DOI:10.1128/AEM.01996-06 |
| [42] | Fall D, Diouf D, Zoubeirou A M, et al. Effect of distance and depth on microbial biomass and mineral nitrogen content under Acacia senegal (L.) Willd trees[J]. Journal of Environmental Management, 2012, 95(Suppl): S260-S264. |
| [43] | Logares R, Lindström E S, Langenheder S, et al. Biogeography of bacterial communities exposed to progressive long-term environmental change[J]. The ISME Journal, 2013, 7(5): 937-948. DOI:10.1038/ismej.2012.168 |
| [44] | Zhang B C, Kong W D, Wu N, et al. Bacterial diversity and community along the succession of biological soil crusts in the gurbantunggut desert, northern China[J]. Journal of Basic Microbiology, 2016, 56(6): 670-679. DOI:10.1002/jobm.201500751 |
| [45] | Gómez-Sagasti M T, Alkorta I, Becerril J M, et al. Microbial monitoring of the recovery of soil quality during heavy metal phytoremediation[J]. Water, Air, & Soil Pollution, 2012, 223(6): 3249-3262. |
| [46] | Burges A, Epelde L, Garbisu C. Impact of repeated single-metal and multi-metal pollution events on soil quality[J]. Chemosphere, 2015, 120: 8-15. DOI:10.1016/j.chemosphere.2014.05.037 |
| [47] |
王锐, 胡小兰, 张永文, 等. 重庆市主要农耕区土壤Cd生物有效性及影响因素[J]. 环境科学, 2020, 41(4): 1864-1870. Wang R, Hu X L, Zhang Y W, et al. Bioavailability and influencing factors of soil Cd in the major farming areas of Chongqing[J]. Environmental Science, 2020, 41(4): 1864-1870. |
| [48] | Xia X, Wu S J, Zhou Z J, et al. Microbial Cd(Ⅱ) and Cr(Ⅵ) resistance mechanisms and application in bioremediation[J]. Journal of Hazardous Materials, 2021, 401. DOI:10.1016/j.jhazmat.2020.123685 |
| [49] | Giller K E, Witter E, McGrath S P. Heavy metals and soil microbes[J]. Soil Biology and Biochemistry, 2009, 41(10): 2031-2037. DOI:10.1016/j.soilbio.2009.04.026 |
| [50] | Luo L Y, Xie L L, Jin D C, et al. Bacterial community response to cadmium contamination of agricultural paddy soil[J]. Applied Soil Ecology, 2019, 139: 100-106. DOI:10.1016/j.apsoil.2019.03.022 |
| [51] | Cui J, Wang W Q, Peng Y, et al. Effects of simulated Cd deposition on soil Cd availability, microbial response, and crop Cd uptake in the passivation-remediation process of Cd-contaminated purple soil[J]. Science of the Total Environment, 2019, 683: 782-792. DOI:10.1016/j.scitotenv.2019.05.292 |
| [52] | Awasthi A, Singh M, Soni S K, et al. Biodiversity acts as insurance of productivity of bacterial communities under abiotic perturbations[J]. The ISME Journal, 2014, 8(12): 2445-2452. DOI:10.1038/ismej.2014.91 |