||
胡晓婧1,2 刘俊杰1 魏丹3 朱平4 崔喜安5 周宝库3 陈雪丽3 金剑1 刘晓冰1 王光华1*
1中国科学院东北地理与农业生态研究所黑土区农业生态重点实验室,哈尔滨150081;
2中国科学院大学, 北京100049;
3黑龙江省农业科学院土壤肥料与环境资源研究所,哈尔滨 150086;
4吉林省农业科学院农业资源与环境研究所,长春130033;
5黑龙江省农业科学院黑河分院, 黑龙江黑河164300
为了解东北黑土南部、中部和北部3个农田土壤真菌网络结构的异同以及物种之间的相互作用关系,本研究采用Illumina MiSeq技术对东北黑土农田3个长期肥料管理土壤真菌群落进行测序,并基于随机矩阵理论构建真菌分子生态网络。结果表明,子囊菌、担子菌和接合菌为优势菌门,肉座菌目、腔菌目和粪壳菌目为优势菌目,但不同地区土壤中一些菌门和菌目的相对丰度存在显著差异。3个地区真菌分子生态网络结构显著不同,北部地区真菌网络更加复杂且物种之间存在更多竞争关系。南部地区真菌网络更不稳定,易受外界环境扰动。3个真菌网络仅有7个共有节点,且共有节点在各地区的连通度存在很大差异。通过亚网络的构建发现,从南到北肉座菌目网络趋于复杂,腔菌网络恰好相反。南部、中部和北部地区真菌网络的关键物种分别为毛壳菌、腔菌和青霉菌。土壤pH值和土壤全氮含量是同时影响3个真菌网络的主要土壤理化因子。
关键词 黑土; 真菌群落; 高通量测序; 微生物相互作用; 分子生态网络
我国东北黑土是世界4大黑土带之一,主要分布在黑龙江、吉林、辽宁省和内蒙古自治区等地。该地区具有土质肥沃、光照充足、适宜农作物生长等良好的农业生产条件,已成为我国重要的商品粮生产基地[1-2]。土壤微生物与土壤理化性质和作物生长有密切的关系,微生物参与土壤有机质的分解、腐殖质的形成以及土壤物质转化与养分循环[3]。同时,由于其对外界环境变化敏感,土壤微生物的丰度、群落结构的组成和变化可作为评价土壤质量、肥力和作物生产力的重要指标[4-5]。
近年来,高通量测序技术以其通量高、准确率高和一次性分析样品量多等优点,已成为研究土壤微生物强有力的工具[6]。真菌作为数量最多的土壤微生物之一,在土壤生态系统中参与氮素转化、碳素固定及有机质分解等重要生态过程[7-8]。土壤理化指标的差异及不同的土地利用方式对土壤真菌的种类和群落组成具有显著影响[9]。Sterkenburg等[10]利用高通量测序技术对瑞典25个老龄林地土壤进行研究,发现土壤真菌群落组成在种属水平上与土壤肥力具有显著相关关系;子囊菌门的丰度在低氮林地土壤中较高,而担子菌门的丰度随林地土壤氮含量的增加而升高。Bainard等[11]对加拿大草原的不同类型的土壤进行高通量测序,发现土壤类型对丛枝菌根真菌的群落和多样性没有影响,而不同的土地利用(小麦、大麦、燕麦等农作物)显著影响了该地区丛枝菌根真菌的群落结构。但这些研究大多是分析土壤真菌各分类水平的相对丰度、α和β群落多样性以及真菌群落分布与环境因素的相互关系,对于土壤真菌的网络结构及物种之间相互作用关系研究很少。
生态网络分析技术是基于随机矩阵理论来研究生态系统内作用关系的一种方法[12]。随着该方法的发展,并结合高通量测序和基因芯片等技术的数据,对理解真菌群落内潜在的相互作用关系提供了解决途径[13-14]。Lu 等[15]对甘肃农田长期土豆连作土壤真菌网络进行分析,发现低产土壤与高产土壤的真菌网络在关键物种、网络拓扑性质以及影响网络结构的主要环境因子上都存在很大不同。然而,针对东北黑土农田中土壤真菌网络的互作分析还鲜有报道,影响真菌网络结构的土壤因子有待明确。
在前期研究中,我们分析了东北黑土南部、中部和北部3个长期不同施肥管理定位试验农田土壤中的真菌丰度、群落组成及变化[16]。结果发现,尽管3个地区农田经历了长达30多年的不同施肥制度的影响,但土壤真菌群落结构组成按采样地区不同非常明显地划分为3块,即南部、中部和北部土壤真菌群落组成差异非常显著,不同的施肥管理只是在固定地区对土壤真菌群落组成产生微调节(相对而言),故此,本研究将同一地区不同施肥制度下的真菌群落组成看作样点内重复,即每个地区有12个重复采样点,比较分析长期相同的施肥制度下这3个地区土壤真菌网络结构差异、关键物种的异同以及真菌内部物种之间互作关系,为进一步阐明东北黑土农田土壤的真菌功能提供理论依据。
供试土采集于东北黑土区3个野外长期定位施肥试验站,分别位于吉林公主岭(南部43°31′ N, 124°48′ E)、黑龙江哈尔滨(中部45°50′ N, 126°51′ E)和黑河(北部50o 15′ N, 127o 27′ E)。在每个地区本研究选取其中的4个处理:1)不施肥(CK); 2)氮磷钾化肥(CF); 3)单施有机肥(M); 4)有机肥化肥配施(CFM)。南部试验站种植方式为玉米连作,中部为小麦-大豆-玉米轮作;北部为大豆-小麦轮作,中部和北部采样当季作物均为大豆。于2014年9月上旬对3个试验站土壤样品进行采集,采样深度0~20 cm,每个处理3个重复,共采集36个样品。样品采集后立即过2 mm筛,然后分成2份,1份保存于-80 ℃用于土壤总DNA的提取,另1份室温风干用于土壤理化性质的测定。具体试验站肥料施用量和采集土壤样品的理化性质见文献[15]。
利用FastDNA® SPIN Kit for Soil (MP Biomedicals, USA)试剂盒,按照说明提取土壤总DNA。然后采用NanoDrop 2000分光光度计(Thermo Scientific, USA)测定提取的总DNA的浓度和纯度。质量合格的DNA样品送至上海美吉生物公司进行Illumina MiSeq测序。高通量测序步骤及数据质控参见文献[16]。所测序列已提交到GenBank SRA (Sequence Read Archive),接受号为SRP092656。
利用高通量测序获得的数据,按照基因随机矩阵原理(random matrix theory, RMT)对3个地区土壤真菌群落分别进行分子生态网络构建(pMENs, phylogenentic molecular ecology networks)。网络构建和网络性质参数获取均在Molecular Ecological Network Analyses Pipeline (MENA) (http://ieg4.rccc.ou.edu/mena)网站上完成[13-14,17]。
主要步骤如下:首先对原始数据(OTU表)进行lg标准化处理;按MENA中格式要求排列并上传数据,计算任意2个OTU的皮尔森相关性(Pearson correlation)后构建相关性矩阵[18];将相关性矩阵转换为相似性矩阵;根据随机矩阵原理自动设定1个阈值(similarity threshold),然后将相似性矩阵转换成邻接矩阵,从而计算OTU节点之间的连接强度。以默认阈值等参数为准,点击MENA网络分析(Analyze the networks)计算网络性质参数,包括下载网络文件及相应的节点数据文件,利用Cytoscape3.4.0软件对网络进行可视化处理;得到网络结构图及相关信息,包括节点数即群落中的物种(OTU);节点之间的连线即物种之间相互作用关系(正相关,co-occurrence;负相关,competition);连通度(connectivity)即1个节点与其它所连接的节点之间的连通强度;路径长度(geodesic distance)即2个节点之间的最短距离;聚集系数(clustering coefficient)即1个节点与其它节点之间连通度的好坏;模块性(modularity)即表征分子生态网络中模块特性,1个网络被分割成多个模块,单个模块被考虑为生态系统中1个功能单元[14,19];节点的作用由模块间连通度(Pi)和模块内连通度(Zi)表征。最后,利用Maslov-Sneppen方法[20],在不改变原有网络节点和连线数的基础上,重新连接原网络中不同位置的节点并构建了100次随机网络,然后比较分子生态网络和随机网络之间的差别。利用t检验分析不同地区土壤间的真菌网络结构差异。
采用SPSS 19.0统计软件进行地区间真菌丰度数据的单因素方差分析(ANOVA),用Duncan显著差异法分析地区间的差异显著性;利用Pearson相关性分析3个分子生态网络分别和环境因子之间的相关性。
土壤真菌在门和目分类水平上的相对丰度如图1所示。黑土农田土壤真菌主要分布在5个真菌门,其中,子囊菌门(Ascomycota)为相对丰度最高的优势菌门(66.7%~78.8%),其次是担子菌门(Basidiomycota, 6.0%~16.7%)和结合菌门(Zygomycota, 5.7%~13.6%),壶菌门(Chytridiomycota)和球囊菌门(Glomeromycota)的占比最少,两者之和仅为0.2%~1.0%。南部和北部中子囊菌门相对丰度要显著高于中部地区;与之相反,中部地区中担子菌门的相对丰度要显著高于南部和北部;此外,从接合菌门数量上看,北部和中部该菌的相对丰度均在10%以上,显著高于南部的数值。
在目水平上,3个地区中肉座菌目(Hypocreales)相对丰度最高(23.2%~24.2%),其次是腔菌目(Pleosporales, 9.7%~15.3%)、粪壳菌目(Sordariales, 10.1%~16.4%)、被孢霉菌目(Mortierellales, 5.7%~13.6%)和Cystofilobasidiales (0.6%~10.3%)。3个地区肉座菌目的相对丰度无显著差异。值得注意的是,Cystofilobasidiales在南部和中部的相对丰度平均分别为5.7%和10.3%,而在北部该菌的相对丰度仅为0.6%。总体来看,东北黑土3个地区的土壤真菌在一些门和目分类水平上的相对丰度存在很大差异,即使在同样种植大豆的中部和北部地区,菌门和菌目的相对丰度仍然差异明显。
图1 东北黑土区3个地区主要真菌在门(a)及目(b)水平上的相对丰度
Fig.1 Relative abundance of dominant fungi at phylum (a) and order (b) levels within three locations in black soil region of Northeast China.
S: 南部地点 South location; M: 中部地点 Middle location; N: 北部地点 North location.
Asc: 子囊菌门Ascomycota;Bas: 担子菌门Basidiomycota;Zyg: 接合菌门Zygomycota;Chy: 壶菌门Chytridiomycota;Glo: 球囊菌门Glomeromycota;
Hyp: 肉座菌目Hypocreales;Ple: 腔菌目Pleosporales;Sor: Sordariales;Mor: 被孢霉目Mortierellales;Cys: Cystofilobasidiales;Aga: 伞菌目Agaricales;Tre: 银耳目Tremellales;The: Thelebolales;Eur: 散囊菌目Eurotiales;Pez: 盘菌目Pezizales;Cap: 煤炱目Capnodiales;Hel: 柔膜菌目Helotiales;Mic: 囊菌目Microascales;Cha: 刺盾炱目Chaetothyriales;Con: Coniochaetales.
不同小写字母表示三个地区之间真菌物种的差异显著性(p<0.05) Different small letters and asterisks meant significant difference of fungal taxa among three locations at 0.05 level. 下同 The same below.
分别利用南部、中部和北部土壤真菌的测序结果构建3个分子生态网络可视化图。图2显示了不同地区土壤真菌网络中物种之间的相互关系,并在目水平上将节点以不同颜色进行区分。3个网络的阈值自动被确定为0.83、0.82、0.79(表1),高于大部分利用该方法构建网络的阈值[17];表1结果显示,分子生态网络中的平均连通度、平均路径长、平均聚集系数和模块性均大于随机网络的这些数值,且r2均为0.8左右,说明本文所构建的网络符合无标度(scale free)、小世界(small world)以及模块化(modular)等网络特征[13-14],可用于随后真菌相互关系的研究。
图2 东北黑土3个地区真菌分子生态网络图(a)及主要真菌菌目节点个数(b)
Fig.2 Molecular ecological networks of fungal communities within individual location in black soil region of northeast China (a) and the node number of major fungi at order level (b).
S: 南部地点 South location; M: 中部地点Middle location; N: 北部地点 North location.
Hyp: 肉座菌目Hypocreales;Ple: 腔菌目Pleosporales;Sor: Sordariales;Mor: 被孢霉目Mortierellales;Cys: Cystofilobasidiales;Aga: 伞菌目Agaricales;Tre: 银耳目Tremellales;The: Thelebolales;Eur: 散囊菌目Eurotiales;Pez: 盘菌目Pezizales;Cap: 煤炱目Capnodiales;Hel: 柔膜菌目Helotiales;Mic: 囊菌目Microascales;Cha: 刺盾炱目Chaetothyriales;Con: Coniochaetales;Oth: Others
每个节点代表1个OTU,也就是相应的真菌物种;不同颜色的节点表示不同优势真菌菌目;蓝色线代表物种间的正相关关系,红色线代表物种间的负相关关系.
Each node signifies an OTU, which could correspond to a fungal species. Colors of the nodes represent different dominant order of fungi. Blue lines represent positive interactions between two individual nodes, while red lines represent negative interactions.
北部地区真菌网络的节点数和连线数显著高于南部和中部,表明北部地区的真菌网络较其它2个地区更加复杂;南部、中部和北部网络中负相关连线数分别为81, 58和165,分别占相应总连线数的22%, 18%和44%,表明北部地区真菌物种之间的竞争关系更强。与其它2个地区相比,南部地区真菌网络的平均路经长和模块性最小,而平均连通度和聚集系数均最高,表明该地区真菌网络更易受外界环境的干扰。进一步统计了真菌目水平上不同物种的节点数,可以看出肉座菌目的节点数最多,其次是腔菌目、粪壳菌目和被孢菌目,而南部和中部相对丰度较高的Cystofilobasidiales,在网络结构中该菌在3个地区的节点数都很低,说明群落中相对丰度较高的物种在网络结构中未必起到关键作用。
对3个地区真菌生态网络中的节点(OTU水平上)做Venn分析(图3),发现仅有7个节点为3个地区所共有,且高达52%的节点为3个地区独有。从图3中还可看出,南部网络与中部网络有48个共有节点,中部网络与北部网络有43个共有节点,都远远高于南部网络与北部网络的4个共有节点,说明地理差异显著影响了东北黑土区真菌生态网络中物种的分布。由于连通度是表征某一节点与其它所连接节点之间的强度,所以连通度较高的节点在微生物网络起到更重要的作用[21]。进一步对7个共有节点的连通度进行统计,发现3个地区共有节点的连通度存在明显差异,例如,中部地区OTU319(腔菌)连通度最高为22,而南部和北部地区该节点的连通度仅分别为7和4。
图3 东北黑土3个真菌分子生态网络特有和共有节点分布Venn图(a)以及7个共有节点在每个真菌网络中的连通度(b)
S: 南部地区 South location; M: 中部地区 Middle location; N: 北部地区 North location.
将3个地区真菌生态网络结构中节点数最多的肉座菌目和腔菌目单独构建亚网络,从图4中可以直观地看出,从南部到北部,肉座菌目的亚网络结构的节点数和连线数逐渐增多;与之相反,腔菌目的节点数和连线数逐渐减少。对这两个菌目在3个地区的亚网络进行数据统计(表2),发现2个菌目的负相关与正相关连线数的比值都是在北部地区最高,说明尽管2个菌目在3个地区复杂程度相反,但北部地区这2个真菌菌目物种之间竞争关系要强于南部和中部。
图4 东北黑土3个地区肉座菌目和腔菌目亚网络结构图
S: 南部地区 South location; M: 中部地区 Middle location; N: 北部地区 North location.
Hyp: 肉座菌目Hypocreales;Ple: 腔菌目Pleosporales;Sor: Sordariales;Mor: 被孢霉目Mortierellales;Cys: Cystofilobasidiales;Aga: 伞菌目Agaricales;Tre: 银耳目Tremellales;The: Thelebolales;Eur: 散囊菌目Eurotiales;Pez: 盘菌目Pezizales;Cap: 煤炱目Capnodiales;Hel: 柔膜菌目Helotiales;Mic: 囊菌目Microascales;Cha: 刺盾炱目Chaetothyriales;Con: Coniochaetales.
每个节点代表一个OTU,也就是相应的真菌物种;不同颜色的节点表示不同真菌优势菌目;蓝色线代表物种间的正相关关系,红色线代表物种间的负相关关系
在微生物生态网络中,节点代表群落中的物种,不同节点的拓扑学角色可以作为确定关键物种的依据。一般将Zi ≥ 2.5或Pi ≥ 0.62的所有节点定为关键物种(key species)[17],因此,落在模块枢纽、网络枢纽和连接器的节点在模块间和各自的模块内起重要作用。如图5所示,东北黑土区真菌网络中无节点落在网络枢纽内,南部、中部和北部分别有91%、90%和97%的节点落在外围模块内,剩余节点落在模块枢纽和连接器内。将落在模块枢纽和连接器内关键物种中连通度最高的节点找出,标于图5中,可以看出3个地区关键物种完全不同,南部、中部和北部地区连通度最高的关键物种分别为OTU1961(毛壳菌 Chaetomiaceae)、OTU319(腔菌Pleosporales)和OTU2464(Penicillium coralligerum)。
图5 东北黑土3个地区土壤真菌网络的拓扑角色
S: 南部地区 South location; M: 中部地区 Middle location; N: 北部地区 North location.
为了分析真菌生态网络与土壤环境因子的关系,对物种连通度与土壤理化性质进行相关性分析(表3)。结果表明,土壤pH, 全碳,全氮,全磷,速效磷,铵态氮和硝态氮含量与南部地区土壤真菌网络连通度呈显著相关(p < 0.05);土壤pH,全氮,全钾,铵态氮和速效钾含量与中部地区土壤真菌网络连通度显著相关(p < 0.05);北部地区土壤真菌网络连通度则与土壤pH,全碳,全氮,全磷,全钾,硝态氮和速效钾含量呈显著相关(p < 0.05)。其中,土壤pH和全氮含量同时显著影响了3个地区土壤真菌的网络结构,表明这2种理化因子在决定东北黑土真菌网络互作关系方面起到重要作用。
我们之前利用454测序技术对东北黑土区土壤真菌群落地理分布格局研究发现,黑土真菌群落存在非常明显的地理分布规律,不同作物种植对黑土土壤真菌群落分布无明显影响[22]。另外,我们前期针对黑土区3个长期施肥定位实验研究也发现[16],不同的施肥管理只是在固定地区对土壤真菌群落有所改变,从大的区域尺度来看,不同地区黑土真菌群落结构地域性非常强,差异非常明显,但土壤真菌之间相互作用关系尚属未知。在自然生境中,物种不能独立生存,而是通过物种之间的相互作用关系形成了复杂的网络系统[23]。如此,生态网络这个概念应运而生,它被广泛应用于食物网络,授粉网络和蛋白代谢网络研究中[24-26]。近年来,科研人员发现微生物分泌代谢产物可以促进或抑制其他种微生物的生长[27],微生物之间这种相互作用关系同样符合生态网络模型[28]。赵慧慧等 [29]对长期石油污染土壤和未受污染土壤的微生物分子生态网络研究发现,2种土壤中微生物功能基因的生态网络存在显著差异(p < 0.001),并通过构建烷烃、多环芳烃降解基因的亚网络,发现微生物之间的负相互作用比例较大,反映出微生物功能群落间存在更多的竞争关系。本实验利用前期实验中高通量测序的结果,构建了南部、中部和北部3个真菌分子生态网络,结果表明北部土壤真菌网络结构较其它2个地区更加复杂,且负相关连线占比最高,说明北部土壤真菌网络内存在更多的竞争关系,可能由于该地区土壤具有较高的有机质含量[16],不仅促使土壤内部真菌活动更加活跃,同时旺盛的真菌活动分泌出更多代谢产物从而抑制它种微生物活性,产生更多竞争关系。3个地区真菌网络结构中仅发现7个共有节点,且南部真菌网络与北部真菌网络的共有节点数最少,进一步说明3个地区真菌网络之间存大很大差异,且距离较远的2个真菌网络差异更大。此外,南部地区真菌网络具有最短平均路径长和最小模块性等网络特性,说明当外界环境发生扰动时,该真菌网络能在很短的时间内将环境扰动传递到整个网络,导致网络结构不稳定 [19,30],并且这种不稳定的真菌网络结构可能导致参与土壤碳、氮、磷等养分循环的真菌物种群落发生显著改变,从而影响作物生长。本研究仅为一次采样结果,后续工作应进一步研究季节性和年际差异下微生物网络结构变化规律及影响因素。
在3个地区真菌群落中肉座菌的相对丰度最高,真菌网络中也发现该菌是节点所占最多的物种(图 2),这与Jiang等人[31]报道的亚洲东部稻田土壤中真菌网络关键物种相一致,说明肉座菌目是1类土壤中普遍存在的重要真菌。Hannula等人[32]利用13C同位素标记法发现肉座菌目是1类能够快速生长的植物组织分解者,该类菌在网络中的重要作用也可能与我们采样期为作物成熟期,凋落物较多有关。肉座菌的亚网络结构从南部到北部趋于复杂,有研究表明隶属于肉座菌目的很多种属为昆虫致病菌,并被广泛用于林木及农作物有害昆虫病的防治[33-34]。而腔菌目的亚网络结构恰好相反,是从南部到北部越来越简单,文献中针对腔菌目的功能报道较少,有研究发现隶属于腔菌目的一个属Stemphylium是丝状真菌,且可寄生于多种农作物植株内,引起叶片枯萎病从而使得粮食减产[35]。尽管南部地区腔菌目的亚网络结构更复杂,但是腔菌目与它种真菌之间存在一定的竞争关系,使得该物种的病原作用受到一定的抑制。毛壳菌是南部地区的关键物种,该菌的大多数种类不仅具有较强的分解纤维素和木质素的能力[36],还能够降低尖孢镰刀菌等植物病原菌引起的作物枯萎病等病害[37],具有一定的生防功能。此外,腔菌不仅是中部地区Zi-Pi拓扑角色分析中的关键物种,而且是3个地区共有节点中在中部地区连通度最高的物种,在该地区与它种真菌之间的负正相关连线数比仅为0.23,说明存在更多的物种间合作关系,导致该菌发挥更多作用。北部地区的关键物种为Penicillium coralligerum,该菌种一般分离于海洋或其底泥中[38-39],在土壤中还未见报道,该菌在农田土壤中的作用需要进一步研究。
多数研究发现,土壤pH是决定细菌群落变化的主要因素[40-41],而真菌群落结构通常与土壤养分含量密切相关[42]。然而,微生物的丰度程度及群落分布情况无法表征它们内部之间的相互关系,比如本研究中Cystofilobasidiales的相对丰度在南部和中部地区都较高,而该菌在3个地区的真菌网络结构中所占比例极小,说明该菌与其它物种几乎没有显著连接关系。本文从分子生态网络的角度拟合土壤理化因子的相关性,发现土壤pH值和土壤全氮含量同时显著影响东北黑土3个地区真菌分子生态网络结构,且均为正相关关系,说明提高土壤pH值和增加氮含量可促进真菌物种之间的相互作用,为今后实现更加合理有效的农业管理提供一定的指导。
本研究利用Illumina Miseq高通量测序技术结合分子生态网络,对东北黑土不同纬度农田土壤真菌进行研究,发现不仅3个地区优势真菌的相对丰度有显著差异,而且真菌分子生态网络结构、物种间互作关系、亚网络结构以及关键物种都存在显著不同,土壤pH值和全氮含量是影响3个地区真菌网络结构的主要因素。
[1] Jing R-Y (荆瑞勇), Cao K (曹 焜), Liu J-J (刘俊杰), et al. Correlation between soil enzyme activity and physicochemical characteristics in agricultural black soils in northeast China. Research of Soil and Water Conservation (水土保持研究), 2015, 22(4): 132-137 (in Chinese)
[2] Fang H-Y (方海燕), Sheng M-L (盛美玲), Sun L-Y (孙莉英), et al. Using 137Cs and 210 Pbex to trace the impact of soil erosion on soil organic carbon at a slope farmland in the black region. Chinese Journal of Applied Ecology (应用生态学报), 2013, 24(7): 1856-1862 (in Chinese)
[3] Fiere N. Embracing the unknown: disentangling the complexities of the soil microbiome. Nature Reviews Microbiology, 2017, 15(10): 579-590
[4] Jeffries P, Gianinazzi S, Perotto S, et al. The contribution of arbuscular mycorrhizal fungi in sustainable maintenance of plant health and soil fertility. Biology and Fertility, 2003, 37(1): 1-16
[5] Luo X, Fu X, Yang Y, et al. Microbial communities play important roles in modulating paddy soil fertility. Scientific Reports, 2016, 6: 20326
[6] Xia W-W (夏围围), Jia Z-J (贾仲君). Comparative analysis of soil microbial communities by pyrosequencing and DGGE. Acta Microbiologica Sinica (微生物学报), 2014, 54(12): 1489-1499 (in Chinese)
[7] Li Y-J (李元敬), Liu Z-L (刘智蕾), He X-Y (何兴元), et al. Metabolism and interaction of C and N in the arbuscular mycorrhizal symbiosis. Chinese Journal of Applied Ecology (应用生态学报), 2014, 25(3): 903-910 (in Chinese)
[8] Sun R, Dsouza M, Gilbert JA, et al. Fungal community composition in soils subjected to long-term chemical fertilization is most influenced by the type of organic matter. Environmental Microbiology, 2016, 18(12): 5137-5150
[9] Kasel S, Bennett LT, Tibbits J. Land use influence soil fungal community composition across central Victoria, south-eastern Australia. Soil Biology and Biochemistry, 2008, 40(7): 1724-1732
[10] Sterkenburg E, Bahr A, Durling MB, et al. Changes in fungal communities along a boreal forest soil fertility gradient. New Phytologist, 2015, 207(4): 1145-1158
[11] Bainard LD, Dai M, Gomez EF, et al. Arbuscular mycorrhizal fungal communities are influenced by agricultural land use and not soil type among the Chernozem great groups of the Canadian Prairies. Plant and soil, 2015, 387(1-2): 351-362
[12] Luo F, Yang Y, Zhong J, et al. Constructing gene co-expression networks and predicting functions of unknown genes by random matrix theory. BMC Bioinformatics, 2007, 8(1): 1-17
[13] Zhou J, Deng Y, Luo F, et al. Phylogenetic molecular ecological network of soil microbial communities in response to elevated CO2. Mbio, 2011, 2(4): e00122-11
[14] Zhou J, Deng Y, Luo F, et al. Functional molecular ecological networks. Mbio, 2010, 1(14): 1592-1601
[15] Lu L, Yin S, Liu X, et al. Fungal networks in yield-invigorating and -debilitating soils induced by prolonged potato monoculture. Soil Biology and Biochemistry, 2013, 65: 186-194
[16] Hu X, Liu J, Wei D, et al. Effect of over 30-year of different fertilization regimes on fungal community compositions in the black soils of northeast China. Agriculture, Ecosystems and Environment. 2017, 248: 113-122
[17] Deng Y, Jiang Y, Yang Y, et al. Molecular ecological network analyses. BMC Bioinformatics, 2012, 13(1): 113
[18] Horvath S, Dong J. Geometric interpretation of gene coexpression network analysis.PLoS Computational Biology, 2008, 4(8): e1000117
[19] Wang F (汪 峰),Zhou J, Sun B (孙 波). Structure of functional ecological networks of soil microbial communities for nitrogen transformations and their response to cropping in major soils in eastern China. Chinese Science Bulletin (科学通报),2014, 59(4-5), 387-396 (in Chinese)
[20] Maslov S, Sneppen K. Specificity and stability in topology of protein networks. Science, 2002, 296(5569): 910-913
[21] Liang Y, Zhao H, Deng Y, et al. Long-term oil contamination alters the molecular ecological networks of soil microbial functional genes. Frontiers in Microbiology, 2016, 7(66111): 60
[22] Liu J, Sui Y, Yu Z, et al. Soil carbon content drives the biogeographical distribution of fungal communities in the black soil zone of northeast China. Soil Biology and Biochemistry, 2015, 83: 29-39
[23] Freilich S, Kreimer A, Meilijson I, et al. The large-scale organization of the bacterial network of ecological co-occurrence interactions. Nucleic Acids Research, 2010, 38(12): 3857-3868
[24] Krause AE, Frank KA, Mason DM, et al. Compartments revealed in food-web structure. Nature, 2003, 426(6964): 282-285
[25] Olesen JM, Bascompte J, Elberling H, et al. Temporal dynamics in a pollination network. Ecology, 2008, 89(6): 1573-1582
[26] Guimera R, Amaral LAN. Functional cartography of complex metabolic networks. Nature, 2005, 433(7028): 895-900
[27] Marx CJ. Microbiology. Getting in touch with your friends. Science, 2009, 324(5931): 1150-1151
[28] Peura S, Bertilsson S, Jones RI, et al. Resistant microbial co-occurrence patterns inferred by network topology, Applied and Environmental Microbiology, 2015, 81(6): 2090
[29] Zhao H-H (赵慧慧), Xiao X (肖 娴), Pei M (裴 孟), et al. Effect of long-term oil contamination on the microbial molecular ecological networks in saline-alkali soils. Environmental Science (环境科学), 2016, 37(9): 3582-3589 (in Chinese)
[30] Wang Y, Zhang R, Zheng Q, et al. Bacterioplankton community resilience to ocean acidification: evidence from microbial network analysis. Ices Journal of Marine Science, 2015, 73(3): 865-875
[31] Jiang Y, Liang Y, Li C, et al. Crop rotations alter bacterial and fungal diversity in paddy soils across East Asia. Soil Biology and Biochemistry, 2016, 95: 250-261
[32] Hannula SE, Boschker HT, de Boer, W, et al. 13C pulse-labeling assessment of the community structure of active fungi in the rhizosphere of a genetically starch-modified potato (Solanum tuberosum) cultivar and its parental isoline. New Phytologist, 2012, 194: 784-799
[33] Castrillo LA, Griggs MH, Vandenberg JD. Quantitative detection of Beauveria bassinan GHA (Ascomycota: Hypocreales), a potential microbial control agent of the emerald ash borer, by use of real-time PCR. Biological Control, 2008, 45(1): 163-169
[34] Riosvelasco C, Pérezcorral DA, Salasmarina M á et al. Pathogenicity of the Hypocreales Fungi Beauveria bassiana and Metarhizium anisopliae against insect pests of tomato. Southwestern Entomologist, 2014, 39(4): 739-750
[35] Inderbitzin P, Mehta YR, Berbee ML. Pleospora species with Stemphylium anamorphs: a four locus phylogeny resolves new lineages net does not distinguish among species in the Pleospora Herbarum clade. Mycologia, 2009, 101(3): 329-339
[36] Hao X-R (郝晓冉), Niu X-L (牛学良), Li Q (李 强), et al. Different in ligocellulose degradation of endophytic Chaetomium globosum isolates and related genes analysis. Letters in Biotechnology (生物技术通讯), 2014, 25(1): 1-8 (in Chinese)
[37] Walther D. Biological control of damping off of sugar beet and cotton with Chaetomium globosum or a fluorescent Pseudomonas sp. Canadian Journal of Microbiology, 1988, 34: 631-637
[38] Kirichuk NN, Pivkin MV, Matveeva TV. Three new Penicillium species from marine subaqueous soils. Mycological Progress, 2017, 16(1): 15-26
[39] Takahashi T, Sakai K, NaganoY, et al. Cladomarine, a new anti-saprolegniasis compound isolated from the deep-sea fungus, Penicillium coralligerum YK-247. Journal of Antibiotics, 2017, 70(8): 1-4
[40] Feng Y, Grogan P, Caporaso JG, et al. pH is a good predictor of the distribution of anoxygenic purple phototrophic bacteria in Arctic soils. Soil Biology and Biochemistry, 2014, 74(6): 193-200
[41] Bartram AK, Jiang X, Lynch MDJ, et al. Exploring links between pH and bacterial community composition in soils from the Craibstone experimental farm. Fems Microbiology Ecology, 2014, 87(2): 403-415
[42] Lauber CL, Strickland MS, Bradford MA, et al. The influence of soil properties on the structure of bacteira and fungal communities across land-use types. Soil Biology and Biochemistry, 2008, 40(9): 2407-2415
胡晓婧,女,1988年生,博士研究生. 主要从事土壤微生物研究. E-mail: hxj4050@163.com
胡晓婧,刘俊杰,魏丹,等. 东北黑土区不同纬度农田土壤真菌分子生态网络的比较研究. 应用生态学报, 2018,
Hu X-J, Liu J-J, Wei D et al. Comparative study on fungal molecular ecological networks of agricultural soils with different latitude in the black soil region of northeast China. Chinese Journal of Applied Ecology, 2018, (in Chinese)
http://www.cjae.net/CN/abstract/abstract22966.shtml
《应用生态学报》
地址:沈阳市沈河区文化路72号
邮编:110016
电话:024-83970393
网址:http://www.cjae.net
据中信所发布的《2017年版.中国科技期刊引证报告(核心版)》,《应用生态学报》2016年影响因子为1.967,总被引频次为12948,在生态学类期刊中排名第2位。
为鼓励读者交流、快速解决科研困难,我们建立了“宏基因组”专业讨论群,目前己有国内外2400+ 一线科研人员加入。参与讨论,获得专业解答,欢迎分享此文至朋友圈,并扫码加主编好友带你入群,务必备注“姓名-单位-研究方向-职称/年级”。技术问题寻求帮助,首先阅读《如何优雅的提问》学习解决问题思路,仍末解决群内讨论,问题不私聊,帮助同行。
学习扩增子、宏基因组科研思路和分析实战,关注“宏基因组”
点击阅读原文,跳转最新文章目录阅读
https://mp.weixin.qq.com/s/5jQspEvH5_4Xmart22gjMA
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-9-3 17:25
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社