2025, Vol. 49
文章信息
- 陈宇欣, 王映夏, 陈天颖, 庄昀筠, 李爱峰, 陈洪举, 刘光兴. 2025.
- CHEN Yuxin, WANG Yingxia, CHEN Tianying, ZHUANG Yunyun, LI Aifeng, CHEN Hongju, LIU Guangxing. 2025.
- 珠江口藻毒素检出水域小型真核浮游生物及其共附生细菌群落特征分析
- Characterization of the microeukaryotic plankton community and associated bacteria in the phycotoxin-contaminated waters of the Pearl River Estuary
- 海洋科学, 49(10): 52-63
- Marine Sciences, 49(10): 52-63.
- http://dx.doi.org/10.11759/hykx20250430003
-
文章历史
- 收稿日期：2025-04-30
- 修回日期：2025-05-19
2. 中国海洋大学海洋环境与生态教育部重点实验室, 山东 青岛 266100;
3. 青岛海洋科技中心 海洋生态与环境科学功能实验室, 山东 青岛 266237
2. Key Laboratory of Marine Environment and Ecology, Ministry of Education, Ocean University of China, Qingdao 266100, China;
3. Laboratory for Marine Ecology and Environmental Science, Qindao Marine Science and Techonology Center, Qindao 266237, China
近年来, 受人类活动和气候变化的影响, 有害藻华(harmful algal blooms, HABs)的分布区域、发生频率和暴发规模呈现上升趋势[1-2]。有害藻华通过引发水体缺氧、释放藻毒素等有害代谢产物对海洋生态安全、人类健康和社会经济发展构成威胁[1, 3]。目前已知的近300种海洋藻毒素及其衍生物中[4], 约90%为脂溶性毒素[5], 包括大田软海绵酸毒素(okadaic acid, OAs)、氮杂螺环酸毒素(azaspiracids, AZAs)、环亚胺毒素(cyclic imines, CIs)、扇贝毒素(pectenotoxins, PTXs)、虾夷扇贝毒素(yessotoxin, YTXs)、和短裸甲藻毒素(brevetoxins, BTXs)等6类。在我国近岸海域, 多种脂溶性藻毒素, 包括OAs及其衍生物、PTXs和YTXs已在海水及浮游植物样本中被广泛检出[6-7]。珠江口是我国有害藻华高发区, 近40年累计记录藻华事件337起, 硅藻和甲藻为主要原因种[8]。LIU等[9]针对我国南海藻毒素的空间分布及其来源研究显示, 珠江口水域PTX2与类虾夷扇贝毒素(homo-YTX, hYTX)的检出率最高, 分别为93.5%和67.7%, 这也是这2种藻毒素在我国南海广泛分布的首次报道。
小型真核浮游生物是海洋食物网的核心组分, 也是评估水生生态系统健康的重要指示生物。通过与共附生细菌的紧密互作和功能耦合, 二者协同驱动海洋物质循环[10-12]。在珠江口水域, 浮游生物群落受盐度梯度、营养盐动态等环境因子调控, 其群落组成和季节性变化等已有较为系统的认识[13-16]。但在PTX2与hYTX高检出率水域, 浮游生物作为有毒有害藻的原位暴露类群, 其与共附生细菌群落多样性、构建机制与跨域互作尚不明晰。
本研究针对珠江口存在有毒有害藻且检出藻毒素水域, 采用DNA条形码技术联合分析小型真核浮游生物(> 20 μm)及其共附生细菌群落组成、结构、多样性、构建机制及影响因素, 并初步研究了非丰富类群在微生物共现网络中的贡献, 为阐明河口生态系统浮游生物多样性格局的形成机制提供理论依据。
1 材料与方法 1.1 样品采集与处理本研究于2019年6月11日—14日在珠江口水域(21.32°N~22.08 °N, 112.48°E~114.49 °E)开展, 共布设9个调查站位(图 1)。所有采样站位均检出藻毒素hYTX和PTX2[9]。采用浅水Ⅲ型浮游生物网(网口内径37 cm, 筛绢孔径20 μm)过滤500 L表层海水, 各样品浓缩至1.5~3.6 L不等, 每个样品取0.3 L浓缩水样抽滤至GF/D滤膜(Whatman GF/D), 滤膜立即低温保存(–20 ℃)用于藻毒素检测[9]及DNA提取。每个站点的温度、盐度、叶绿素a(Chl a)等环境参数使用6600主导型多参数水质监测仪(YSI-6600), 溶解氧(DO)使用溶解氧传感器(SBE 43)现场测定。
 |
| 图 1 珠江口调查海域和采样站位(审图号: 粤S(2023)139号) Fig. 1 Sampling sites in the Pearl River Estuary |
滤膜经灭菌剪刀剪碎后, 浸入1.0 mL DNA缓冲液中(100 mmol/L EDTA、1% SDS和100 µg/mL蛋白酶K), 56 ℃温育24 h后, 使用十六烷基三甲基溴化铵(CTAB)法提取DNA, 并利用DNA纯化试剂盒(Zymo Research)纯化, 最终将DNA洗脱于30 µL Tris-HCl (pH 8.0)中。DNA质量和浓度通过NanoDrop 2000分光光度计(Thermo Fisher Scientific)测定。
18S rDNA V4区扩增采用引物18SNCF3(5′-CGCG HAAATTRCCCAATCY-3′)和18SV4R2(5′-CAAYAAAT CYRAGAATTTCACCTCT-3′)[17], 扩增条件为: 95 ℃预变性1 min; 95 ℃变性10 s, 52 ℃退火30 s, 72 ℃延伸30 s, 30个循环; 72 ℃终延伸10 min。16S rDNA V4区扩增采用引物515F(5′-GTGYCAGCMGCCGCGGTAA- 3′)和806R(5′-GGACTACNVGGGTWTCTAAT-3′)[18], 扩增条件为: 95 ℃预变性5 min; 95 ℃变性30 s, 56 ℃退火30 s, 72 ℃延伸40 s, 25个循环; 72 ℃终延伸10 min。PCR反应总体积25 µL, 使用TransStart Taq聚合酶(TransGen Biotech), 模板DNA用量为20~300 ng。所有扩增产物经纯化后, 使用Illumina MiSeq PE300平台(金唯智)进行双端测序。DNA宏条形码原始数据已提交至中国国家基因库数据库(https://db.cngb.org/), 登录号CNP0003460。
1.3 DNA宏条形码序列分析高通量测序原始数据通过Cutadapt(v1.9.1)、Vsearch(v1.9.6)和Qiime(v1.9.1)[19-21]等去除测序接头引物、低质量碱基和读长过短的序列(< 200 bp)后, 使用FLASH(v1.2.11)进行双端序列拼接。利用USEARCH(v8.1)对拼接序列按97%相似度进行聚类, 获得可操作分类单元(Operational Taxonomic Units, OTUs)[22], 通过剔除只有一条代表序列的OTU (singleton OTU)后, 保留有效OTU用于后续分析。基于PR2数据库[23], 采用sintax算法[24]对18S rDNA的OTU序列进行分类(置信度阈值0.8)。基于Greengene数据库[25], 采用RDP分类器进行分析[26]对16S rDNA的OTU序列进行分析。
1.4 统计分析将相对丰度在所有样本中均大于等于0.1%的OTU定义为丰富OTU(abundant), 均小于等于0.01%的OTU定义为稀有OTU(rare), 介于这两个阈值之间的OTU则为居间OTU(moderate)。α多样性指数, 包括丰富度(richness)、均匀度指数(evenness)和香农-威纳指数(shannon)使用。R(v4.2.2)“vegan”包计算[27], 并采用Wilcoxon秩和检验评估组间α多样性差异的显著性。使用PRIMER(v6.1.10)[28]进行非度量多维尺度(nonmetric multidimensional scaling, NMDS)排序、相似性差异分析(ANOSIM)及相似性百分比分析(SIMPER)。
基于R“vegan”包, 采用曼特尔(Mantel)与偏曼特尔(Partial Mantel)检验解析生物与非生物因子对微生物群落的影响, 检验设置9 999次置换计算零分布, 每个检验通过9 999次蒙特卡洛随机化评估显著性。其中, 跨域生物因素包括生物群落主坐标轴(PCoA 1、PCoA 2)、叶绿素a浓度和有毒有害藻的丰度; 非生物因素包括温度、盐度、DO质量浓度、PTX2质量浓度、hYTX质量浓度。
基于系统发育零模型[29]量化确定性过程和随机性过程对浮游生物群落组装的相对贡献。βNTI值< –2或 > 2分别表示同质选择和异质选择; 当| βNTI | ≤ 2且RC值< –0.95时, 表示均质扩散; 当| βNTI | ≤ 2且RC值> 0.95时, 表示扩散限制; 当| βNTI | ≤ 2且| RC | ≤ 0.95时, 表示生态漂移。
基于OTU相对丰度构建微生物共现网络[30]。使用R“Hmisc”包计算OTUs相对丰度间Spearman相关性, 保留在≥3个样本存在且总丰度≥0.01%的OTUs, 以及显著相关的(| rho | > 0.8, P < 0.05)的成对关联, 进行下游网络分析并使用Gephi(v0.9.2)进行网络可视化。使用‘igraph’ R包生成与真实网络节点数及边数相同的随机网络, 计算并比较真实网络与随机网络的拓扑特征(包括模块度、聚类系数、网络直径及平均路径长度)。
2 结果与分析 2.1 研究水域的环境参数研究水域表层海水平均温度为29.66±0.76 ℃, 平均盐度29.02±1.80; 溶解氧平均质量浓度为3.84±0.26 mg/L; 叶绿素a质量浓度范围为0.64~6.59 μg/L, 其中最高值出现在S31站(表 1)。所有9个采样站位均检出有毒有害藻和藻毒素, 但其分布具有显著空间异质性: 有毒有害藻丰度范围为1.92×106~1.94× 108个/L[31], 其中最高值出现在S31站, 最低值出现在S21站。PTX2在9个站位均检出, 质量浓度范围为17~1 342 pg/L, 最高值和最低值分别出现在S03站和S21站。hYTX在除S31站外的8个站位中均有检出, 质量浓度范围为0~777 pg/L, 最大值出现在S03。
| 站位 | 温度/℃ | 盐度 | Chl a质量浓度/ (μg·L–1) | 溶解氧质量浓度/(mg·L–1) | 有毒有害藻丰度[31] /(×106个·L–1) |
hYTX质量浓度/ (pg·L–1)[9] | PTX2质量浓度/(pg·L–1)[9] |
| S03 | 29.9 | 29.72 | 4.41 | 4.25 | 20.2 | 293 | 1 342 |
| S09 | 30.6 | 28.84 | 0.64 | 3.89 | 2.60 | 157 | 348 |
| S10 | 30.5 | 29.54 | 1.23 | 3.69 | 2.34 | 195 | 186 |
| S18 | 29.4 | 24.63 | 3.35 | 4.17 | 87.6 | 196 | 661 |
| S21 | 30.0 | 30.81 | 2.3 | 3.53 | 1.92 | 777 | 17 |
| S22 | 29.8 | 30.32 | 2.6 | 3.8 | 2.25 | 523 | 123 |
| S23 | 29.9 | 30.76 | 2.45 | 3.54 | 2.56 | 477 | 50 |
| S28 | 28.9 | 28.60 | 2.22 | 4.1 | 81.8 | 46 | 949 |
| S31 | 28.0 | 28.00 | 6.59 | 3.59 | 194 | 0 | 216 |
扩增子测序共获得715 167条高质量18S rDNA宏条形码和437 195条高质量16S rDNA宏条形码, 如表 2所示, 分别聚类生成720个和487个OTUs。依据OTUs的相对丰度对OTUs进行分类, 真核浮游生物及其共附生细菌群落中分别有12.36%和11.91%的OTUs被归类为丰富OTUs, 分别占序列总数的90.78%和96.22%; 54.17%和67.97%的OTUs被归类为稀有OTUs, 仅占序列总数的1.52%和0.84%(表 2)。
| 18S rDNA | 16S rDNA | ||||||||
| 总群落 | 丰富亚群落 | 居间亚群落 | 稀有亚群落 | 总群落 | 丰富亚群落 | 居间亚群落 | 稀有亚群落 | ||
| 序列数量 | 715 167 | 649 232 | 55 041 | 10 894 | 437 195 | 420 649 | 12 862 | 3 684 | |
| 序列占比 | 100% | 90.78% | 7.70% | 1.52% | 100% | 96.22% | 2.94% | 0.84% | |
| OTUs数量 | 720 | 89 | 241 | 390 | 487 | 58 | 98 | 331 | |
| OTUs占比 | 100% | 12.36% | 33.47% | 54.17% | 100% | 11.91% | 20.12% | 67.97% | |
NMDS分析表明, 真核浮游生物及其共附生细菌群落聚类为2个群落, 分别为高丰度组(H组)——有毒有害藻丰度 > 5×107个/L, 包括S18、S28和S31站; 低丰度组(L组)——有毒有害藻丰度 < 5×107个/L, 包括S03、S09、S10、S21、S22和S23站。ANOSIM分析显示, 群落结构在H组和L组之间存在显著差异(P < 0.05), 其中小型真核浮游生物两组间的差异(R=0.809, P=0.012)较共附生细菌群落(R=0.383, P= 0.048)更为显著(图 2)。
 |
| 图 2 小型真核浮游生物及其共附生细菌群落NMDS分析 Fig. 2 Nonmetric multidimensional scaling analysis of the microeukaryotic plankton and associated bacterial communities |
尽管H组α多样性指数(丰富度指数、均匀度指数和香农-威纳指数)的中位数均高于L组, 但组间无显著差异(P > 0.05, 图 3)。空间分布上, 小型真核浮游生物群落丰富度指数最高值和最低值分别出现在S10站(304个OTUs)和S09站(225个OTUs); 均匀度和香农-威纳指数最高值和最低值则分别出现在S28站(0.66, 3.69)和S10站(0.40, 2.29)。共附生细菌群落α多样性呈现不同格局, 3项指数的最高值均见于S31站(418个OTUs, 0.61, 3.68); 丰富度指数最低值见于S22站(119个OTUs), 而均匀度指数和香农-威纳指数最低值见于S03站位(0.24, 1.28)。此外, α多样性在不同相对丰度的亚群落间存在显著差异: 小型真核浮游生物群落中, 稀有亚群落的均匀度与香农-威纳指数均显著高于丰富亚群落(P < 0.05), 而二者丰富度无显著差异(P > 0.05); 共附生细菌群落中, 稀有亚群落的3类α多样性指数均显著高于丰富亚群落。
 |
| 图 3 小型真核浮游生物及其共附生细菌群落α多样性指数 Fig. 3 α-Diversity of the microeukaryotic plankton and associated bacterial communities |
真核浮游生物及其共附生细菌群落在L组和H组中的优势类群组成基本一致, 但不同类群的相对丰度存在显著差异(图 4)。小型真核浮游生物群落以硅藻(Bacillariophyta)、甲藻(Dinophyceae)、伪真菌(Pseudofungi)和子囊菌(Ascomycota)为主, 占真核生物序列总数的76.79%。其中, 硅藻在H组的相对丰度显著高于L组(P < 0.05), 而伪真菌在L组的相对丰度显著高于H组(P < 0.05)。共附生细菌群落则主要由γ-变形菌纲(Gammaproteobacteria)、α-变形菌纲(Alphaproteobacteria)和浮霉菌纲(Planctomycetia)组成, 占细菌序列总数的82.27%以上。组间比较显示, 浮霉菌纲在H组的相对丰度显著高于L组(P < 0.05), 而γ-变形菌在L组的相对丰度显著高于H组(P < 0.05)。SIMPER分析进一步表明, 在小型真核浮游生物群落中, 31.39%的OTUs贡献了90.03%的组间差异, 这些OTUs主要归属于硅藻、甲藻和子囊菌。共附生细菌群落中, 16.63%的OTUs贡献了90.16%的组间差异, 这些OTUs主要归属于γ-变形菌和α-变形菌。
 |
| 图 4 小型真核浮游生物及其共附生细菌群落组成 Fig. 4 Composition of the microeukaryotic plankton and associated baterial communities |
在L组和H组之间, 有346个18S rDNA OTUs和319个16S rDNA OTUs是两组共有的, 这些共有OTUs序列占比超过96%。几乎所有的丰富OTUs在L组和H组中均有发现, 然而, 大多数仅在L组或H组中特有的OTUs来自稀有亚群落(图 5)。
 |
| 图 5 L组、H组共有和特有OUT数量 Fig. 5 Number of shared and specific OTU in the L and H groups |
系统发育零模型结果表明, 随机过程在群落构建中起主导作用, 对整体群落及各亚群落的贡献均 > 80.55%, 其中扩散限制对整体群落构建的贡献比例高于63%, 生态漂移次之(图 6)。确定性过程对共附生细菌群落构建的贡献率高于其对真核浮游生物群落的贡献。在亚群落水平上, 生态漂移对稀有亚群落的贡献率高于丰富亚群落, 而异质选择过程则呈现相反趋势。
 |
| 图 6 不同生态过程对小型真核浮游生物及其共附生细菌群落构建的相对贡献 Fig. 6 Relative contributions of different ecological processes to the construction of the microeukaryotic plankton and associated bacteria communities |
曼特尔检验与偏曼特尔检验分析显示, 小型真核浮游生物及其共附生细菌群落结构受到生物因素, 尤其是跨域生物间作用, 与非生物环境因素的共同影响(图 7)。其中, 真核浮游生物群落结构主要受到温度、盐度、hYTX浓度的影响, 共附生细菌群落结构主要受到温度、Chl a浓度和DO的影响。
 |
| 图 7 小型真核浮游生物及其共附生细菌群落结构与生物因素、环境因素相关性 Fig. 7 Correlation between the community structure of the microeukaryotic plankton, associated bacteria, and prevalent biotic and abiotic environmental factors |
图 8为小型真核浮游生物及其共附生细菌群落共现网络, 共有798个节点, 包括真核生物节点340个和细菌节点458个。共现网络由7 738条边构成, 正相关边占74.40%, 负相关边占25.60%。其中, 跨域互作边(真核生物-细菌)2 709条(35.00%), 真核生物-真核生物互作边1 391条(17.98%), 细菌-细菌互作边3 638条(47.02%)(表 3)。其中, 跨域互作边中负相关边比例(46.78%)高于后两类(35.30%, 6.16%), 同时我们观察到真实网络的平均聚类系数和平均路径长度均高于对应的随机网络, 表明该网络具有“小世界”特性(表 3)。共现网络中非丰富类群(稀有与居间OTUs)占据主导地位(图 8a), 贡献了网络中77.32%的节点与76.78%的关键OTUs(枢纽节点)。硅藻、甲藻、寄生甲藻和变形菌之间存在广泛共现关系(图 8b), 4类群间互作边数2 281条, 占网络总边数的29.5%。共获得56个关键OTUs, 其中变形菌贡献了23个OTUs, 浮霉菌11个, 硅藻4个, 甲藻2个。关键OTUs相连的边中, 34.8%为真核生物-细菌间的跨域互作边。在这些关键OTUs中, 76.78%为非丰富OTUs, 其中居间OTUs 27个, 稀有OTUs 16个(图 9)。
 |
| 图 8 小型真核浮游生物及其共附生细菌群落共现网络 Fig. 8 Co-occurrence network of the microeukaryotic plankton and associated bacterial communities |
| 真实网络 | 随机网络 | |
| 节点数 | 798 | 798 |
| 小型真核浮游生物节点数 | 340 | |
| 共附生细菌节点数 | 458 | |
| 边数 | 7 738 | 7 661 |
| 正相关边数百分比 | 74.40% | |
| 负相关边数百分比 | 25.60% | |
| 小型真核浮游生物-共附生细菌互作边数 | 2 709 (35.00%) | |
| 小型真核浮游生物-小型真核浮游生物互作边数 | 1 391(17.98%) | |
| 共附生细菌-共附生细菌互作边数 | 3 638(47.02%) | |
| 聚类系数 | 0.49 | 0.0359 |
| 平均路径长度 | 3.519 | 2.389 |
| 平均度 | 23.484 | 23.25 |
| 网络直径 | 7.445 | 3 |
| 介数中心性 | 0.017 | 0.003 |
| 度中心性 | 0.118 | 0.022 |
| 模块性 | 0.421 | 0.17 |
 |
| 图 9 共现网络关键物种组成及OTU数量 Fig. 9 Keystone species composition and OTU number in co-occurrence network |
近年来, DNA宏条形码技术被广泛应用于有害藻华对浮游生物群落影响机制的研究中。揭示了多种蓝藻、硅藻及甲藻暴发对原生生物、自由生细菌和颗粒附着细菌群落的调控作用, 其作用强度与藻类物种、生理状态及藻华阶段密切相关[32-36]。本研究针对珠江口有毒有害藻及藻毒素检出水域, 采用DNA条形码技术联合解析浮游生物及其共附生细菌群落的响应。尽管调查期间无藻华暴发, 但当有毒有害藻丰度 > 5×107个/L(H组)时, 小型真核浮游生物及其共附生细菌群落结构发生显著改变, 表明非藻华期间有毒有害藻丰度仍对浮游群落结构有影响。尽管在调查水域普遍检出藻毒素PTX和hYTX, 但其浓度梯度对浮游生物群落划分作用相对较弱, 暗示非毒素代谢产物, 如胞外多糖、活性氧和脂肪酸等可能在种间互作中起主导作用[37]。因此, 即使在非藻华暴发期, 有毒有害藻也可能通过次生代谢产物改变微环境化学特征, 继而驱动浮游群落结构变化。
本研究共附生细菌在H组与L组间的群落结构差异小于小型真核浮游生物群落, 表明细菌对有毒有害藻丰度变化的敏感性相对较低。这一结果与Pearman等[32]基于中尺度生态模拟实验的研究结论一致: 原生生物群落受浮游植物组成变化的驱动, 而原核生物群落则未呈现与此因素的显著关联。进一步研究结果表明, 珠江口小型真核浮游生物群落由多优势类群驱动(硅藻、甲藻和伪真菌), 而共附生细菌群落则呈现变形菌主导格局(78.80%), 且与硅藻、甲藻存在广泛共存关系; 尤其是γ-变形菌(66.42%), 相对丰度远高于珠江口历史研究中其在自由生细菌中的比例(38.30%)[15, 38]。在美国缅因湾和盐湖暴发的甲藻藻华中, 均发现γ-变形菌是丰度最高的细菌类群[39]。这一现象可能与γ-变形菌的生存策略有关: γ-变形菌中的许多类群, 如弧菌(Vibrio), 被认为是r-选择种(机会种), 可特异性地利用多种溶解性有机物并快速增殖[40]。藻华期间, 浮游植物可释放多种有机物, 如糖醇及氨基酸等可作为趋化物吸引细菌[41], Teeling等[42]在北海硅藻藻华期间发现, γ-变形菌多种有机物转运蛋白基因表达上调, 表明其能特异性地利用藻源有机物。因此, 这种生存策略及代谢优势使其成为维持藻际细菌群落稳定性的“缓冲器”[34]。这从一定程度上解释了共附生细菌群落结构对有毒有害藻丰度响应相对较弱。
本研究发现随机过程, 尤其是扩散限制主导小型真核浮游生物群落构建, 该模式与水库、潮间带及上升流区等水生生态系统中微小型真核浮游生物的研究结论一致[33, 43-44]。共附生细菌群落同样呈现随机过程主导的特征, 与南海北部颗粒附着细菌的研究结果相符, 其随机过程的贡献度高于自由生细菌[45]。上述发现与“扩散限制效应随生物个体增大而增强”的理论相契合[46], 共附生细菌通过与宿主或颗粒的结合, 其群落构建同时受宿主粒径特征及生理状态的影响。真核与原核生物间的生理差异, 尤其是个体大小, 可显著影响二者群落更替速率、生态位宽度及环境敏感性[47]。这也解释了尽管二者群落构建均以随机过程为主, 但细菌群落仍表现出相对较高的确定性过程调控特征。
曼特尔检验与共现网络分析联合表明, 跨域生物互作在珠江口浮游生物群落塑造中具有重要作用。共现网络中35%的边联结真核生物与细菌, 共附生细菌与宿主间通过捕食、代谢交换及资源竞争等多元机制, 协同调控群落动态[48-53]。进一步分析显示, 稀有与居间类群贡献了超过2/3的网络节点与关键OTUs, 表明其维持群落稳定性的核心地位。稀有与居间亚群落的物种丰富度显著高于丰富类群, H组和L组中多数特有的OTUs来源于稀有类群, 而丰富类群在两组间呈现高度重叠, 表明稀有类群对有毒有害藻丰度变化具有更高敏感性。这一分布模式与淡水、近海以及极端生境中稀有类群表现出的高多样性和生境特异性一致[33, 54], 其通过功能冗余和代谢互补, 显著增强群落的抗扰动能力和恢复力[55]。值得注意的是, 居间类群在网络节点中的贡献度最高(27.78%的节点)。尽管以往研究对居间群落关注较少, 但有研究表明居间类群在环境波动时通过快速响应驱动群落演替[56-57], 其动态特征对解析河口浮游生物群落动态具有关键价值。
4 结论本研究针对珠江口有毒有害藻及藻毒素检出水域, 采用DNA宏条形码技术联合解析浮游生物及其共附生细菌群落的响应。研究发现, 小型真核浮游生物及其共附生细菌均可划分为有毒有害藻高丰度区群落和低丰度区群落2类, 但两组间α多样性无显著差异, 群落构建均以随机过程为主导。跨域生物相互作用对群落塑造有重要影响, 共现网络中稀有与居间类群贡献度最高。本研究揭示了有毒有害藻对小型真核浮游生物及其共附生细菌群落结构的影响, 为阐明河口生态系统浮游生物多样性格局的形成机制提供理论依据。
| [1] |
于仁成, 吕颂辉, 齐雨藻, 等. 中国近海有害藻华研究现状与展望[J]. 海洋与湖沼, 2020, 51(4): 768-788. YU Rencheng, LU Songhui, QI Yuzao, et al. Progress and perspectives of harmful algal bloom studies in China[J]. Oceanologica et Liminogia Sinica, 2020, 51(4): 768-788. |
| [2] |
GRIFFITH A W, GOBLER C J. Harmful algal blooms: A climate change co-stressor in marine and freshwater ecosystems[J]. Harmful Algae, 2020, 91: 101590. DOI:10.1016/j.hal.2019.03.008 |
| [3] |
林森杰, 姬南京, 罗昊. 海洋有害藻华研究进展[J]. 海洋与湖沼, 2019, 50(3): 495-510. LIN Senjie, JI Nanjing, LUO Hao. Recent progress in marine harmful algal bloom research[J]. Oceanologica et Liminogia Sinica, 2019, 50(3): 495-510. |
| [4] |
GERSSEN A, POL-HOFSTAD I E, POELMAN M, et al. Marine toxins: Chemistry, toxicity, occurrence and detection, with special reference to the Dutch situation[J]. Toxins, 2010, 2(4): 878-904. DOI:10.3390/toxins2040878 |
| [5] |
WANG Y L, CHEN J H, LI Z Y, et al. Determination of typical lipophilic marine toxins in marine sediments from three coastal bays of China using liquid chromatography-tandem mass spectrometry after accelerated solvent extraction[J]. Marine Pollution Bulletin, 2015, 101(2): 954-960. DOI:10.1016/j.marpolbul.2015.10.038 |
| [6] |
CHEN J H, HAN T Z, LI X T, et al. Occurrence and distribution of marine natural organic pollutants: Lipophilic marine algal toxins in the Yellow Sea and the Bohai Sea, China[J]. Science of The Total Environment, 2018, 612(15): 931-939. |
| [7] |
孙洪潇, 唐文娇, 刘超, 等. 秦皇岛近岸海域脂溶性藻毒素污染状况与来源分析[J]. 海洋科学, 2023, 47(3): 41-48. SUN Hongxiao, TANG Wenjiao, LIU Chao, et al. Contamination status and origins of lipophilic marine toxins in Qinhuangdao coastal waters[J]. Marine Sciences, 2023, 47(3): 41-48. DOI:10.11759/hykx20220222002 |
| [8] |
姚艳欣, 陈楠生. 珠江口及其邻近海域赤潮物种的生物多样性研究进展[J]. 海洋科学, 2021, 45(9): 75-90. YAO Yanxin, CHEN Nansheng. Research progress on biodiversity of red tide species in the Pearl River Estuary and its adjacent waters[J]. Marine Sciences, 2021, 45(9): 75-90. DOI:10.11759/hykx20201116002 |
| [9] |
LIU C, JI Y, ZHANG L, et al. Spatial distribution and source of biotoxins in phytoplankton from the South China Sea, China[J]. Journal of Hazardous Materials, 2021, 418: 126285. DOI:10.1016/j.jhazmat.2021.126285 |
| [10] |
WANG F Q, BARTOSIK D, SIDHU C, et al. Particle- attached bacteria act as gatekeepers in the decomposition of complex phytoplankton polysaccharides[J]. Microbiome, 2024, 12: 32. |
| [11] |
XUE Y Y, LIU M, CHEN H H, et al. Microbial hierarchical correlations and their contributions to carbon-nitrogen cycling following a reservoir cyanobacterial bloom[J]. Ecological Indicators, 2022, 143: 109401. DOI:10.1016/j.ecolind.2022.109401 |
| [12] |
赵苑, 赵丽, 董逸, 等. 海洋浮游微食物网生物在海洋颗粒形成和沉降中的作用[J]. 海洋科学集刊, 2017(52): 22-34. ZHAO Yuan, ZHAO Li, DONG Yi, et al. The function of marine pelagic microbial food web organisms in marine particle formation and sedimentation[J]. Studia Marina Sinica, 2017(52): 22-34. |
| [13] |
粟丽, 徐姗楠, 李纯厚, 等. 丰水期珠江口浮游植物群落结构特征及其环境影响因子分析[J]. 南方水产科学, 2025, 21(1): 46-54. SU Li, XU Shannan, LI Chunhou, et al. Phytoplankton community composition and its environmental impact factors in Pearl River Estuary during wet season[J]. South China Fisheries Science, 2025, 21(1): 46-54. |
| [14] |
李欣然. 厦门湾及珠江口微型真核浮游生物分子多样性研究[D]. 厦门: 厦门大学, 2020. LI Xinran. Study on the molecular biodiversity of microbial eukaryotic plankton in Xiamen Bay and the Pearl River Estuary[D]. Xiamen: Xiamen University, 2020. |
| [15] |
梅思钰, 余珂, 陈保卫. 盐度影响珠江口浮游细菌形成特殊生态位[J]. 北京大学学报(自然科学版), 2021, 57(5): 903-915. MEI Siyu, YU Ke, CHEN Baowei. Salinity influencing the formation of special niches of bacterioplankton in the Pearl River Estuary, China[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2021, 57(5): 903-915. |
| [16] |
张良奎, 林雅君, 向晨晖, 等. 粤港澳大湾区近海浮游植物群落结构特征及其驱动因素[J]. 生态科学, 2024, 43(4): 1-10. ZHANG Liangkui, LIN Yajun, XIANG Chenhui, et al. Phytoplankton community structure and its driving factors in the GuangdongHong Kong-Macao Greater Bay Area[J]. Ecological Science, 2024, 43(4): 1-10. |
| [17] |
ZANG Y, ZHUANG Y Y, ZHU J Y, et al. Metabarcoding unveils the diversity and dynamics of in situ diet and symbionts associated with copepods in Chinese coastal waters[J]. Diversity and Distributions, 2025, 31(6): e70031. DOI:10.1111/ddi.70031 |
| [18] |
CAPORASO J G, LAUBER C L, WALTERS W A, et al. Global patterns of 16S rRNA diversity at a depth of millions of sequences per sample[J]. Proceedings of the National Academy of Sciences of the United States of America, 2011, 108: 4516-4522. |
| [19] |
MARTIN M. Cutadapt removes adapter sequences from high-throughput sequencing reads[J]. EMBnet Journal, 2011, 17: 10-12. |
| [20] |
ROGNES T, FLOURI T, NICHOLS B, et al. VSEARCH: a versatile open source tool for metagenomics[J]. PeerJ, 2016, 4: e2584. DOI:10.7717/peerj.2584 |
| [21] |
BOLYEN E, RIDEOUT J R, DILLON M R, et al. Author correction: Reproducible, interactive, scalable and extensible microbiome data science using QIIME 2[J]. Nature Biotechnology, 2019, 37: 1091. |
| [22] |
EDGAR R. UPARSE: highly accurate OTU sequences from microbial amplicon reads[J]. Nature Methods, 2013, 10: 996-998. DOI:10.1038/nmeth.2604 |
| [23] |
GUILLOU L, BACHAR D, AUDIC S, et al. Protist ribosomal reference database (PR2): A catalog of unicellular eukaryote small sub-unit rRNA sequences with curated taxonomy[J]. Nucleic Acids Research, 2012, 41: 597-604. DOI:10.1093/nar/gks1160 |
| [24] |
EDGAR R C. SINTAX: A simple non-Bayesian taxonomy classifier for 16S and ITS sequences[J]. bioRxiv, the Preprint Server for Biology, 2016: 17631279. DOI: https://doi.org/10.1101/074161.
|
| [25] |
DESANTIS T Z, HUGENHOLTZ P, LARSEN N, et al. Greengenes, a chimera-checked 16S rRNA gene database and workbench compatible with ARB[J]. Applied and Environmental Microbiology, 2006, 72(7): 5069-5072. DOI:10.1128/AEM.03006-05 |
| [26] |
WANG Q, GARRITY G M, TIEDJE J M, et al. Naive Bayesian classifier for rapid assignment of rRNA sequences into the new bacterial taxonomy[J]. Applied and Enviro nmental Microbiology, 2007, 73(16): 5261-5267. |
| [27] |
OKSANEN J, BLANCHET F G, KINDT R, et al. Vegan: Community Ecology Package (R package), Version 2.6-4[CP/OL]. (2024-03-23). https://CRAN.R-project.org/package=vegan.
|
| [28] |
CLARKE K R, GORLEY R N. PRIMER v6: User Manual/Tutorial[M]. Plymouth: PRIMER-E, 2009.
|
| [29] |
STEGEN J C, LIN X, FREDRICKSON J K, et al. Quantifying community assembly processes and identifying features that impose them[J]. The ISME Journal, 2013, 7(11): 2069-2079. DOI:10.1038/ismej.2013.93 |
| [30] |
BASTIAN M, HEYMANN S, JACOMY M. Gephi: an open source software for exploring and manipulating networks[C]//Proceedings of the International AAAI Conference on Web and Social Media, 2009, 3(1): 361-362.
|
| [31] |
张敏, 孔凡洲, 杨锐, 等. 2019—2021年中国近海有毒有害微藻和藻毒素分布数据集[J]. 中国科学数据(中英文网络版), 2024, 9(1): 222-234. ZHANG Min, KONG Fanzhou, YANG Rui, et al. A dataset of distribution of toxic and harmful microalgae and algal toxins in China's coastal waters during 2019— 2021[J]. China Scientific Data, 2024, 9(1): 222-234. |
| [32] |
PEARMAN J K, CASAS L, MERLE T, et al. Bacterial and protist community changes during a phytoplankton bloom[J]. Limnology and Oceanography, 2015, 61(1): 198-213. |
| [33] |
XUE Y Y, CHEN H H, YANG J R, et al. Distinct patterns and processes of abundant and rare eukaryotic plankton communities following a reservoir cyanobacterial bloom[J]. The ISME Journal, 2018, 12(9): 2263-2277. DOI:10.1038/s41396-018-0159-0 |
| [34] |
ZHOU J, RICHLEN M L, SEHEIN T R, et al. Microbial community structure and associations during a marine dinoflagellate bloom[J]. Frontiers in Microbiology, 2018, 9: 01201. DOI:10.3389/fmicb.2018.01201 |
| [35] |
HATTENRATH-LEHMANN T K, GOBLER C J. Identification of unique microbiomes associated with harmful algal blooms caused by Alexandrium fundyense and Dinophysis acuminata[J]. Harmful Algae, 2017, 68: 17-30. DOI:10.1016/j.hal.2017.07.003 |
| [36] |
YUAN H, LI L, WANG Y, et al. Succession of diversity, assembly mechanisms, and activities of the microeukaryotic community throughout Scrippsiella acuminata (Dinophyceae) bloom phases[J]. Harmful algae, 2024, 134: 102626. |
| [37] |
DIAZ J M, PLUMMER S. Production of extracellular reactive oxygen species by phytoplankton: past and future directions[J]. Journal of Plankton Research, 2018, 40(6): 655-666. |
| [38] |
ZHANG Y, ZHAO Z H, DAI M H, et al. Drivers shaping the diversity and biogeography of total and active bacterial communities in the South China Sea[J]. Molecular Ecology, 2014, 23(9): 2260-2274. |
| [39] |
HASEGAWA Y, MARTIN J L, GIEWAT M W, et al. Microbial community diversity in the phycosphere of natural populations of the toxic alga, Alexandrium catenella[J]. Environmental Microbiology, 2007, 9(12): 3108-3121. |
| [40] |
WEINBAUER M G, CHRISTEN R, HÖFLE M G. The response of Vibrio- and Rhodobacter-related populations of the NW Mediterranean Sea to additions of dissolved organic matter, phages, or dilution[J]. Microbial Ecology, 2006, 51(3): 336-344. |
| [41] |
BUCHAN A, LECLEIR G R, GULVIK C A, et al. Master recyclers: features and functions of bacteria associated with phytoplankton blooms[J]. Nature Reviews Microbiology, 2014, 12(10): 686-698. |
| [42] |
TEELING H, FUCHS B M, BECHER D, et al. Substrate- controlled succession of marine bacterioplankton populations induced by a phytoplankton bloom[J]. Science, 2012, 336(6081): 608-611. |
| [43] |
KONG J, WANG Y, WARREN A, et al. Diversity distribution and assembly mechanisms of planktonic and benthic microeukaryote communities in intertidal zones of southeast Fujian, China[J]. Frontiers in Microbiology, 2019, 10: 02640. |
| [44] |
SUN P, WANG Y, HUANG X, et al. Water masses and their associated temperature and cross-domain biotic factors co-shape upwelling microbial communities[J]. Water Research, 2022, 215: 118274. |
| [45] |
YUAN H T, LI T C, LI H F, et al. Diversity distribution, driving factors and assembly mechanisms of free-living and particle-associated bacterial communities at a subtropical marginal sea[J]. Microorganisms, 2021, 9(12): 2445. |
| [46] |
SOININEN J, KORHONEN J J, LUOTO M. Stochastic species distributions are driven by organism size[J]. Ecology, 2013, 94(3): 660-670. |
| [47] |
SHADE A, PETER H, ALLISON S D, et al. Fundamentals of microbial community resistance and resilience[J]. Frontiers in Microbiology, 2012, 3: 00417. |
| [48] |
LI G H, WANG Y P, LI H, et al. Quantifying relative contributions of biotic interactions to bacterial diversity and community assembly by using community characteristics of microbial eukaryotes[J]. Ecological Indicators, 2023, 146: 109841. |
| [49] |
SUN X L, XIE J Y, ZHENG D Y, et al. Metabolic interactions affect the biomass of synthetic bacterial biofilm communities[J]. mSystems, 2023, 8(6): e0104523. |
| [50] |
BOENIGK J, ARNDT H. Bacterivory by heterotrophic flagellates: community structure and feeding strategies[J]. Antonie van Leeuwenhoek, 2002, 81: 465-480. |
| [51] |
YANG Y Z, GAO Y C, CHEN Y Y, et al. Interactome- based abiotic and biotic impacts on biodiversity of plankton communities in disturbed wetlands[J]. Dive rsity and Distributions, 2019, 25(9): 1416-1428. |
| [52] |
JOUSSET A. Ecological and evolutive implications of bacterial defences against predators[J]. Environmental Microbiology, 2012, 14(7): 1830-1843. |
| [53] |
MATZ C, WEBB J S, SCHUPP P J, et al. Marine biofilm bacteria evade eukaryotic predation by targeted chemical defense[J]. PLoS ONE, 2008, 3(7): e2744. |
| [54] |
CHEN T Y, ZHUANG Y Y, CHEN C, et al. Metabarcoding reveals the differential sensitivity of planktonic microbiome to environmental filtering and biointeraction in Sansha Yongle blue hole[J]. Frontiers in Marine Science, 2022, 9: 1046808. |
| [55] |
JOUSSET A, BIENHOLD C, CHATZINOTAS A, et al. Where less may be more: how the rare biosphere pulls ecosystems strings[J]. The ISME Journal, 2017, 11(4): 853-862. |
| [56] |
WANG Y X, ZHUANG Y Y, WANG S S, et al. Dust deposition drives shifts in community structure and microbial network complexity of a planktonic microbiome in the Northwest Pacific Ocean[J]. Frontiers in Marine Science, 2024, 11: 1468739. |
| [57] |
SUN P, HUANG L Y, XU D P, et al. Marked seasonality and high spatial variation in estuarine ciliates are driven by exchanges between the 'abundant' and 'intermediate' biospheres[J]. Scientific Reports, 2017, 7: 9494. |