Sci. Total Environ.| 高通量测序和宏基因组分析揭示了金属污染沉积物中微生物群落的特征和耐药机制
推荐：江舜尧
编译：杉砜
编辑：小菌菌
北京科技大学王飞教授团队于2020年5月10日在Science ofThe Total Environment上发表了题名为《Integrating high-throughput sequencing and metagenome analysis to reveal the characteristic and resistance mechanism of microbial community in metal contaminated sediments》的文章。
、
文章摘要
北京密云水库上游散落着一些封闭矿山的金属尾矿，由于微量金属的存在，河流的生态环境遭到了威胁。本文以受影响的主要河流之一的六里河为典型模型进行了研究。在这项研究中，我们选择了八个不同的地球化学因子来评估沉积物和微量金属之间的相互作用。随机森林预测表示，低浓度的Cu、Cd、Cr和Ni（分别低于61.8 mg/kg、3.2 mg/kg、173.2 mg/kg和34.1 mg/kg）能够提高群落多样性，但一般来说，微量金属污染会损害微生物多样性。环境因子相关分析表明，As、pH和速效P是改变微生物群落分布的主要因素。宏基因组测序表明，Proteobacteria菌携带了绝大多数的重金属抗性基因，其次是Actinobacteria and 和Bacteroidetes菌。Proteobacteria菌的金属耐受性是通过相应的转运载体、泵和离子通道输出，或通过氧化还原反应还原金属来实现的。此外，Proteobacteria菌还具有更大的能力通过DNA重组修复DNA损伤
文中重要图片说明
图1 |八个沉积物采样点的位置图。
图2 |地球化学因素中的重金属之间的Spearman相关关系（p≤0.05）。OM：有机质；AK：有效K；AP：有效P；HN：可水解N；ES：有效S。
图3 | 基于门、类、属和OTU水平上未加权的均匀距离对样本进行NMDS无约束排序的结果：（a）基于门分布，（b）基于类分布，（c）基于属分布，（d）基于OTU级别的总信息。
图4 | 用随机森林模型评价环境变量对香农指数的相对影响（%）。
图5 | 重金属元素对香农指数随机森林模型的偏相关图（蓝线为偏相关数据线，绿线为局部多项式回归拟合趋势线，红色带为95%置信区间）。部分地块揭示了香农指数对重金属的依赖性。
图6 |（a）沉积物中细菌群落的RDA和形成细菌群落组成和结构的最重要的理化变量。符号表示采样地点，箭头表示环境变量及其对细菌群落的相对影响。（b）沉积物细菌多样性数据与环境变量的MRT分析。图中的每个分支都以图形方式表示为树中的一个分支。该拆分中的样本数显示在条形图下。
图8 | 重金属相关基因在三个宏基因组测序文库中的相对丰度（a）。重金属相关基因在三个宏基因组测序文库（b）中的微生物群落结构。
图9| 不同微生物（门级和类群）对不同沉积物样品COG功能属性的相对贡献。
你可能还喜欢