全球土壤细菌分布图
土壤细菌在调节陆地碳动态、养分循环和植物生产力方面发挥着关键作用。然而，这些生物的自然历史和分布在很大程度上仍然没有记录。Delgado-Baquerizo等人对世界各地发现的优势细菌类群进行了调查。在来自六大洲的土壤样本中，他们发现只有2%的细菌类群占全球土壤细菌群落的近一半。这些优势类群可以归为具有共同栖息地偏好的共生细菌生态群。这些发现将有助于对土壤细菌多样性和分布进行更具预测性的了解。摘要
土壤细菌群落的巨大多样性阻碍了表征单个分类群和记录其全球分布的努力。我们分析了六大洲237个地点的土壤，发现只有2%的细菌系统型（约500个系统型）始终占全球土壤细菌群落的近一半。尽管细菌群落具有压倒性的多样性，但全球土壤中丰富的细菌类群相对较少。我们将这些优势类群分为生态群，构建了第一个全球土壤细菌类群图谱。我们的研究将大量的细菌分类群缩小到一个“最想要的”列表，这将是基因组和基于培养的努力的富有成效的目标，旨在提高我们对土壤微生物及其对生态系统功能的贡献的理解。
正文：
尽管土壤细菌已经被研究了一个多世纪，但大多数土壤细菌的多样性仍未被描述。这并不奇怪，因为土壤细菌是地球上最丰富、最多样化的生物群体之一（1-4），这挑战了我们理解它们对生态系统过程的具体贡献的能力，包括营养和碳循环、植物生产和温室气体排放（1-3）。简单地说，表征土壤中发现的数千种细菌分类群的生态属性（环境偏好和功能特征）是不可行的。大多数土壤细菌与先前存在的16S核糖体RNA（rRNA）基因数据库中的细菌不匹配（5），我们拥有其中相对较少的细菌的基因组信息（5-7），大多数土壤细菌尚未在体外成功培养（6，7）。由于这些原因，我们对大多数土壤单个细菌类群的生态属性缺乏预测性的了解，它们的环境偏好、特征和代谢能力在很大程度上仍然未知。之前的研究表明，任何一对独特的土壤样本之间通常只共享一小部分土壤细菌（4,8,9）。然而，我们也知道，与大多数“大型”群落一样（10），并非所有细菌类群在土壤中都同样丰富。土壤细菌类群中通常有比其他类群丰富得多的亚群。例如，已发现慢生根瘤菌属在北美森林土壤中占主导地位（11）。同样地，在未受干扰的草原土壤中发现了一个高度丰富的稀疏杆菌属谱系（12）。也许更重要的是，在单个土壤样本中高度丰富的许多单个分类群也可能在不同的土壤样本中丰富，即使这些土壤样本来自相距甚远的地点（例如，Candidatus Udaeobacter copiosus）（13）。因此，推进我们对土壤细菌群落的理解的关键和合乎逻辑的下一步是确定土壤中丰富且普遍存在的优势细菌系统型，并确定它们的生态属性。从大量使用标记基因测序来表征土壤细菌群落的文献中，我们知道哪些主要门在土壤中往往更丰富（14），我们对包括土壤性质（如pH值）（15）、气候（9,16）、植被类型（17）和养分可用性（18）在内的各种因素如何构建全球土壤细菌群落组成有了越来越多的了解。目前缺少的是对常见土壤细菌物种的详细生态学理解，我们称之为系统型（因为细菌物种的定义可能有问题）（19）。了解优势系统型的生态属性将提高我们在体外成功培养它们的能力，并使我们能够更具预测性地了解土壤细菌群落如何在空间、时间和人为变化下变化。例如，如果我们能识别出那些对给定环境条件（如低或高pH值）有强烈偏好的显性系统型，我们就可以利用这些信息预测它们的分布，并在体外富集这些显性系统型。最终，更好地了解优势土壤细菌类群将提高我们积极管理土壤细菌群落以促进其功能能力的能力。在这里，我们对六大洲和18个国家的237个地点的表层土壤中发现的细菌群落进行了全球分析（图S1），以（i）确定全球最主要（即最丰富和最普遍）的土壤细菌系统型；（ii）确定这些优势系统型中哪些倾向于共存并具有相似的环境偏好；（iii）绘制全球主要土壤细菌生态集群的丰度图；以及（iv）评估区分具有不同环境偏好的系统型的基因组属性。本研究中选择的土壤涵盖了广泛的植被类型、土壤特征和生物气候区域（干旱、温带、热带、大陆和极地）（20）。我们首先通过16S rRNA基因扩增子测序确定了最主要的细菌系统型（20）。显性系统型（在扩增的16S rRNA基因区域中具有≥97%序列相似性的分类群）包括那些高度丰富（按16S rRNA读取百分比排序的前10%最常见的系统型）（21）和普遍存在（在评估的237个土壤样本中的一半以上发现）（20）的系统型。毫不奇怪，我们的全球数据集包括细菌群落，这些群落在多样性和整体组成方面变化很大（图S2）。例如，观察到的每个样本的系统型丰富度在774到2869个之间，研究地点的主要系统门的相对丰度存在很大差异（图S2）。此外，正如预期的那样，只有一小部分系统型在土壤样本中是共享的，大多数系统型相对罕见（图S3）。根据我们的标准，只有2%的细菌系统型（25224个系统型中的511个）占主导地位（图1A和表S1）。然而，在所有样本中，这少量的系统型平均占16S rRNA基因序列的41%（图1A），尽管它们在某些环境中共同占细菌群落的一半以上（例如，干旱环境中的森林；图1B）。换言之，大多数土壤细菌系统型很少见，相对较少的是丰富的，但其中许多是在广泛的土壤中发现的。图1全球主要土壤细菌系统型的丰度和组成。（A） 代表优势细菌与其余细菌系统型的16S rRNA基因的系统型百分比和相对丰度。（B） 各大洲和生态系统类型的优势系统型的相对丰度（平均值±SE）。生态系统类型分类遵循科彭气候分类和我们数据库中的主要植被类型。草原包括热带草原和温带草原。灌木丛包括极地、温带和热带灌木丛。括号内标明了每个类别的样本数量。（C） 优势系统型的分类组成。未显示分配给丰度最低的门的门型（包括Armatimonadetes=0.08%，TM7=0.05%，WS2=0.03%）。表S1显示了前511个主要系统型的详细信息。
值得注意的是，在使用宏基因组学方法分析的123种全球土壤中回收的细菌群落中，从我们的数据集中确定的85%的优势系统型也被发现是优势的（20）（表S1）。这种交叉验证表明，我们的显性系统型列表不受聚合酶链式反应扩增或引物选择的影响，因为大多数已鉴定的显性系统类型是在使用两种不同方法（扩增子与宏基因组测序）分析的两组独立土壤之间共享的。此外，我们将样本集的结果与通过扩增子测序分析的土壤进行了比较，作为地球微生物组项目（EMP）的一部分（22）。EMP数据集中的大多数优势系统型（80%）——使用上述相同标准确定——都包含在我们的优势分类群列表中（相似度>97%）（20）。此外，与我们的前511优势分类群相当的前511种系统型占EMP数据集中所有细菌系统型的0.5%，占所有16S rRNA基因读取的41%。尽管这两个数据集之间存在重要的方法学差异（20），但EMP的结果与我们的研究之间的一致性强化了我们的结论，即相对较小的细菌系统型子集在全球土壤中占主导地位。平均而言，从我们的数据集中确定的主要细菌系统型在多个大陆、生态系统类型和生物气候区的土壤中非常丰富（图1B）。唯一的例外是热带森林的土壤，其中主要的系统型仅占16S rRNA基因序列的20%左右，这可能是热带森林土壤在我们的数据库中代表性不足和/或热带森林细菌群落与其他生态系统类型中发现的细菌群落非常不同的产物（图S4）。总之，我们的结果表明，土壤细菌群落，就像植物群落一样（10），通常由相对较小的系统型子集主导。因此，我们将所有下游分析集中在511个系统型上，这些系统型在全球土壤中最为丰富和普遍。已确定的优势系统型准确预测了所调查细菌群落“次优势”成分的β多样性总体模式（98%的系统型；图S2和S5以及图1C）。也就是说，全球主要细菌系统型的分布模式与其余98%的细菌系统型密切相关。在这511个门型中，最丰富和最普遍的包括α变形菌（Bradyrhizobium sp.、鞘氨醇单胞菌sp.、红平面菌sp.、Devosia sp.和Kaistobacter sp.）、β变形菌（Methylobium sp.和Ramlibacter sp.）、放线菌（Streptomyces sp.、Salinibacterium sp.和分枝杆菌sp.）、酸杆菌（Candidatus Solibacter sp.和iii1-15目）和平面菌（WD2101目）（完整列表见表S1）。值得注意的是，在我们鉴定的511个系统型中，只有不到18%与可用的参考基因组在>97%的16S rRNA序列相似性水平上相匹配，该水平通常用于描述不同的细菌物种（23）（图2和表S1）。即使在>90%的16S rRNA序列相似性水平上，511个主要的门型中约有42%没有基因组匹配，这表明即使在同一属或科内，我们也没有分类群的基因组信息（图2A和表S1）。此外，在已鉴定的511个显性系统型中，只有45%与栽培分离物有关，<30%的系统型具有>97%序列相似性水平的代表性类型菌株（图2B和表S1），这强调了我们可用于这些显性系型的表型信息有限。毫不奇怪，与以前培养的分类群密切相关的系统型往往来自几个研究得很好的分类群，主要是变形菌门和放线菌门，其他系统门只有少数代表（图1COpen in image viewer和2BOpen in image viewer和表S1），突显了许多先前存在的培养物收藏的众所周知的分类偏见（6）。图2系统发育树，包括优势土壤细菌系统型的分类信息。（A） 直方图显示511个显性系统型与每个系统型最接近的可用参考基因组之间的16S rRNA基因序列相似性百分比。（B） 511个优势系统型的系统发育分布。最内环和中间环上的黑色阴影表示，对于每个门型，是否存在代表性分离物和≥97%16S rRNA基因序列相似性水平的基因组匹配。最外圈的颜色突出了所有系统型（n=511）的环境偏好分布。对于少数分类归属与树形拓扑不对应的系统型，没有进行人工校正。
在确定了511种主要的系统型后，我们使用随机森林建模（24）来确定每种系统型的栖息地偏好（20）。我们的统计模型包括15个环境因素：气候（干旱指数、最低和最高温度、降水季节性和日平均温度范围）、紫外线（UV）辐射、净初级生产力、土壤非生物特性（土壤质地；pH值；总碳、氮和磷浓度；以及C:N比）和主要生态系统类型（森林和草原）（20）。我们发现，占主导地位的511个系统型中有53%（270个）具有可预测的栖息地偏好[解释>30%变化的模型；见（20）和表S1]，土壤pH值、气候因素（干旱指数、最高温度和降水季节性）和植物生产力一直是全球其丰度的最佳预测因素（图S6）。这些发现与之前的研究一致，表明气候因素和土壤pH值通常与观察到的土壤细菌群落组成的整体差异高度相关（4、8、9、15、16），但此外，我们发现微生物群落组成与植物生产力之间存在强烈联系（图S7）。我们无法确定511个门型中其余241个的强烈生态偏好，其中包括来自广泛门和亚门的代表（图S8）。我们无法预测这241个系统型的分布可能与缺乏关键但难以衡量的环境预测因素（如土壤碳可用性）有关，也可能与我们的模型没有考虑细菌与植物、真菌或动物之间的特定关联（如病原体-宿主或捕食者-猎物相互作用）有关，这可能是它们分布模式的驱动因素。或者，我们可能无法确定这些系统型的栖息地偏好，因为它们在样本中的丰度变化较小（图S9和S10）。事实上，包括所有241个未确定的系统型在内的组的相对丰度显示出比我们可以确定其栖息地偏好的那些系统型的相对丰度低得多的变异系数，如下所述（图S9）。这一结果表明，那些没有明确栖息地偏好的未确定的系统型代表了一组“核心”的优势系统型，这些系统型在全球土壤中普遍存在，其丰度比例相对不变。然后，我们使用半部分相关性（Spearman）和聚类分析（20）来识别具有共同栖息地偏好的系统型组，将我们的分析限制在具有可预测分布模式的270个系统型上。我们发现，系统型分为五个合理定义的生态集群，它们共享对（i）高pH值的环境偏好；（ii）低pH值；（三）旱地；（iv）植物生产力低；以及（v）干燥森林环境（图2B，图3A、图S11和表S1）。这五组系统型包括270个系统型中的200个，我们可以确定它们的栖息地偏好（表S1）。确定的每个生态集群都包括来自多个门的系统型，这表明栖息地偏好在粗略的分辨率水平上与系统发育无关（图S8）。剩余的70个系统型被分为三个小簇，包括一个由六个系统型组成的小簇（高pH值-森林偏好；表S1和图S11）和两个簇，其中两个簇包括偏好的系统型，包括温暖森林、降水季节变化低的地点、中层环境和低磷含量的土壤（表S1和表S11）。这些结果表明，优势细菌系统型可以聚类到具有相似栖息地偏好的可预测生态群中。为了交叉验证生态集群，我们使用相关网络分析（20,25）来调查共享相似栖息地和环境偏好的细菌系统型是否倾向于共同出现（图3B）。事实上，我们的网络分析表明，共享特定栖息地偏好（例如低pH值）的细菌系统型往往与属于同一集群的其他系统型共存，比我们偶然预期的要多（所有集群的P<0.001；图3B和图S12）。图3确定了优势土壤细菌系统型的栖息地偏好。（A） 分配给每个生态集群的系统型相对丰度与其主要环境预测因子之间的关系（表S1中给出了每个集群内系统型的统计分析和身份）。（B） 带有节点（细菌系统型）的网络图，由已识别的五个主要生态集群中的每一个着色，突出显示每个生态集群内的系统型往往比预期的偶然性更多地同时出现（图S12中的统计分析）。
接下来，我们试图确定我们是否可以确定描述分配给各个生态集群的细菌的基因组属性。这些分析仅限于可获得基因组数据的相对较小的细菌系统型子集（与参考基因组的16S rRNA序列相似性>97%）。在所确定的五个主要集群中，有四个集群的系统型中可获得的代表性独特基因组数量不足（图S13）。然而，在分配给“旱地”集群的25个系统型中，我们有10个独特基因组的基因组数据，包括变形菌门和放线菌门的代表（图S13）。然后，我们确定了与其他优势类群的基因组相比，在这个“旱地”集群中过度表达的功能基因。该分析共包括72个基因组，其中10个属于旱地集群（20）。我们发现，与分配给其他生态集群的代表系统型的基因组相比，该旱地集群内的基因组具有显著更高的18个基因的相对丰度（图S14）。值得注意的是，编码负责质子介导的单价阳离子（如Na+、K+）流出的膜转运蛋白的Mnh和Mrp基因在“旱地”集群中的表达过多（图S14）。这些基因经常与细菌对碱性或盐水条件的耐受性增强有关，更一般地说，与细菌对渗透环境外部变化的耐受能力增强有关（26）。这些适应性可能对生活在干旱土壤中的细菌很重要，这些土壤通常是含盐的，pH值很高，并且经历了长时间的低水分可用性（27）。鉴于可用的参考基因组数量较少，这些发现并不是决定性的，只是一个“概念证明”。然而，我们的研究结果强调，有可能确定区分具有不同环境偏好的土壤细菌的基因组属性。他们还强调了获取新基因组的重要性，以进一步了解优势土壤细菌类群的生态属性。因此，我们的研究结果为利用基因组数据预测土壤细菌分类群的空间分布铺平了道路，随着这些微生物的参考基因组集合规模的增加，这些努力将得到改善。总之，我们的研究结果表明，全球土壤中存在可预测的共存优势细菌系统型集群。这一发现表明，通常可用的环境信息可用于构建这些细菌群在全球范围内的全球分布预测图。我们使用面向预测的回归模型Cubist（28）和我们可以获取全球分布信息的12个环境变量的信息（20）对四个主要生态集群（即低pH值、高pH值、旱地和低生产力，图4）（20）进行了分析。我们的模型证实，pH值、干旱水平和净初级生产力分别是观察到的低pH值、高pH值、旱地和低生产力集群的主要驱动因素（附录S1）。值得注意的是，我们的地图（占这些集群空间变化的36%至64%，图4Opens in image viewer）提供了我们预计优势土壤细菌系统型最丰富的区域的估计值（图4Openes in image viewers）。正如预期的那样，旱地和低生产力集群在全球旱地和低生产率地区相对丰富，低pH值和高pH值集群在以低pH值或高pH值土壤而闻名的地区尤其丰富。图4土壤中发现的优势细菌全球图谱。（A至D）预测了四个主要细菌系统型生态集群的相对丰度的全球分布，这些集群共享对高pH值、低pH值、旱地和低植物生产力的栖息地偏好。R2（模型解释的变异百分比）如下：（i）高pH值簇，R2=0.53，P<0.001；（ii）低pH值簇，R2=0.36，P<0.001；（iii）旱地集群，R2=0.64，P<0.001；（iv）低生产率集群，R2=0.40，P<0.001。比例尺表示每个生态集群的标准化丰度（z分数）。（20）中提供了这些图的独立交叉验证。这一全球主要土壤细菌系统型清单代表了系统型的一小部分，几乎占从土壤中回收的16S rRNA序列的一半。我们表明，我们可以预测这些优势系统型中一半以上的环境偏好，从而可以预测未来的环境变化将如何影响这些分类群的空间分布。根据Grime的质量比假说（10），我们预计，确定这些优势类群的生理属性对于提高我们对一些关键土壤过程的微生物控制的理解至关重要，包括那些调节土壤碳和养分循环的过程（1-3,29）。此外，鉴于全球细菌系统型的分布与其功能属性之间的密切联系（8,12），以及观察到的显性和亚显性系统型之间的关联（图S5），我们预计这些显性细菌将成为全球关键土壤过程的关键驱动因素或指标。我们还发现，鉴于所有生态集群都包括来自多个门的门型，仅从门级身份来看，栖息地偏好是不可预测的。这表明，来自不同分类群的系统型具有一些表型特征（例如渗透调节能力）或生活史策略（29，30），使它们能够在特定的环境条件下生存。通过将未来研究中要针对的系统型数量从数万个缩小到几百个，我们的研究为更具预测性地了解土壤细菌群落铺平了道路，这对于准确预测当前全球环境变化的生态后果至关重要。来源：Plant-Microbe前言分享
Soil & Environmental Health是由朱利中院士、朱永官院士和马奇英教授担任主编、浙江大学与Elsevier合作出版的全英文开放获取国际学术期刊。自2022年12月以来，期刊出版了来自18个国家的69篇优秀文章；期刊CiteScoreTracker 2024 为6.0，目前已被DOAJ、Scopus和CAS数据库收录。
微信号 | SEH2023
Twitter｜@soileh2023
