科研 | Nature子刊：后生动物、原生生物和细菌具有相同的海洋生物地理模式

编译：微科盟Moon，编辑：微科盟茗溪、江舜尧。

微科盟原创微文，欢迎转发转载，转载须注明来源《微生态》公众号。

导读   几千年来，生态机制和进化机制的双重作用形成了生命之树（tree of life）的宏观生态学模型，但是，关于这些模型的研究，无论是地区性还是全球性的，都只集中于后生动物。因此，目前人们对跨门（cross-phylum）生物的生物地理学结构知之甚少，因而对宏观生物和微观生物的宏观生态认知需求也越来越迫切。在这项研究中，研究者运用环境DNA（eDNA）metabarcoding技术探索沿2000 km海岸线分布的海洋后生动物、原生生物和细菌的生物多样性。结果表明，尽管经历了几百万年的进化，不同界（kingdom）生物的生物地理结构依然保持惊人的一致。针对每一界生物生态学模型的驱动因素分析表明，环境因素（例如温度）和人为活动因素（影响程度略低，如渔业和环境污染）是引起这些差异的原因之一。此外，在后生动物中可以观察到区域性的生物归一化现象。在全球普遍存在的人为环境改变的背景下，此项研究强调了考虑多个生命领域以理解广泛的分类学、生态学和地理尺度上生物多样性格局的维持和驱动因素的重要性。    

论文ID

原名：Animals, protists and bacteria share marine biogeographic patterns

译名：后生动物、原生生物和细菌共享海洋生物地理模式

期刊：Nature Ecology & Evolution

IF：15.460

发表时间：2021.4.15

通讯作者：Luke E. Holman

通讯作者单位：英国南安普顿大学南安普顿国家海洋学中心

DOI号：   10.1038/s41559-021-01439-7  

实验设计

结果

1 DNA测序

此次针对细胞色素c 氧化酶Ⅰ（cytochrome c oxidase subunit Ⅰ,COI）、真核生物核糖体小亚基DNA V4区（18S）和原核生物核糖体小亚基DNA V3-V4高变区（16S）这三种标准DNA条形码区（barcoding region）进行了三轮（run）测序，一共产生66 250 000条序列。每个样本中未经过滤的原始reads从61 958条到859 580条不等，平均每个样本中三种标记基因reads为346 536±109 665条（表S1）。从阴性对照样本数据可知，交叉污染率很低。

2 物种分类和α多样性

我们对序列按照后生动物，原生生物和细菌进行分类之后，之后的分析中使用在每个标记基因中出现次数最多的分组数据集（COI-后生动物，18S-原生生物，16S-细菌）。其余数据集的分析结果与后续展示的分析结果一致，可在附录2中查看。在门（phylum）水平完成分类之后，三个数据集分别保留了1054、1433和2826个ASVs。在所有分类数据集中，大部分检测到的ASVs来自少数的门或总组（supergroups）（图1b）。所有采样点都具有这一模式，并且在所研究区域的门或总组中，没有发现ASVs特性的重大变化。同时，物种分类reads的占比结果中也可以观察到相似模式（图S1）。

在三种遗传标记基因中，平均ASVs丰度最大值出现在南海岸（图1）。但是，单因素方差分析（ANOVA）结果显示，不同海岸线之间的显著差异只见于细菌数据集，而在后生动物数据集和原生生物数据集中不存在此差异。细菌数据的post-hoc Tukey检验结果表明东西海岸的ASVs数明显少于南海岸，但在整体ASVs丰度上它们彼此并不存在差异。

图1. 采样点、ASV分类分布和ASV丰度。a. 南非海岸线地图标注出采样地点和采样点的类型。红叉代表人为地点，蓝圈代表自然地点。西、南、东海岸分别用橙色、绿色和蓝色标记。b. 每个地点后生动物、原生生物和细菌在门水平（原生生物为总组supergroup）不同ASV的占比，每个柱形代表一个地点。c. 不同海岸线区域采样点的ASV丰度。黑线代表每个区域的平均ASV丰度。 3 β-多样性

在三个物种分类中，非度量多维尺度分析（nMDS）排序结果表明，此次分析中采样地点的聚类结果与之前报道的后生动物沿海生态区相一致（图2）。而且，置换多元方差分析（PERMANOVA）模型显示，海岸线因素在所有数据集中均具有显著影响，并且在所有分类群（表S4）和数据集（图S2）的两两海岸线比较之间均具有显著差异。证据表明，细菌数据集的多元离差存在异质性。图基检验显示，仅东海岸和西海岸之间存在显著的成对差异，这与图2的观察结果相一致，表明对于细菌而言，西海岸的群落组成相比东海岸变化更大。当将数据集按不同门划分后再进行分析时，所有门的生态区之间均存在显著差异。同时，检验效能分析结果表明，每一门中ASVs的数目都足以用来分析研究设计的显著差异。

校正曼特尔检验（Corrected mantel test）结果表明，后生动物和细菌数据集中，在考虑了不同地点的地理距离的前提下，海表温度（SST）和人为影响（以一涵盖多种人为因素的参数计算）与观测到的ASVs差异具有显著相关性。而在原生生物数据集中，叶绿素a浓度和人类影响指数存在显著相关性。相反，在所有数据集中，海表盐度（SSS）与观察到的ASVs差异存在相关性。这些结果表明地理距离和环境距离都对观测到的群落结构有一定影响，同时也确定了每个数据集分析时需要保留的适当变量。在所有样本中，部分曼特尔检验提供了相似的R统计值和P值（表S6）。

基于距离的冗余分析（dbRDA）显示，环境因素（SST和叶绿素a）和人为影响对后生动物、原生生物和细菌的地点相似性均具有显著影响。dbRDA模型的方差分解分析（variance partitioning）结果显示，人类行为对ASVs差异的影响小于叶绿素a浓度和SST（图2a）。同时，在不同的物种分类中，人类活动可解释的方差跟其他因素可解释的方差之间存在细微的重叠部分。具有2D光滑函数（two-dimensional smoothed function）的广义加性模型（generalized additive models）显示了显著项，说明每个变量如何分别解释每个分类群中eDNA数据的变化。SST和叶绿素a浓度在所有标记基因的非度量多维标度（nMDS）图上呈现出简单的平面（图2），而梯度在不同生态区域是一致的。相比之下，人类影响则显示出更为复杂的平面和多个生态区域的峰值。

图2. β多样性模式。基于南非沿海ASV之间的Jaccard差异，从后生动物（a）、原生生物（b）和细菌（c）eDNA metabarcoding观察到的β多样性模式。图第一列展示了nMDS排序，其中带颜色的多边形代表数据的传播，这些线表示围绕中心的分布，按海岸线分组，东、南和西海岸分别用橙色、绿色和蓝色表示。三角形代表自然地点，实心圆代表人为地点。图的第二列显示了与第一列相同的nMDS排序，包含广义加性模型的输出，该模型对叠加在两个nMDS轴上的每个重要环境和影响变量用2D平滑函数进行转化。维恩图展示了由每个显著变量解释的群落差异的总方差百分比。 4 距离-衰减关系 所有观测值的距离衰减斜率显示，随着采样点之间距离的增加，成分相似性呈指数下降（图3a）。从log10转化的成分相似性的回归模型可以看到，所有样本中这一倾斜具有统计学意义。通过人为采样点和自然采样点之间的比较结果表明，二者斜率具有显著差异。在原生动物或细菌数据集中，没有发现位点类型之间的显著差异，而在COI和18S数据中，后生动物和原生生物数据集的分类组中可以观察到相同的模式。

 图3. 南非各采样点采用eDNA metabarcoding测定的地点间距离和群落相似性。a.对数转化相当于距离的组成相似性。b-d.人为地点（红色）和自然地点（蓝色）的后生动物（b）、原生生物（c）和细菌（d）之间的比较。

讨论

在这项研究中，我们发现沿一两千公里长的海岸线，后生动物、原生生物和细菌具有相似的生物地理学模式。同时，这些非常一致的模式可用环境条件（叶绿素a和温度）和人类影响（影响程度略低于环境因素）来进行部分解释。此外，这项研究还发现了人类活动导致的群落均一化现象，但这一现象仅在后生动物中被观察到。总体而言，这项研究为不同生命形式具有一致的生物地理模式提供了证据，并证明一些潜在的过程，如人为活动对环境的改变，这对不同分类群的生物地理模式有不同的影响。

原核生物和真核生物在几十亿年前发生分化，并从那时起逐步进化到可以栖息在各种生态环境中。以往研究表明，不同环境和地理地图下，无论是宏观生物还是微观生物，其β多样性可能相似也可能不同。近期有研究对不同界（kingdom）海洋浮游生物的生物地理分区进行了探索，他们发现细菌等体积较小的浮游生物可能比体积较大的后生动物或原生生物具有更大的生物地理结构划分。总之，这一证据表明，不同的生态过程驱动了许多特定物种对外界的反应，从而产生了在不同空间尺度上生态系统中并不普遍的分布模式。在此次研究中，我们发现不同界生物具有相似的生物地理学分布模式（图2），为跨门生物地理一致性提供有力证据。

此次研究表明，在研究区域，温度或叶绿素a浓度等环境因素可以影响海洋生物群落结构。以往的全球范围内生物地理分布模式研究已经证明在温度对海洋微生物和浮游生物结构化的重要作用。同时，有越来越多证据表明，海洋生物的活动范围边界于它们的热极限密切相关。因此，科学家们猜想生物往往栖息在它们的热生态位，从而导致了这里观察到的具有温度结构特征的群落。与温度相反，盐度对影响群落分布发挥的作用较小（图2），这一结果与之前全球海洋分析的结果一致，但在盐度梯度异常大的区域，微生物和小型底栖动物的情况除外（例如波罗的海）。这次研究涉及的SSS范围很窄，因此可以观察到略微的影响也不足为奇。就原生生物而言，生物地理分布模式与初级生产力（这里以叶绿素a浓度计）的相关性更强。以往研究表明，生产者的生产力在推动沿海和海洋生物多样性模式方面几乎没有作用。然而，这些研究探讨了各种环境变量的全球作用，而更局部的海洋地理系统（如南非西海岸）的上升洋流的重要性在全球分析中可能没那么明显。

众所周知，人类活动可以改变海洋环境的物理化学性质和生态系统的营养和生态学性质。此次研究发现，人类行为可以影响观察到的群落结构，但影响程度小于环境因素（图2）。此研究中使用的人类行为指数涵盖了许多不同类型的影响因素，如污染和海洋运输等，但即使是这种综合方法也只能充分解释采样点之间观测到的ASVs变化的一小部分。以往对海洋后生动物的研究发现邻近地区城市化对后生动物具有很大影响，而且人类行为引发的生态驱动也有相关记录。但是，在这项研究中研究区域海洋环境城市化对生物地理模式的影响小于其他因素（图2）。人类行为只是在进化阶段的近期才成为主要的生态驱动力，而生物多样性的最显著变化发生在21世纪。很明显人类行为正在通过物种灭绝和活动范围扩张或缩小等改变着进化的轨迹。然而，此次数据表明几个世纪以来人类的影响还没有明显改变不同物种的生物地理边界。

以往研究表明，生物均一化在局部水平和全球水平都对群落多样性具有巨大影响。在此次分析中，南非海岸线的后生动物中也观察到了生物均一化现象，这是根据人为位点和自然位点的距离-衰减关系的斜率存在差异推导出来的。考虑到此区域频繁的船只活动以及人为环境常发生的生物入侵，非原生的后生动物物可能是正在促进海岸生物均一化的主要力量。考虑到人类影响在整个区域生态群落中的重要作用，未来的工作应该结合时间序列数据来进一步探索生物的均一化。

环境参数和生物相互作用都明显影响着海洋群落结构，但是用于解释此次研究观察到的生物地理模式的，是确定性的过程（如环境的过滤和生态位）还是随机性的过程（例如生态漂变或随机传播）依然无法确定。微生物生物地理学中经典的决定理论（the Baas Becking hypothesis，可以概括为“everything is everywhere but the environment selects”）认为，由于庞大的种群规模和分散性，微生物在所有环境中都存在，而非生物条件的变化选择了构成每个地区绝大多数物种的微生物。但是，这一理论忽略了中性选择过程，这一过程对构建整个生物群落的微生物生物地理学中也起着关键作用。此次研究发现对于原核生物和真核生物来说，观察到的大部分差异无法得到完全的解释，这一点与以往一些研究结果相同（图2）。事实上，最近在海洋中进行的生物地理学研究提供了理论和经验证据，证明了由随机性和确定性力量对生物地理学模式的强大驱动力，但仍然无法解释许多群落之间的差异。因此，了解不同群落结构过程的比较作用需要更全面地分析群落之间的差异、物种间的相互作用以及它们生活的环境条件的影响力。

最近的几项革新可以为解释群落结构无法解释的差异提供有价值的数据。例如，沉积古DNA的提取和分析可以重建精确的生物多样性时间变化序列，从而为评估确定性过程对环境条件的时间变化的作用提供证据。除此之外，分析分子数据的共发生网络可以提供物种相互作用猜想，而这些猜想可用于探索生态学相互作用构造生物地理学模式的方式。最后一点，我们期待极高分辨率的遥感数据可以为环境因素在构建生物群落的分布起到的作用提供独特的分析角度。