科研文献|常见豆类根际的持久微生物组成员：空间、时间和植物基因型
image.png
研究介绍
自然存在的土壤微生物群对实现农业集约化和可持续发展意义重大，管理微生物群落以支持植物健康的全部潜力尚未实现，部分原因是仍然难以确定哪些成员对植物最重要，然而，在不同的田间条件和植物发育过程中始终与植物物种相关联的微生物可能与宿主或宿主环境互动。因此了解植物与其相关微生物组之间的关系，包括直接与植物接触的关键或“核心”成员与短暂关联的成员的区别至关重要。
研究目的
应用宏观生态学的方法和概念来确定核心细菌、古细菌和真菌根微生物组的持久成员，包括预期对植物农业很重要的多个梯度和驱动因素类别。
材料与方法
image
image
分析：
R：统计分析，包括丰度-占用分析，sloan中性模型拟合、数据可视化
iCAMP ：量化装配过程
MENAP（分子生态网络分析管道）：计算共现网络和全局网络属性；
Cytoscape v.3.5.1 ：进行共现网络和全局网络属性可视化。
结果与讨论
image
Fig. 1在美国种植地点的常见豆类根茎中始终检测到大量微生物。丰度 - 占有率分布用于识别细菌/古细菌（A）和真菌（B）的根际微生物组的核心成员。基因型独有的分类群以橙色 (CELRK) 或黑色 (Eclipse) 表示，两种基因型共有的分类群为白色。实线代表中性模型的拟合，虚线代表模型预测的 95% 置信度。占有率为1（即在所有样本中检测到）的分类群被认为是核心的成员。这些分类群的相对丰度表示为箱线图，按其中分类群的顺序和数量（C，D）分组。面板C和D按门进行颜色编码。
image
Fig. 2 全球核心根际微生物组。在美国和哥伦比亚的根际样本中有3361 个共享的细菌/古菌类群，这表明大陆尺度上的招募非常相似。如维恩图 ( A )所示，在两个数据集的所有样本中都检测到了48 个分类群，其中包括许多变形菌 ( B )。48 个美国-哥伦比亚核心分类群的相对丰度表示为箱线图（左图），按顺序和数据集（哥伦比亚/美国）分组。每个订单的分类群数量以条形图表示（右图）。y 轴和条形上的标签按门级别进行颜色编码。
image
Fig. 3 植物发育过程中普通豆根系统中核心分类群的相对丰度，按根隔室和生长位置划分。与根际（橙色）相比，根际（绿色）中48个核心分类群的组合相对丰度显着更高，并且不显示植物发育依赖性（A）。美国特有的剩余核心分类群的组合相对丰度（n = 210）在整个植物发育过程中往往很高，但在两个隔间中的丰度相同（B）。箱线图上方的星表示通过 Wilcoxon 检验确定的统计显着性（**** ≤ 0.0001、*** ≤ 0.001、** ≤ 0.01、* ≤ 0.05）。
image
Fig. 4 植物发育过程中核心微生物类群的区室富集的表格摘要和热图表示，以及它们与Sloan 模型确定的丰度和占有率的中性预期的一致性。该图是使用来自生物地理学数据集的 16S rRNA 基因扩增子测序数据和来自植物发育数据集（Montcalm 生长地点）的 16S rRNA 基因扩增子测序数据生成的。DESeq2 用于按隔室（p-value < 0.05 错误发现率校正后）。Log2 倍数变化值用于确定阴影；绿色阴影的分类群在根际富集，棕色阴影的分类群在根际富集。斯隆中性模型适用于两个数据集，以了解哪些核心分类群高于（蓝色）或低于（红色）模型预期。所有未突出显示的分类群都遵循中性预测。样本大小在括号中提供。核心分类群按门级别的分类学分类进行排列和颜色编码。
image
Fig. 5 网络共现分析表明，核心根际微生物群成员主要被归类为弱连接的外围类群，并且通常按生长位置聚集。该网络仅描绘了由 6 个以上节点 ( A )连接的模块集群。节点形状代表域关联（古细菌、细菌或真菌），节点大小与其连接边的总数 ( A )成正比。四个最大的模块通常反映社区生物地理学，并以颜色 (A) 区分。内部（Zi）和之间（Pi）模块连接图用于识别模块（Pi < 0.62，Zi > 0.2.5）或网络集线器分类群（Pi > 0.62，Zi > 2.5），以及连接器（Pi > 0.62, Zi < 2.5) 和外围分类群 (B)。Zi-Pi 图周围的密度图代表核心（绿色）和非核心分类群（黑色）（B））。
image
Fig. S5 生长位置驱动着普通豆根际的细菌/古细菌(A)和真菌(B)微生物群结构。主坐标分析(PCoA)是基于Bray-Curtis距离。生长位置用颜色表示，植物基因型用形状表示(菱形=CELRK，圆形=Eclipse，方形=bulk soil)。具有统计学意义的(pvalue<0.01)解释变量的强度显示为拟合向量的长度.
image
Fig. S7 根据iCAMP工具预测的组装过程的量化。确定性选择（均匀选择(HoS)和异质选择(HeS)）和随机扩散（均质扩散(HD)、扩散限制(DL)和漂移）过程的相对重要性平均值分别为40.4%和59.6%，包括(A)。共将48个核心分类单元分为35个系统发育箱，其中23个分类箱以一个核心分类单元为顶级分类单元(iCAMP输出的相对丰度最高)。在包含25个核心类群(B)的11个箱子中，随机抑制剂和阴影机制的重要性相对高于确定性对于7个核心类群，随机装配的相对重要性（在所有位置）都是一致的，但对于核心的其余部分，(C)。不太一致分类归属只强调预测确定组装的核心分类群，所有这些都归因于均质选择。
image
Fig. S8 每个识别核心OTU代表的ZOTUs分析。利用生物地理学数据集，使用UNOISE管道生成ZOTUs。48个核心OTUs只有2个ZOTUs和35个ZOTUs。对于每一个OTU，我们发现至少有2个ZOTUs的占用率为1，除2个ZOTOs外，它们的相对丰度也最高。点的存在用颜色编码，红色表示<为1的点，蓝色表示<为1的ZOTUs。x轴上的OTUs按字母顺序排列，并在门水平上进行着色。
END
