湖泊微生物群落構建機制及研究展望

李 怡,張含笑,張靖天,翁南燕,張佩蓮,馬春子,霍守亮

環境基準與風險評估國家重點實驗室,中國環境科學研究院,北京 100020

湖泊是地球表層系統重要組成部分,是水資源的重要儲存和調節單元,具有削洪調蓄作用,能夠提供飲用水源和生物棲息地等[1-2]。在湖泊生態系統中,微生物是能量流動和生物地球化學循環的參與者,在介導碳、氮、磷等元素循環的過程中發揮重要作用,對維持生態系統的相對穩定和代謝過程具有關鍵意義[3-4]。湖泊微生物研究是通過解析微生物時空分布規律、群落結構對環境變化的響應及反饋機制、微生物與其他生物之間的復雜相互作用,來認識湖泊生態系統的結構與功能,評估湖泊生態系統狀態,探究生態系統穩定性及調節機制的[5-6]。

生物化學法和組學方法的應用為研究人員提供了大量未培養微生物的信息,提高了微生物識別的精度與廣度,使微生物生態學研究的核心問題從發現和描述時空分布規律,延伸到探究驅動微生物時空分布的生態過程[7-9]。系列理論與假說曾被用于解釋微生物群落時空演變的生態過程,發展至今,主流觀點支持將生態位理論與中性理論整合,認為確定性和隨機性過程共同作用于微生物群落構建,這些過程涉及環境選擇、生物相互作用、擴散限制、物種分化與生態漂變等[8]。群落構建機制研究是對生態過程進行區分和量化,通過統計分析法、模型推斷法、網絡分析法解釋湖泊微生物對干擾的響應,有助于理解湖泊微生物多樣性維持機制。筆者綜述了湖泊微生物時空分布、群落構建的生態過程,群落構建機制分析方法及研究展望,以期為湖泊微生物群落構建機制研究提供參考。

1 湖泊微生物的時空分布

1.1 湖泊微生物研究的時空尺度

微生物生態模式受研究尺度的嚴格限定,微生物時空分布規律具有顯著的時空尺度依賴性,因此明確研究對象的時間、空間尺度是理解微生物群落構建機制的前提[10]。

時間尺度研究范圍可以為天、月、季節、年乃至更久。短時間尺度的研究有利于反映微生物群落敏感的、突如其來的變化,較長時間尺度上微生物的時空分布規律具有季節性或者年份間差異。在長達百年的時間尺度上,古湖沼學為揭示湖泊微生物群落的時間演替規律提供了可行方法,不同歷史時期的湖泊信息儲存于相應深度的沉積物中[11-12]。因此,對不同沉積物演替序列中微生物群落的分析,可以解析微生物群落組成結構變化及其驅動機制[13-14]?？臻g尺度的研究范圍可以限定在微小尺度、局域尺度,或通過大量數據整合與再分析擴展到區域尺度、洲際尺度和全球尺度等[15-16]。從空間角度研究微生物群落,能夠反映多尺度下微生物地理分布格局的差異。

1.2 湖泊微生物研究的時空分布格局

關于湖泊微生物群落在天、月、季節和年際時間尺度動態演變的已有研究包括:①群落總體結構的變化(如微生物群落結構的年間變化[17]、月變化[18]、季節變化[19]);②群落組成變化(如冬季、夏季門類豐度的變化[19]);③物種周轉(如物種總數隨時間推移而增加[20])。相關研究通過調查微生物在不同時期的群落動態,探討季節性調水工程對浮游植物群落的影響和貢獻[21]、浮游細菌群落對湖泊中氮磷輸入的響應等問題[22]。對湖泊沉積物中微生物群落演變信息的挖掘等相關研究,揭示了百年尺度的微生物多樣性模式和生態系統變化[13,23-24]。

在空間分布格局上,由于微生物對環境條件變化的敏感性高、適應性強,湖泊微生物群落分布隨自然地理條件和水體環境變化呈現相應規律(如濁度等環境因子使撫仙湖固氮微生物群落在豐度、多樣性和群落組成上存在明顯的空間異質性[25])。同時,由于微生物主動擴散能力差,地理格局產生的擴散限制也可能導致物種組成相似性呈現隨地理距離衰減的現象(如擴散限制影響中國東南地區24座水庫細菌群落的構建過程[26-27])。

1.3 時空分布特征的主要影響因素

湖泊環境條件是影響微生物時空分布的主要因素,天然水體中光強隨深度增加而衰減、湖泊熱力及溶解氧等分層現象使湖泊內部環境具有異質性,特殊湖泊可能具有更顯著的化學分層,影響著不同環境適應性的水體微生物的垂直分布[28-30]。pH、鹽度等環境因素已被證明對湖泊微生物群落結構和組成均具有重要影響,甚至在相距很遠但pH相近的湖泊中存在著相似的微生物組基因[31-33]。水位波動、湖泊內部或與外界水交換等水動力條件變化與多種類群聯系密切(如浮游藻類群落在湖流速度增加時,優勢類群逐漸向綠藻門和硅藻門轉變[34-35])。

湖泊微生物分布還受到生長資源及種間關系的制約。自養型微生物分布受光照條件和營養物質(磷酸鹽、硝酸鹽、鐵等)可獲得性的影響,同時和異養型微生物一樣,在湖泊生態系統中受到正相互作用和負相互作用的影響,在獲取資源時存在著合作與競爭關系[36-37]。

地理因素對湖泊微生物分布的影響體現在隨著湖泊之間的地理距離增加,微生物群落組成的相似度逐漸降低[31]。但由于微生物擴散能力強、種群密度高,其群落組成的海拔分異較弱,水生微生物的物種豐富度和α多樣性隨海拔的升高會呈現出不同的規律(如降低、增加、駝峰形、U形變化或無明顯變化趨勢[38])。

2 湖泊微生物群落構建的生態過程

2.1 微生物生態學基礎理論

群落構建是指群落生物多樣性形成、維持和變化的生態學過程[38-39]。群落構建機制研究中的生態過程劃分基于系列理論與假說,其中,生態位理論和中性理論最具代表性。生態位理論認為,各種物種特征的權衡和組合使其沿著決定適合度的所有變量的梯度占據特定的生態位并得以穩定共存[40-41]?；谏鷳B位理論的群落構建認為,環境選擇作用和競爭排斥等確定性因素共同塑造著群落結構。群落中性理論被用來解釋群落構建過程中漂變、擴散限制等隨機性過程,該理論由種群遺傳學中的中性理論衍生而來,認為個體在生態水平上具有概率意義的等價性,并借鑒島嶼生物地理學理論中某個個體的死亡伴隨群落外其他隨機個體遷入的情形,假設局域群落具有飽和性[42-43]。中性理論由以上假設推論得到物種群落物種多度分布符合零和多項式分布,群落結構由擴散限制決定[43]。

隨著高通量測序技術在環境微生物群落中的不斷應用和對大尺度下環境微生物分布模式的逐步探索,越來越多的研究發現,微生物群落組成結構不能僅被環境驅動因素、種間互作關系等切實可控的因素來解釋,生態隨機過程在微生物多樣性和群落構建方面發揮重要作用[8]。目前,生態確定性過程和隨機性過程共同主導環境微生物群落構建過程的觀點已被普遍接受,確定性因素與隨機性因素的相對重要性成為影響群落構建過程的核心科學問題[8,44]。

VELLEND將生態過程整合成4個主要過程:物種形成(speciation)、選擇(selection)、擴散(dispersal)和生態漂變(drift)[45]。之后,有學者提出使用多樣化(diversification)來代替物種形成過程,如圖1所示[8,46]。選擇過程主要是由生態位理論所主導的生態過程,群落生物多樣性主要是由不同物種在適應環境過程中的差異造成的(包括物種生存、生長和繁殖等),驅動上述差異的原因主要是非生物因素(如環境因素)和生物相互作用因素(物種競爭、協作、共生、捕食等)[8]。由于受到環境異質性和環境同質性的影響,相應的生態選擇過程分為同質選擇和異質選擇[47]。擴散過程主要是指群落內物種主動或被動地從一個地點遷移至另一個地點并成功定殖的過程。生態漂變是由物種的隨機產生、隨機死亡和隨機繁殖等一些特有的隨機因素所產生的群落內物種差異,進而形成不同的生物多樣性模式[43]。多樣化指產生新的遺傳變異位點的生態進化過程,是介于物種形成和物種滅絕之間的一種狀態[8]。一般認為擴散與多樣化過程使微生物物種多樣性增加,而選擇與生態漂變過程使生物多樣性降低[48]。這些生態過程不是單一地作用于微生物群落構建,而是相互結合,以某一個過程為主導、多個生態過程共同發揮作用促進環境微生物群落生物多樣性模式形成。

圖1 影響微生物群落構建的4個生態過程[8,46]Fig.1 Four ecological processes affecting the construction of microbial communities[8,46]

2.2 湖泊微生物群落構建機制分析方法

目前,在湖泊生態系統中研究微生物群落構建機制的分析方法主要有統計分析法、模型推斷法和網絡分析法。

1)統計分析法

環境選擇與擴散限制因素共同驅動湖泊微生物群落的動態變化和生物地理分布格局形成,研究2種過程對群落結構影響的多元統計方法主要有3種。

第一種方法是直接比較不同組間群落結構的差異,使用探索性的降維排序方法,如主成分分析(PCA)、主坐標分析(PCoA)、非度量多維標度(NMDS)和去趨勢對應分析(DCA),以及統計檢驗方法,如置換多元方差分析(PERMANOVA)和相似性分析(ANOSIM)。此類方法可以揭示多種選擇作用造成的群落結構差異,但難以評價隨機性過程的重要性。第二種方法是探究群落結構和環境變量之間的關系,選擇解釋性的數據分析方法,如冗余分析(RDA)、典范對應分析(CCA)和Mantel檢驗[49]。若環境變量能夠解釋很大比例的群落結構變化,則可以證明選擇過程的重要性,反之則可能表明隨機過程的重要性。然而,選擇作用和擴散限制可能產生相似的距離衰減模式[50-52]。因此,第三種多元統計方法擴展到方差分解分析(VPA),確定環境選擇和空間效應對群落結構差異的相對重要性[49,53]。同時,該方法量化了環境變量與空間距離之間的相互作用,表征了環境異質性造成的影響。其余未解釋部分的變化可能由未測定的環境變量、生物相互作用、物種分化、漂變和人為誤差引起[7,54-55]。

2)模型推斷法

模型推斷的方法包括中性群落模型(NCM)和零模型(null model)。

中性群落模型最早應用于大型動植物群落構建機制研究,而后被推廣應用于探討微生物群落構建過程。目前普遍使用的Sloan模型沿用了早期中性模型的符號和核心概念,改進之處在于允許物種有競爭優勢或劣勢,并將模型轉化為連續的形式[42]。中性模型從隨機性或確定性層次評估群落構建過程,假設群落構建完全由偶然性和擴散驅動,通過擬合觀測得到群落結構數據,得出擬合程度(R2)、群落規模(N)和遷移率(m)等參數,由擬合優度判斷群落構建中隨機性過程的強度,由群落遷移率的大小判斷物種受到擴散限制的程度[56-58]。采用該方法對太湖光合微生物的研究發現,在短至3 d的時間尺度上,隨機過程主導光合微生物群落構建過程[59]。

零模型方法通過比較隨機生成群落與觀測群落的差異,推斷關注的生態過程是否對觀測群落產生顯著影響?；诹隳Ｐ偷臉藴驶S機比例(NST)方法僅在隨機性或確定性的層次劃分生態過程,但能夠量化確定性和隨機過程在不同群落構建中的相對重要性。如果一組群落的NST值主要為0.5～1,則認為該組群落由隨機性過程主導,反之,若NST值主要為0～0.5,則認為該組群落由確定性過程主導。該方法基于模擬生態數據,具有更高的準確度和檢測精度。有研究使用NST指數衡量浮游細菌群落、底棲細菌群落在冬季、夏季不同的群落構建機制,結果發現在2個季節中,浮游細菌群落受到隨機性過程的影響大于底棲細菌群落[60]。

基于零模型的Stegen生態框架在判斷隨機性或確定性過程的基礎上,將確定性過程劃分為同質選擇(HoS)和異質選擇(HeS),將隨機性過程劃分為同質擴散(HD)、擴散限制(DL)和無主導過程(UD)[55]。該框架結合系統發育研究和分類學研究內容,主要使用基于系統發育β多樣性指數的β最相鄰物種指數(βNTI)和基于Bray-Curtis距離的Raup-Crick指數(RCBray)進行劃分,如ZHANG等使用該方法判斷出環境選擇過程是主導青藏高原地區湖泊微生物群落構建的主要生態過程,特定的局部環境條件決定了微生物群落生物多樣性的形成[61]。在以上方法的基礎上,iCAMP執行基于系統發育分箱(bin)的零模型分析,以量化不同生態過程的相對重要性。iCAMP框架同樣將群落構建劃分為5個過程,將無主導過程延伸到漂變等過程,并可以進行群落組內各過程強度的比較。首先將觀察到的分類群根據其系統發育關系分為不同的bin,隨后使用凈種間親緣關系指數(βNRI)對每個bin的系統發育多樣性進行零模型分析,并使用修正的Raup-Crick指數分析β多樣性[62]。相關研究采用此方法將觀察到的物種分組到92個bin中,再進行零模型分析,證明了人類活動加劇會對某些微生物物種選擇過程產生同質化效應[63]。

基于零模型的PER-SIMPER方法和擴散-生態位連續體指數方法(DNCI)將生態過程劃分為生態位/擴散過程[64]。PER-SIMPER方法由GIBERT等基于相似性百分比(SIMPER)提出,計算擴散模型、生態位模型、混合模型的E值分布,定性推斷主要的生態過程,擴散/生態位模型E值分布較低,則對應生態過程主導群落構建,混合模型E值分布較低,則表示2個過程共同影響群落構建。主要原理為對經驗數據進行重排獲得3種不同的零分布,并基于SIMPER分析,計算經驗SIMPER和3種不同的零SIMPER。隨后,對于每個零模型,計算零SIMPER與經驗SIMPER之間的平方偏差之和的對數(E),該方法僅能用于生態過程的定性判斷[65]。VILMI等在此基礎上計算了效應量差值,提出了擴散-生態位連續體指數(DNCI),以DNCI值的正或負推斷群落構建是由生態位主導還是擴散過程主導,以其絕對值大小表示驅動因素的強度,可以進行群落組間的比較[66]。相關研究使用該方法證明了擴散過程在多個空間尺度上對浮游生物群落組成相似性具有不同的影響[67]。以上基于模型推斷的分析方法由于構建原理不同,每種方法都有其適用性(表1)。使用單一方法進行分析得到的結論往往不能準確反映群落構建中各生態過程的相對重要性,需要根據具體的研究問題選擇多種方法綜合分析。此外,統計分析和模型推斷方法對于推斷生物相互作用的影響程度和作用機制能力較弱,需要結合生態網絡分析方法進行解析。

表1 模型推斷方法比較Table 1 Comparison of model extrapolation methods

3)網絡分析法

在復雜的生態系統中,物種之間具有普遍的聯系,將物種之間潛在的相互作用關系用網絡模型簡化形成生態網絡[69]。由于傳統微生物識別技術難以匯集生態系統水平上的所有物種數據,微生物生態網絡大多基于DNA或蛋白質分子標記技術獲取組學數據構建而成,被稱為分子生態網絡(MENs)[70-71]。構建生態網絡的方法眾多,常見的生態網絡基于差異度、相關性、多元回歸、概率圖模型等方法構建而成。網絡構建方法的選擇應綜合考慮物種多樣性、物種組成、數據類型(截面/時間序列數據)以及研究目的[72]。網絡分析有助于揭示環境選擇、生物相互作用的影響以及群落構建過程中的優先效應。但如果在所選擇的研究尺度上群落構建過程完全由隨機性因素主導,網絡就不再能提供有效信息[73-74]。因此,為避免建立不具有解釋性意義的網絡,需要預先從群落生態的角度判斷構建過程的隨機性或確定性[75]。

研究環境驅動因素的第一種方法是直接將環境因子作為附加節點,計算與微生物類群之間的關聯,探究對微生物群落組成的調控機制[75]。通過建立物種-環境因子網絡,ZENG等揭示了浮游細菌和沉積物細菌群落網絡結構改變受不同環境因子影響,浮游細菌群落中物種相互作用主要受總磷和葉綠素a影響,而沉積物細菌群落網絡連接主要由硝態氮、總磷和亞硝酸鹽氮決定[22,76]。第二種方法是通過逐個樣本聚類或根據關鍵變量(如水深或pH)將樣本分組,并分別為每個樣本組建立網絡,不同環境條件下微生物群落內呈現出不同的物種相互作用關系。如MO等使用不同鹽度水平下的真核微生物生物群落的擴增子測序數據構建網絡,發現真核微生物網絡模塊結構和特性對鹽度變化敏感,表明環境異質性可誘導微生物生態網絡模塊化[18]。

生態網絡綜合了群落中物種的相互作用關系,物種之間會表現出共同出現、彼此排斥或無相互作用等情形。這些情形除了代表潛在的相互作用關系或信息傳遞關系,也可能與生態過程有關。物種的共現可能是由于共同的環境選擇或擴散限制,物種的互斥可能是生態位分化或空間隔離造成的[77-78]?；诓町惗?相關性的方法建立的網絡可以揭示物種之間的成對關系,在網絡中由連接2個節點的邊表示。相關研究解析了湖泊浮游細菌的種間關系,網絡結構呈現出物種之間顯著負相關的共同特征,表明競爭在浮游細菌群落構建機制中的作用[63]?；诨貧w和關聯規則方法建立的網絡可以預測更為復雜的生物相互作用關系,如一個微生物類群受到多個其他類群的影響,推斷出的復雜關系在網絡中表示為定向連接2個以上節點的邊[79]。使用域內生態網絡可以分析域內物種之間的相互關系,而跨域生態網絡方法(IDEN)關注域間的相互關系而忽略域內物種之間的相互關系[80-81]。XUE等使用跨域生態網絡分析方法探究了藍藻水華的發生對不同微生物類群之間相互作用關系的影響,發現在水華消退后,水體中營養物的減少導致營養級之間關聯增強,使網絡復雜性顯著增加[82]。

網絡分析還有助于認識群落構建過程中隨機因素的歷史偶然性。以概率圖模型為構建原理,SAZAL等將貝葉斯網絡和共現網絡結合實現了僅從微生物豐度數據推斷定殖順序,這一研究檢測了物種加入群落的特定順序和時間,即群落構建過程中的優先效應[83-84]。其中,貝葉斯網絡用節點表示多維變量,邊表示節點之間的條件依賴關系,這種數學關系在特定情況下近似于因果關系[75]。構建的網絡包含有向和無向的邊,當變量高度相關時,邊顯示為無向或雙向。該方法可以根據邊的方向推斷微生物組中微生物類群之間的定向關系,并區分直接和間接的條件依賴關系,但該方法計算成本高,不適用于大樣本量數據[76]。

2.3 湖泊微生物群落構建機制影響因素

2.3.1 尺度效應

確定性過程、隨機性過程對微生物群落構建的相對重要性與研究尺度密切相關[85]?？臻g尺度上,在同質環境條件中,局域尺度群落構建過程主要是隨機的,服從中性模型所做的預測,而在最大尺度上擴散限制起主導作用。在異質環境條件中,在最小空間尺度上可能會發生環境對群落多樣性分布的選擇作用,在局域尺度上,物種遷入和遷出對群落動態產生更大的影響,生物相互作用會對物種進行選擇,隨空間尺度進一步增大,物種選擇主要由氣候因素驅動(如降水和溫度),擴散限制過程也將變得越來越重要[86]。相關研究為該理論提供了依據,如LIU等對南極、北極、青藏高原地區的湖泊微生物群落構建機制分析發現,在區域尺度上,微生物群落結構與當地氣候因素明顯相關,說明群落構建過程主要由確定性選擇過程驅動,而在跨區域尺度上擴散限制起到更重要的作用[87]。時間尺度上,不同時間尺度內微生物群落構建過程往往由不同的生態過程主導,可能是由于生態過程在長時間跨度內發生方向與強度的變化,或是由于時間本身可以作為群落構建的驅動因素(如隨機或確定性事件強度隨著時間積累而增加,使微生物群落受到更多隨機或確定性過程的影響[88])。

2.3.2 非生物因素

微生物群落構建與湖泊水動力條件有關,如孤立湖泊與連通湖泊具有不同的水文水動力條件,導致這2類湖泊在水質特征、生境格局、水生生物遷移擴散、物質循環過程等方面存在差異,微生物會采取不同的群落構建模式[68,89]。有關研究對比了孤立、連通湖泊浮游植物物種多樣性和功能多樣性模式,發現環境因素(如電導率、渾濁度等)與連通性湖泊浮游植物多樣性格局的形成相關性更強,表明確定性過程對連通性湖泊群落構建有影響[90]。孤立湖泊中稀有微生物類群對環境因子更為敏感,而在相互連通的湖泊中,稀有類群和豐富類群可能對擴散過程或環境變化做出相似的響應[68,91]。湖泊環境條件(如pH、溶解氧含量和營養狀態等)對微生物群落結構有直接作用[90]。環境條件變化的劇烈程度影響著確定性和隨機性過程的相對重要性。對其他生態系統的研究表明,在環境條件發生劇烈或突然變化時,確定性過程占主導地位,而在輕度和漸進變化中,隨機過程占主導地位[92]。

2.3.3 生物因素

由于不同的微生物類群對環境和空間變量具有不同的響應模式,不同相對豐度和出現頻率的物種群落構建過程可能存在差異[7]?；谖锓N相對豐度將微生物劃分為豐富、稀有類群,不同豐度的類群對確定性和隨機性過程的敏感程度不同。此外,由于微生物對環境波動的適應能力不同,生態位寬度的分布也會影響群落構建過程,對于西藏湖泊沉積物中泛化種與特化種的環境適應性研究表明,確定性過程主導泛化種群落構建,而特化種的群落演替更多由隨機性過程解釋[93]。

3 總結與展望

在基礎理論方面,用生態位理論和中性理論解釋群落構建過程,是采取從現象到理論機制的研究思路,是從群落格局出發推測群落的形成過程,2種理論在不斷更新和發展的過程中整合形成了多種假說。生態群落理論框架從群落的形成過程出發,認為選擇、漂變、成種和擴散4種高層級過程在群落構建中都發揮作用。未來的微生物群落構建機制研究需要進一步結合當代物種共存理論,將多時空尺度的生態過程納入統一的理論框架,揭示不同時空尺度下微生物群落特征和生態學模式。

在技術方法方面,目前對微生物群落的調查多依賴于高通量測序技術,該方法存在偏好度、精度等測量誤差,對隨機性和確定性的判斷與量化僅是一種統計結果,不能完全作為群落多樣性形成與維持過程的最終結論。普遍使用的零模型方法也面臨著多方面的挑戰,從機理解釋上看,零模型作為統計學的隨機模型,本身不具備生態學的機理,忽略了生物屬性及其相互作用,更無法區分混合的生態過程;從邏輯推理上看,零模型沒有設置對立的零假設,隨機作用只是物種分布符合零模型預測的一種可能,多種確定性作用也會使物種產生隨機的分布模式;從實際應用上看,零模型方法算法和相似性度量方法的選擇可能導致隨機性估計的結果出現較大差異,結果的可靠度往往取決于具體生態問題和群落。因此,解析群落的構建機制仍需要設計控制實驗進行驗證,或進行調查研究及因果分析。

在影響因素方面,對確定性過程的研究中,環境過濾、生物相互作用、物種分化等過程的相對貢獻率仍不清楚,未來研究應注重構建多種過程耦合關系模型,加強確定性過程的定量分析研究;對隨機性過程的研究中,雖然隨機過程本身難以解析,但影響隨機過程的因素值得關注,未來研究應集中探討在何時、何種條件下隨機過程對微生物更加重要。此外,還需要將湖泊微生物群落時空分布規律與湖泊生態系統服務結合,解析微生物組-環境-生態系統的關聯,最終服務于生態問題的評估、預防、調控和管理。根據環境因素和空間因素對微生物群落多樣性分布的影響,可以得到微生物群落的物種分布模型,在此基礎上應盡可能豐富湖泊微生物樣本數據集,涵蓋多種湖泊類型,開展時間序列上的研究,在全球背景下探究湖泊微生物群落的時空演變規律,將有助于保護湖泊微生物多樣性及其生態功能。