点击蓝字 关注我们含生物合成基因簇物种通过增强生态凝聚力来驱动微生物群落的热稳定性iMetaOmics主页http://www.imeta.science/imetaomics/研究论文● 期刊iMetaOmics●英文题目Biosynthesis gene cluster-containing species drive microbial community stability under thermal stress through enhanced ecological cohesion●中文题目含生物合成基因簇物种通过增强生态凝聚力● 原文链接https://onlinelibrary.wiley.com/doi/10.1002/imo2.70082● DOI: https://doi.org/10.1002/imo2.70082● 2026年2月15日江南大学吴群、河南大学时玉等在iMetaOmics发表了题为“Biosynthesis gene cluster-containing species drive microbial community stability under thermal stress through enhanced ecological cohesion”的文章。● 本研究以大曲Daqu自然发酵为模型追踪温度从约20 ℃升至65 ℃过程中微生物群落的变化评估含生物合成基因簇biosynthesis gene clustersBGCs的物种对群落稳定性的影响并通过合成群落SynCom共培养实验进行验证。● 第一作者班世博● 通讯作者时玉yshihenu.edu.cn、吴群wuqjiangnan.edu.cn● 合作作者何冰浩、宋阳、安新丽、徐岩● 主要单位江南大学生物工程学院、贵州茅台酒股份有限公司、贵州省发酵工业微生物资源开发重点实验室、荷兰乌得勒支大学生物学系环境生物学研究所、河南大学作物逆境适应与改良国家重点实验室亮 点● 沿自然升温梯度约20–65 ℃的iCAMP系统发育分组分析显示群落组装过程在不同阶段发生变化● 含BGC的系统发育分组与更高的生态凝聚力以及与稳定性相关的网络性质有关并且在热胁迫下更明显● 按温度区间构建分子生态网络后去除模拟说明部分类群的移除会明显降低网络稳健性和“崩塌阈值”● 基于分离株的SynCom共培养实验显示在不同温度下含BGC的关键物种的存在会使群落生物量更高。摘 要理解决定微生物群落生态稳定性的机制有助于解释微生物如何适应环境变化。本研究在自然发酵过程中温度从约20 ℃升至65 ℃利用连续的宏基因组采样分析群落演替与组装机制。结果显示温度相关的选择作用促使耐热类群富集而随机过程对真菌群落的影响更强说明确定性与随机性过程共同塑造群落组装。进一步分析表明细菌的更替主要与异质选择和扩散受限相关真菌则更多与同质选择和漂变相关。在温度梯度中iCAMP分析识别出27个细菌分组和140个真菌出现显著组成变化。其中11个含BGC的物种可通过增强物种间的正向凝聚力来提高群落稳定性。通过移除模拟进一步筛选出6个对维持热胁迫下稳健性更关键的含BGC物种基石物种共培养实验验证在加入这6个物种的情况下群落生物量相较不加入时提高50.08%以上综上含BGC物种可能通过增强生态凝聚力并在高温胁迫下提升生物量产出从而维持微生物群落稳定性。视频解读Bilibilihttps://www.bilibili.com/video/BV1upcfziEiL/Youtubehttps://youtu.be/7EIKUWPd7IQ中文翻译、PPT、中/英文视频解读等扩展资料下载请访问期刊官网http://www.imeta.science/imetaomics/全文解读引 言微生物群落在生态系统功能中起关键作用但其稳定性会受到环境变化尤其是升温的挑战。在微生物生态系统中仅用环境条件、生态位分化、资源异质性以及物种互作等确定性因素往往不足以解释群落动态的全部复杂性。虽然常用多样性指数和相似性指标去描述这些变化但这类指标很难进一步区分确定性作用与随机作用各自的相对贡献。群落组装过程能够同时反映群落内部的相互作用和外部环境的筛选效应其中基于系统发育关系划分的分组bin在微生物群落组装研究中具有重要意义。温度梯度会显著调控微生物生长、演替以及生态系统功能。面对升温压力微生物群落可以通过多种方式进行适应。但在温度响应下组装机制如何被重构、以及这种重构如何支撑群落稳定性仍缺乏清晰答案。阐明这些机制对于理解并预测变暖背景下微生物群落的韧性至关重要。从组装过程的角度看群落动态通常可以归纳为五类机制同质性选择HoS即相似环境下确定性筛选使群落趋同异质性选择HeS即环境差异导致群落分化扩散受限DL即迁移受阻使类群难以到达适宜位置同质化扩散HD即强扩散混合群落并提高相似性以及漂变DR即在缺乏强确定性驱动时由出生—死亡随机波动引起的变化。温度能够显著影响这些过程但温度梯度究竟如何重塑组装机制并在此过程中维持群落稳定性目前仍不明确。微生物适应高温通常有明确的生理与分子基础例如改变细胞膜组成、上调热休克蛋白或重编程代谢通路与相关基因调控从而使耐热类群在群落中占据优势。不过在温度驱动的选择压力下哪些关键物种bin在维持稳定性方面发挥核心作用、它们具体通过什么生态过程实现这一作用仍缺乏系统描述除了组装过程本身微生物基因组还携带一些能够影响互作与稳定性的功能性状其中一个重要热点是生物合成基因簇BGC。携带BGC的类群往往能够产生次级代谢物通过化学互作调节胁迫响应并增强物种间凝聚。已有研究表明在温度胁迫下微生物可以通过表观遗传调控和信号转导等途径激活特定的BGC合成抗生素或其他生物活性化合物从而提升环境适应性并具有潜在的生物技术价值。同时群落组成也可能反过来影响多物种体系中的次级代谢表达与互作格局。尽管这些线索说明“Bin—BGC—互作网络”可能在热胁迫下协同作用但在动态升温过程中这类互作网络如何形成、如何支撑稳定性仍缺少系统研究。自然发酵为研究温度快速升高提供了天然模型。该过程覆盖较宽的温度范围能够在特定环境条件下富集适应发酵生态位的微生物从而形成代谢能力较强、韧性较高的群落。然而当关键物种的丰度下降到某一阈值以下时功能稳定性可能丧失并诱发系统状态突变。将丰度与多样性模式与组装机制和网络结构结合起来有助于揭示升温过程中群落结构与功能如何被塑造也能更好地理解微生物对快速环境变化的适应策略。本研究选择了一个在自然条件下温度可快速升高的自然发酵体系——大曲Daqu它是中国白酒生产中常用的发酵启动子。具体而言小麦加水粉碎后压制成曲砖在发酵室内堆叠为五层持续发酵39 d该固态发酵过程会形成陡峭的温度梯度温度可从20 ℃升至65 ℃因此是研究自然升温与热累积条件下微生物生态过程的理想模型。作为相对简单且较封闭的生态系统发酵体系也为原位检验微生物生态学规律提供了良好场景通过宏基因组与代谢组等多组学结合有助于从代谢与网络层面解析群落响应并为发展预测性工具提供数据基础。在本研究中在发酵全程持续开展宏基因组监测并同步关注非生物胁迫变化。提出两个假设第一热胁迫下群落稳定性依赖于一部分基础物种当这些物种的相对丰度下降到关键阈值以下时群落韧性会降低进而引发结构与功能的剧烈变化第二这些基础物种与更高的生态凝聚力以及与稳定性相关的网络性质相联系而这种联系可能由BGC编码的次级代谢功能介导。结 果时间和温度对微生物组装过程的影响为区分发酵时间与温度对微生物组装的影响连续监测了39 d的大曲发酵过程温度由25.5 ℃自然升至65 ℃图S1。共在7个时间点采样累计获得84份样本每个时间点n 3。宏基因组测序获得440.19 Gb原始数据其中324.12 Gb clean reads组装为 22.27 Gb contigs估计覆盖度超过99%得到1,388万条非冗余基因。共有29个属的RPKM 20为优势属图S2。降维分析NMDS显示群落随时间差异不显著ANOSIMR 0.040,p 0.066但在不同温度间差异显著R 0.106,p 0.007。α多样性也呈现相同趋势即随温度变化显著p 0.05而随时间变化不显著图1A、1B和表S1。由于发酵时间对群落结构的影响较弱进一步关注驱动组装动态的关键因素。α多样性与β多样性Aitchison距离之间存在显著相关图1C和图S3R² 0.485,p 0.001说明尽管群落整体结构随时间相对稳定内部组成仍持续发生调整。为进一步解析组装过程采用基于系统发育分组的零模型方法iCAMP评估不同组装机制的相对贡献表S2。结果显示细菌组装以确定性过程为主占34.96±3.90%其中异质性选择HeS占12.92 ±1.71%图1D说明温度及微生物适应性在塑造细菌群落结构中起主导作用。相比之下真菌组装主要受扩散受限DL支配占78.79±1.45%说明真菌在发酵环境中扩散受到明显限制同质性选择HoS4.40±1.31%贡献较小异质性选择HeS2.69±0.82%贡献更低说明发酵环境的选择压力对真菌群落分化的驱动相对有限图1E。进一步的相关检验显示温度与细菌群落的HeSR 0.085,p 0.049和DLR 0.097,p 0.042呈正相关。对于真菌群落温度与 HoSR 0.210,p 0.009、DLR 0.153,p 0.018、漂变DRR 0.075,p 0.041以及真菌群落的确定性组装R 0.170,p 0.019和随机组装R 0.170,p 0.023均呈正相关而发酵时间仅与真菌群落 DRR 0.076,p 0.041呈正相关图1F。偏Mantel分析进一步表明在控制时间影响后群落组装过程与温度仍显著相关R 0.079,p 0.038相反在控制温度影响后组装过程与时间R 0.027,p 0.246或酸度R -0.054,p 0.903均无显著关联。因此温度对群落组装的重要性明显高于发酵时间。鉴于温度的显著作用进一步沿温度梯度分析组装机制的变化图1G。细菌方面扩散受限DL在低温与中温阶段27–30 ℃增强而在更高温度下降低异质性选择HeS在低温25.5 ℃与27 ℃以及高温62 ℃与64 ℃更强而同质性选择HoS在中温范围30–45℃占主导。真菌方面HeS整体较低但在29 ℃、40 ℃、58.5 ℃和64 ℃相对升高HoS在26℃达到峰值并随温度升高而降低DL与DR是真菌组装的关键过程尤其在高温阶段52–60 ℃更为明显。总体而言这些模式进一步支持温度而非发酵时间是组装机制转变的主要驱动因素且在热胁迫条件下表现更突出。图1. 不同发酵时间与温度下群落组装过程的变化AB采用非度量多维尺度分析NMDS对微生物群落进行排序用于分析发酵时间A与温度B对微生物群落的影响并使用相似性分析ANOSIM进行检验。Cβ 距离Aitchison距离与Simpson指数的相关性每个点代表一次两两比较β 距离指两组群落之间的Aitchison距离对应的Simpson指数表示该样本对的平均α多样性。Aitchison距离基于样本间的比例距离具体以中心化对数比CLR变换向量的欧氏距离为基础用于比较两类微生物群落在结构与组成上的度量差异。每一个β距离均按不同温度下所有群落的两两距离计算得到。DE确定不同时间点细菌D与真菌E组装过程的相对重要性矩阵中的每个方格表示两个采样日之间该组装过程的估计贡献旁侧散点图展示过程贡献与发酵天数之间的回归关系。所有iCAMP分析均基于分类学丰度数据完成。回归方程、Pearson R值与显著性标记位于左下角而不同时间点的群落组装过程显示在右上角。F温度/发酵时间与群落组装过程之间的相关性。连线的宽度与颜色分别表示 Mantel的R值与Mantel的p值。Mantelp 0.05 的连线表示相关性显著。Mantel 检验以温度/时间矩阵作为环境变量以 iCAMP 计算得到的过程比例作为群落矩阵。G群落组装过程对温度变化的响应。箱线图展示 8 个温度梯度下样本数量的分布。样本按其观测发酵温度重新排序每个箱线图汇总对应5℃区间T1–T8内五种过程的比例。HeS异质性选择HoS同质性选择DL扩散受限HD同质化扩散DR漂变及其他。T125–30℃T230–35℃T335–40℃T440–45℃T545–50℃T650–55℃T755–60℃T860–65℃。***p 0.001**p 0.01*p 0.05。发酵天数1–39 d的颜色在图A、D、E 中保持一致温度分箱T1–T8的颜色在图B与G中保持一致。高温下微生物群落与组装功能类群的变化鉴于温度的重要性按温度重新排序样本以识别高温阶段的关键类群。随后采用滑动窗口策略将温度相邻的每8个样本归为一组并用逐步聚类方法构建分子生态网络MEN共获得76个MEN图S4。在这76个MEN中可观测物种数基本恒定288–292表S3。同时总微生物丰度在76个MEN间无显著差异RPKM2030.84–2415.21ANOSIMR 0.018,p 0.053说明这种网络分组策略在一定程度上降低了温度对群落丰度的直接影响。为描述温度梯度上的网络特征分析了温度与关键指标微生物丰度、节点持久性、Aitchison距离之间的关系图2A。其中节点持久性定义为持久节点数与可见物种数之比用于表征群落稳定性Aitchison距离用于衡量群落组成差异。总体上群落特征与温度呈正相关图2A。进一步分析显示温度与微生物丰度R 0.399,p 0.001和β距离R 0.243,p 0.036呈正相关并与α多样性R -0.405,p 0.001存在显著相关节点持久性也与温度呈正相关R 0.247,p 0.017图S5。这些结果说明高温通过不同途径推动群落分化并改变稳定性相关特征。将温度效应映射后可见群落特征主要分布在四个温度区间图2B28.06–44.44 ℃、44.81–49.19 ℃、49.87–58.31 ℃ 以及 58.75–63.81 ℃当温度处于58.75–63.81 ℃时微生物丰度由2162.87升至2319.34节点持久性由0.24逐步回升至0.51Aitchison距离由18.56升至32.42表S3。这表明β距离的增加与网络中部分节点的消失密切相关。为进一步理解温度驱动的群落变化本研究计算了群落组装的生态过程。在可观测群落的组装过程中共识别出27个细菌bin与140个真菌bin细菌方面HoS、HeS、DL、HD与DR对应的bin占比分别为11.11%、11.11%、11.11%、14.81%和51.85%其对应的相对丰度分别为26.84%、24.30%、7.35%、4.67% 和 36.85%图2C。真菌方面HoS、HeS、DL与DR对应的bin占比分别为16.43%、10%、5%和68.57%其对应的相对丰度分别为2.12%、1.19%、80.94%和15.70%图2D。据此将27个细菌bin和 56 个真菌bin定义为高温条件下与组装相关、并有助于维持群落丰度与多样性的关键类群。总体来看这些结果强调不同生态过程在高温条件下共同驱动组装其中漂变对高温阶段的贡献尤为突出。图2.微生物分化发生于群落组装过程中A随温度变化对群落丰度的β距离、节点持久性与Aitchison距离进行标准化分析。Aitchison距离由CLR变换后的分类学丰度向量计算得到柱形与折线叠加分别表示节点持久性与Aitchison距离的标准化数值。B温度变化下微生物特征的分布用于可视化全温度梯度范围内各属性的相对大小。CD细菌C与真菌D的系统发育树位于中心外围由6个同心环组成用于表示不同过程的重要性最外环为 DR依次向内为HD、DL、HoS最内环为ASV丰度。该图基于iCAMP分析结果展示各系统发育类群中这些过程的丰度加权显著性。此外包含超过5个ASV的分箱会被高亮显示并且超过该阈值的分箱会被合并以提高可视化清晰度。HeS异质性选择HoS同质性选择DL扩散受限HD同质化扩散DR漂变及其他图C与图D中五种组装过程的颜色设置完全一致。含BGC组装功能物种在高温下维持群落稳定性的作用为识别在高温下与稳定性相关的功能类群使用eggNOG进行基因功能注释。基于contigs共注释到847,724个蛋白其中242,497个蛋白与代谢功能相关代谢功能占全部注释的28.7%图3A。在与代谢相关的 8 类功能组中“次级代谢生物合成、转运与分解”基因与温度呈显著正相关R 0.230,p 0.046图S6。随后解析了BGC的分类来源。在17个优势属及其他属中共识别到1413个BGC其中拟青霉属与曲霉属为主要来源尤其富集于PKS与NRPS类型。不同类群的平均BGC数存在差异例如芽孢杆菌属同时包含NRPS与PKS-NRP杂合类型。此外拟青霉属与芽孢杆菌属中超过50%的含 BGC 类群来源于55 ℃以上阶段图3B。综合其在组装中的作用与次级代谢潜力共识别173个含BGC物种表S4以及83个与组装贡献相关的bin其中11个物种被界定为含BGC组装功能物种图3C。为量化其生态作用评估显示其对群落组装的贡献。线性回归结果显示含BGC组装功能物种是主要驱动因素可解释80.38%的变异相比之下其他基因簇类群的解释度明显更低细菌13.65%真菌22.97%图3D说明BGC相关类群在组装过程中具有关键作用。进一步结合物种连通性与丰度计算了正向与负向凝聚力并通过零模型获得对应指标。结果显示零模型的正向凝聚力随温度升高而同步达到峰值而负向凝聚力呈不规则波动。主成分分析表明正向凝聚力是群落稳定性的主要贡献因素74.95%图S7。在包含全部物种时群落正向凝聚力0.303至0.464显著高于去除含BGC组装功能物种后的群落0.289至0.461图3E同时去除后群落的负向凝聚力-0.215至-0.152显著高于包含全部物种时-0.224至-0.154。这些结果说明含BGC组装功能物种可能通过增强正向互利关系来提升群落凝聚力图3F。相关分析与多元线性回归进一步表明这些类群具有温度韧性能在升温过程中帮助维持微生物稳定性图3G。因此含BGC组装功能物种与生态凝聚力增强密切相关。图3.含BGC组装功能物种对群落稳定性的贡献A基于COG功能类别的微生物功能分布。J翻译、核糖体结构与生物发生K转录L复制、重组与修复B染色质结构与动态D细胞周期控制、细胞分裂与染色体分配Y核结构V防御机制T信号转导机制N细胞运动Z细胞骨架W细胞外结构U细胞内转运、分泌与囊泡运输O翻译后修饰、蛋白质周转与伴侣蛋白C能量产生与转换G碳水化合物转运与代谢E氨基酸转运与代谢F核苷酸转运与代谢H辅酶转运与代谢I脂类转运与代谢P无机离子转运与代谢Q次级代谢物生物合成、转运与分解代谢S功能未知。B桑基图展示不同温度下BGC的分类学来源属水平以及不同家族中BGC类型的组成。未包含在17个优势属中的物种合并为 Others未包含在5个优势BGC类型中的BGC合并为Others。CVenn分析识别出11个既对群落组装有贡献又含BGC物种。在iCAMP分析中观测到的细菌与真菌ASV分别依据系统发育信号阈值划分为27个与140个bin。antiSMASH预测得到的所有BGC序列均完成注释并将至少包含1个BGC的物种定义为含BGC组装功能物种。此处“bin”指由iCAMP定义的系统发育聚类与ASV或分类学物种不同。D线性回归分析用于展示物种对群落组装的贡献。每个回归模型的标准化系数表示物种丰度对群落组装过程影响的强度。EF含BGC组装功能物种与不含BGC物种的正凝聚力E与负凝聚力F。凝聚力定义为物种间显著正相关或负相关之和并按物种丰度加权表示群落中正向与负向共现关系用于表征高温条件下由于正负物种互作或生态位相似性/差异性导致的群落连通性变化。组间差异采用Fisher’s LSD检验评估不同字母如a、b表示显著差异。G含BGC组装功能物种的含量与温度呈正相关颜色表示含BGC组装功能物种每个点对应一个群落在其观测发酵温度下的取值图B与图G的分类颜色方案保持一致。高温下微生物适应性与含BGC组装功能物种含量的关联为阐明含BGC组装功能物种如何影响高温下微生物适应性在各温度点计算基于Jaccard距离的共现距离图4A。结果显示在50 ℃以下共现距离相对稳定而在51.31–61.31 ℃之间显著升高。随着温度上升群落表现为多样性下降同时含BGC组装功能物种丰度上升。因此推测在60 ℃以上阶段群落可能通过功能变化形成更强的耐温性并维持较高水平的互作网络。为评估其在群落中的关键性本研究进行逐一移除模拟图4B、4C和图S8A。崩塌阈值表示在随机移除过程中网络鲁棒性降为0之前可被移除的最大节点数。当11个含BGC组装功能物种全部存在时崩塌阈值为285.868逐一移除其中6个物种A. nidulans、B. velezensis、P. variotii、P. acidilactici、P. kudriavzevii和R. microsporus会使阈值降至283以下而移除另外5个物种时阈值仍高于284一致地移除前6个与后5个物种后阈值分别降至279.802与281.066移除全部11个物种后阈值降至274.987图4B。鲁棒性结果同样显示移除前6个物种会导致鲁棒性显著下降而移除后5个物种仅造成轻微下降至0.434仍显著高于移除全部11个物种后的0.429图4C。这表明前6个物种对网络稳定性贡献更大。因此将其定义为基石物种即同时满足“含BGC”且在iCAMP的组装体系中被识别为关键贡献者的物种。进一步分析网络拓扑指标异质性反映连边分配的不均匀程度中心化描述网络是否由少数高度连接节点主导模块度描述网络划分为子模块的程度连通性概括整体互作密度。去除含BGC组装功能物种后异质性、中心化、模块度与连通性均明显降低说明互作结构被削弱。在55–64 ℃范围内基础网络整体保持较高拓扑稳定性异质性、中心化与模块度呈阶段性波动连通性在最高温度阶段略降图4D–G。总体而言结果支持高温胁迫下网络仍具一定拓扑稳定性而基石物种有助于维持互作密度并缓冲极端温度阶段的稳定性损失表S5。共现分析也说明这些类群在极端温度下可维持更高互作密度从而缓冲多样性下降并促进扰动后恢复缺失它们会导致网络碎片化进一步验证其稳定性“锚点”作用。图4. 群落稳定性受含BGC组装功能物种数量的限制A温度变化过程中的微生物共现距离。共生距离用Jaccard距离表示该指标用于识别不同群落中微生物的存活距离Jaccard不相似度反映群落之间最低存活相似性。B移除每一个或全部11个含BGC组装功能物种后微生物群落的崩塌阈值。崩塌阈值指在随机节点移除过程n 76中在群落鲁棒性降至0之前可被移除的最大节点数。该值代表在随机删除条件下使网络崩塌所需丧失的最少节点数指示群落崩塌。该阈值说明当物种被移除时群落稳定性出现显著丧失的关键点。C移除含BGC组装功能物种对群落稳定性的影响鲁棒性量化网络在逐步移除节点直至崩塌之前的耐受能力数值越高表示稳定性越强。内圈表示对所示物种/类群的定向移除外圈表示温度。温度颜色与图 A 保持一致物种颜色与图 B 保持一致。D–G缺失含BGC组装功能物种后不同温度下微生物稳定性特征的变化。含BGC组装功能物种的生物量在维持微生物稳定性中的作用含BGC组装功能物种在高温下有助于维持微生物丰度但其作用是否同样存在于50℃以下仍需进一步验证。因此在全温度范围内分析次级代谢相关作用对互利关系与存活的影响。为区分BGC本身与含BGC物种的作用用普氏分析评估数据一致性结果表明BGC对稳定性的贡献同样主要来源于含BGC物种图5A和图S9A。矩阵相关分析进一步显示90.3%149/165的含BGC物种会显著影响群落BGC含量图5B。同时温度相关分析显示并非所有含BGC组装功能物种都具有显著耐温性图S9B。在分离株合成群落实验中接种比例指基石物种与不含BGC物种的比例。36 ℃时1:0 组总生物量最高9.44 Lg copies/g而0:1组为6.29 Lg copies/g提升超过50.08%47℃ 时1:3 组最高10.82 Lg copies/g0:1组降至3.43 Lg copies/g提升超过215.45%57 ℃时1:0组仍占优势11.08 Lg copies/g0:1 组为3.57 Lg copies/g提升超过210.36%在61 ℃极端条件下1:3 组最高5.32 Lg copies/g0:1组为3.50 Lg copies/g提升超过52.00%图5C。这些结果表明群落稳定性更依赖基石物种的存在而非所有物种都具备相同耐受能力。进一步地选取6个基石物种与6个其他物种既不贡献组装也不含BGC开展验证在4个温度梯度下均显示含BGC组装功能物种可提高群落整体耐温性促进群落总丰度上升并减缓高温下其他物种下降从而增强生态凝聚力并提升热胁迫下的微生物稳定性。图5.含BGC组装功能物种调控次级代谢基因、群落稳定性与群落物种丰度A使用Procrustes分析评估含BGC组装功能物种与次级代谢基因之间的相关程度。三角形表示BGC数据圆形表示含BGC组装功能物种的丰度数据。M2表示两组数据点坐标与其在变换后对应点坐标之间偏差的平方和。T136 ℃T247 ℃T357 ℃T461 ℃。B包含 BGC 的类群矩阵与次级代谢基因矩阵之间的相关性检验。C在合成群落SynCom共培养实验中含BGC组装功能物种与不含BGC物种的含量变化每个实验组设置3个生物学重复。含BGC组装功能物种的存在提高了群落总物种的含量。p 0.05**p 0.01***p 0.001。讨 论本研究强调了温度在塑造微生物群落组装中的关键作用它既可能成为“破坏者”也可能成为“重构者”这一双重效应在高温胁迫下尤为明显。在分子生态网络构建与分析中观察到含BGC组装功能物种能够促进微生物互作在高温环境中对组装过程产生显著影响并有助于维持群落稳定。进一步而言基石物种能够随组装过程动态变化而发挥作用从而推动群落向更稳定的状态演化。验证实验同样支持这一点含BGC组装功能物种可显著提高群落稳定性增强极端热胁迫下的韧性并维持功能持续。总体上这些结果凸显了BGC及其相关物种在支撑稳定性与促进热适应中的核心意义。值得注意的是除高温阶段的特征外低温阶段也呈现清晰的阶段性结构这说明应以“分阶段”的视角理解温度轨迹不同温度子区间可能对应不同的生态状态与组装规律。在本研究中提出含BGC组装功能物种可凭借环境耐受性参与维持群落稳定并据此界定其中贡献不成比例的一组物种为基石物种。一个值得关注的现象是尽管夏季环境温度最高发酵温度并未同步达到峰值这说明微生物可能通过代谢产热与热量调控对发酵温度进行“自调节”以维持体系相对稳定。这种自调节也反映了自然微生物群落在面对波动热环境时的生态意义。基于此对“关键物种”的理解不再仅限于丰度高低而更强调其在生态位占据、资源利用以及对环境变化的适应能力等方面的综合贡献。本研究识别出6个基石物种——A. nidulans、B. velezensis、P. variotii、P. acidilactici、P. kudriavzevii和R. microsporus——它们可能通过多维度协同机制影响群落组装。已有研究说明B. velezensis可通过分泌代谢物实现功能协同并抑制病原P. acidilactici可通过环境酸化抑制竞争微生物R. microsporus可降解有机底物以促进共生定殖A. nidulans则可能通过产生抗胁迫相关代谢物提高环境适应性。上述物种共同作用可能通过网络重塑、竞争分工与协同应激响应来稳定群落功能。与此同时次级代谢物在介导微生物互作中具有重要作用能够塑造多种物种间关系。例如共培养条件下微生物常通过分泌具有抑制性的次级代谢物获得竞争优势而在亚抑制浓度下次级代谢物也可能影响转录调控、毒力、运动性与生物膜形成进而改变群落组装过程。结果显示含BGC组装功能物种在53 ℃到55 ℃这一温度转换节点出现短暂的丰度下降。这一现象说明这些物种可能具有“耐温—恢复”特征当群落受到扰动甚至被破坏后具备较强环境耐受性的物种能够更快恢复种群规模并促进群落重新建立从而加速系统恢复过程。含BGC组装功能物种可能凭借其耐热性促进互利关系进而增强群落稳定性。在高温环境中微生物也可能通过互作提升其他生物如藻类的耐热能力形成互利共生帮助其在极端条件下维持生存。这类互作不仅提高单个物种的存活概率也有助于维持整体群落稳定。因此耐温性正在成为支撑微生物互利与稳定性的关键因素之一也为理解物种间动态提供了新的视角。当基石物种被移除时群落更容易出现失衡并伴随互利关系强度显著下降。基石物种在维持稳定性与功能多样性方面具有关键作用其缺失会打破群落的微妙平衡。为评估物种丧失对群落结构与稳定性的影响提出“稳态系数”的概念体系。结果表明在外部胁迫下群落稳定性本质上反映为群落内部的反馈调节能力负反馈通过抑制并削弱初始扰动来稳定系统而正反馈则会放大变化使系统偏离稳定状态。因此用于表征微生物稳定性的稳态系数应更关注负反馈调节节点间连通性越强、负向互作越强、网络聚类程度越低群落越可能保持稳定。物种间互作包括营养竞争、共生关系与信号机制在很大程度上依赖基石物种的存在。一旦基石物种开始下降或被完全移除分子生态网络将更为脆弱整体功能也会受到明显影响表现为多样性下降、有益类群减少从而进一步加剧既有的失衡状态。在气候变化背景下微生物群落对快速环境变化的适应是一个关键问题。随着温度持续升高理解复杂微生物体系例如自发发酵如何适应尤为重要因为往往无法对体系中所有菌株进行完全分离培养。将研究重心聚焦于基石物种有助于从可干预的角度理解并调控群落组装与互利关系。本研究从高温环境下微生物互利的视角提供了基石物种作用的证据并强调含BGC组装功能物种在维持稳定性中的重要性。与传统上将其简单视为“竞争者”的观点不同含BGC组装功能物种在高温条件下反而可能成为维持稳定性的关键力量。未来仍需在代谢物层面以及更高阶互作层面进一步验证这些发现以更全面理解其在持续环境胁迫下的生态意义与应用潜力。结 论总之通过整合基于iCAMP的系统发育分箱组装推断、分子生态网络分析以及基于分离株的SynCom验证结果显示在大曲自发发酵的20–65 ℃温度轨迹上微生物群落组织与温度密切相关并呈现清晰的阶段性动态。含BGC的系统发育分箱及本研究定义的基础物种始终与更高的生态凝聚力和热胁迫下与稳定性相关的网络性质相联系移除模拟也显示它们对网络鲁棒性和崩溃阈值具有不成比例的贡献。值得注意的是SynCom实验进一步支持这些类群的功能意义在特定接种比例下生物量优势随温度而变化。综合来看本研究提出BGC相关的基础物种是热胁迫发酵生态系统中与稳定性紧密相关的关键组成并提供了一个用于解析系统发育结构与次级代谢潜力如何关联群落韧性的分析体系。方 法样品采集与测温样品采自赤水河流域一家知名中国白酒酒厂的自发发酵过程。四季发酵批次采用一致的工艺流程。根据温度变化在发酵第 1、3、7、9、11、15和39天进行采样。为降低样品内部异质性每个样品由同一块大曲的5个子样四个边缘点与一个中心点混合获得这些子样不作为独立重复。每个时间点从3个发酵室采集作为生物学重复并在四个季节批次的 7 个时间点重复采样。最终共获得84个样品采集后立即液氮速冻并在−80℃保存以供后续分析。发酵温度全程连续监测图S1不同生物学重复间温度差异较小变异系数CV 10%。宏基因组测序与数据分析总DNA提取与测序用于宏基因组测序的DNA采用Omega Soil DNA Kit按说明书提取。DNA的纯度与浓度分别使用Qubit 2.0与Nanodrop One测定。样品通过质检与定量后按Illumina TruSeq DNA样品制备指南构建DNA文库并在Illumina NovaSeq 6000平台进行shotgun 测序。宏基因组分析流程原始reads使用 rim Galorev0.5.0在默认参数下去除接头序列与低质量reads质量分数 20。reads质量使用FastQCv0.11.8评估。最终保留396.7 Gb clean reads。每个样品的clean reads使用MEGAHITv1.1.3在默认参数下组装。随后将同一研究中的clean reads分别按双端方向混合为两个fastq文件上游与下游各一个用于后续整合分析。对获得的contigs采用CD-HITv4.8.1去冗余参数为-c 0.95 -M 640000 -T 24 -n 5 -d 0 -aS 0.9 -g 1 -sc 1 -sf 1。去冗余后的contigs使用 Prodigalv2.6.3预测基因与蛋白序列并用EukRepv0.6.7区分真核与原核序列。非冗余基因的分类注释使用DIAMONDv0.9.35.136数据库为NCBI NR构建的DIAMOND数据库。功能注释使用eggNOG-mapperv2.1.12数据库为eggNOGv5.0.2。基因丰度使用Bowtie2v2.2.5进行比对定量并将所有基因丰度标准化为每百万比对reads的每千碱基片段数RPKM。生物合成基因簇BGC预测真核与原核序列的BGC分别使用 antiSMASHv6.0的真菌版与细菌版进行预测参数为--taxon bacteria --output-dir --genefinding-tool prodigal --cb-knownclusters -c 4 --cc-mibig --cb-general --cb-subclusters-fullhmmer。分子生态网络分析分子生态网络MEN使用MENA平台基于类群丰度谱构建。为考察温度依赖的互作模式我们采用滑动窗口策略将温度相邻的每8个样本归为一组并以该组内的平均类群丰度作为网络构建输入共生成76个MEN。为提高网络可靠性仅保留RPKM 1的物种用于后续相关性计算。网络基于log转换后的物种RPKM值计算Pearson相关。互作阈值由随机矩阵理论RMT确定用于筛选显著关联。网络拓扑指标在 MENAP界面计算。所有网络在RStudio中使用WGCNAv1.72-1、igraphv1.3.0、dplyrv1.1.3、Hmiscv4.7-0与reshape2v1.4.4等R包进行可视化。在MEN构建过程中并非所有检测到的物种都会在丰度筛选与RMT阈值筛选后被保留为网络节点因此节点数通常小于窗口内的可见物种数。我们采用节点持久性nodes/visible species量化MEN的稳定性。为评估维持网络稳定性的关键节点使用鲁棒性robustness表征MEN对节点丧失的抵抗能力并模拟随机移除或针对性删除特定节点的扰动。在随机物种丧失模拟中按固定比例随机移除节点。为评估基石物种的贡献针对性节点移除分两步进行先删除包含基石物种的节点再随机移除其他节点。该策略用于评估基石物种在扰动下维持网络结构与潜在功能完整性的作用。全部分析在RStudio中完成并使用foreach与doParallel进行并行计算以提高效率。菌株分离与共培养实验菌株分离为分离发酵体系中的微生物我们将样品与PBS按1:10混合后进行梯度稀释。选择10⁻⁴至10⁻⁶的稀释度进行分离细菌在LB培养基上分离加入两性霉素酵母在WL培养基上分离加入青霉素-链霉素与氯霉素霉菌在孟加拉红培养基上分离。合成群落SynCom构建与培养我们在固态体系中构建5组合成群落用于共培养实验。接种比例定义为基石物种不含BGC物种的比例。第一组6个基石物种等量混合共培养1:0。第二组6个基石物种与6个不含BGC物种按3:1比例接种。第三组与第四组接种比例分别为1:1与1:3。第五组6个不含BGC物种等量混合共培养0:1。上述 5 组总接种浓度均为1 × 10⁶ CFU/g组内基石物种按相同细胞浓度接种不含BGC物种同样按相同细胞浓度接种。固态培养基制备将小麦500 g与水750 mL在3 L烧杯中混合4 ℃静置6 h后于105 ℃高压灭菌45 min。冷却后获得小麦固态培养基。将不同SynCom接种至小麦培养基在4个温度条件下培养7天图S10。在培养第 0 天与第 7 天采样每个培养条件设置3个生物学重复样品均于−80 ℃保存用于后续qPCR分析。统计分析除非另有说明群落层面的排序分析、α/β 多样性分析以及MEN构建均基于物种水平分类丰度谱并以RPKM标准化。功能分析包括BGC相关分析基于基因/BGC注释及其丰度或计数。细菌、真菌与总物种的α多样性以及共现距离使用picante包计算。NMDS与ANOSIM用于评估组间差异使用vegan包v2.7-2。所有检验均为双侧检验p 0.05 视为显著。群落组装过程与系统发育分箱采用iCAMP分析。在iCAMP中bin系统发育分箱指基于系统发育关系聚类得到的物种组主要包括两步(1)计算系统发育距离基于系统发育树计算所有物种两两间的进化距离(2)按阈值聚类设置系统发育距离阈值ds 0.2与最小分箱大小bin.size.limit 24将两两距离不超过阈值的物种归入同一分箱并保证每个分箱包含足够物种用于后续统计。本文中的“bin”均指iCAMP系统发育分箱“含BGC bin”指基于分类丰度与BGC注释判定、包含含BGC类群的系统发育bin本文不涉及MAG分箱。为量化不同分箱类别对群落组装过程的贡献我们以四个预测变量进行线性回归bins_bacteria、bins_fungi、含BGC的细菌以及含BGC的真菌将各生态过程的相对贡献作为响应变量。模型拟合前对所有预测变量进行z-score标准化以提高回归系数可比性。对每个过程分别拟合独立回归模型输入矩阵来自主分析流程的标准化丰度矩阵。提取标准化回归系数β并将其解释为不同分箱类别对组装过程的效应强度。为保证可重复性所有输入矩阵与系数表均在分析脚本中导出。凝聚力cohesion用于量化群落连通性分别衡量正向与负向共现模式的强度。群落差异采用未稀释数据计算的Aitchison距离与Jaccard距离表示样本对间距离采用欧氏距离表示并在 R 中使用compositions包计算。含BGC分箱与次级代谢基因之间的对应关系通过Procrustes分析在RStudio中完成vegan v2.7-2。代码和数据可用性原始测序数据已提交至NCBI Sequence Read ArchiveSRA登录号为PRJNA1290789https://www.ncbi.nlm.nih.gov/bioproject/PRJNA1290789。本文使用的数据与脚本保存在GitHubhttps://github.com/Lucas-Ban/Daqu-community-analysis.git。补充材料图表、图形摘要、幻灯片、视频、中文翻译版本及更新材料可从线上http://www.imeta.science/imetaomics/获取。引文格式Shibo Ban, Binghao He, Yang Song, Xin Li An, Yan Xu, Qun Wu, Yu Shi. 2026. “Biosynthesis gene cluster-containing species drive microbial community stability under thermal stress through enhanced ecological cohesion.”iMetaOmics2: e70082. https://doi.org/10.1002/imo2.70082.作者简介班世博第一作者● 江南大学生物工程学院2025届博士毕业生。● 研究方向为发酵食品微生态及其天然产物挖掘。主持江苏省研究生创新项目一项获中国轻工业联合会科技进步二等奖以第一作者在iMetaOmics、mSystems、International Journal of Food Microbiology、LWT等期刊发表SCI论文5篇。吴群通讯作者● 江南大学生物工程学院教授博士生导师江苏省特聘教授。● 长期从事白酒酿造微生物生态学的研究近年来在Advanced Science、Microbiome、ACS Sensors等期刊共发表SCI论文90余篇入选全球前2%顶尖科学家榜单2023-2025授权发明专利50余项主持包括国家自然科学基金、国家863计划、国家十三五重点研发计划课题等国家级科研项目获国家科技进步奖二等奖、中国商业联合会科技进步奖特等奖、中国轻工业联合会科技进步奖一等奖、国家专利奖银奖等奖项。时玉通讯作者● 河南大学教授博士生导师河南大学“黄河学者”特聘教授。● 研究方向聚焦农业土壤微生物生态、微生物组大数据分析与生物信息学。入连续4年入选科睿唯安“全球高被引学者”2022-2025与全球前2%顶尖科学家榜单2021–2024获河南省教育厅学术技术带头人2023获江苏省科学技术二等奖2022与中国土壤学会科学技术一等奖2021。主持国家自然科学基金面上项目、河南省优秀青年科学基金及国家自然科学基金青年项目等。以第一/通讯作者在Journal of Ecology、Entomologia Generalis、Agriculture, Ecosystems Environment、iMeta、Environment International、European Journal of Soil Science、Microbiome等期刊发表论文。更多推荐▼ 点击跳转高引文章 ▸▸▸▸iMeta | 引用20000海普洛斯陈实富发布新版fastp更快更好地处理FASTQ数据高引文章 ▸▸▸▸iMeta | 兰大张东组使用PhyloSuite进行分子系统发育及系统发育树的统计分析高引文章▸▸▸▸iMeta | 唐海宝/张兴坦-用于比较基因组学分析的多功能分析套件JCVIiMeta封面1卷1期1卷2期1卷3期1卷4期2卷1期2卷2期2卷3期2卷4期3卷1期3卷2期3卷3期3卷4期3卷5期3卷6期4卷1期4卷2期4卷3期4卷4期4卷5期4卷6期iMetaOmics封面1卷1期1卷2期2卷1期2卷2期2卷3期2卷4期iMetaMed封面1卷1期1卷2期期刊简介“iMeta” 是由威立、宏科学和本领域数千名华人科学家合作出版的开放获取期刊主编由中科院微生物所刘双江研究员和荷兰格罗宁根大学傅静远教授担任。目的是发表所有领域高影响力的研究、方法和综述重点关注微生物组、生物信息、大数据和多组学等前沿交叉学科。目标是发表前10%(IF 20)的高影响力论文。期刊特色包括中英双语图文、双语视频、可重复分析、图片打磨、60万用户的社交媒体宣传等。2022年2月正式创刊相继被Google Scholar、PubMed、SCIE、ESI、DOAJ、Scopus等数据库收录2025年6月影响因子33.2中科院分区生物学1区Top位列全球SCI期刊前千分之三(65/22249)微生物学科2/163仅低于Nature Reviews学科研究类期刊全球第一中国大陆5/585“iMetaOmics” 是“iMeta” 子刊主编由中国科学院北京生命科学研究院赵方庆研究员和香港中文大学于君教授担任目标是成为影响因子大于10的高水平综合期刊欢迎投稿iMetaMed 是“iMeta” 子刊专注于医学、健康和生物技术领域目标是成为影响因子大于15的医学综合类期刊欢迎投稿iMeta主页http://www.imeta.science姊妹刊iMetaOmics主页http://www.imeta.science/imetaomics/出版社iMeta主页https://onlinelibrary.wiley.com/journal/2770596x出版社iMetaOmics主页https://onlinelibrary.wiley.com/journal/29969514出版社iMetaMed主页https://onlinelibrary.wiley.com/journal/3066988xiMeta投稿https://wiley.atyponrex.com/journal/IMT2iMetaOmics投稿https://wiley.atyponrex.com/journal/IMO2iMetaMed投稿https://wiley.atyponrex.com/submission/dashboard?siteNameIMM3邮箱officeimeta.science
iMetaOmics | 江南大学吴群组河南大学时玉组-解析高温发酵群落稳定性
点击蓝字 关注我们含生物合成基因簇物种通过增强生态凝聚力来驱动微生物群落的热稳定性iMetaOmics主页http://www.imeta.science/imetaomics/研究论文● 期刊iMetaOmics●英文题目Biosynthesis gene cluster-containing species drive microbial community stability under thermal stress through enhanced ecological cohesion●中文题目含生物合成基因簇物种通过增强生态凝聚力● 原文链接https://onlinelibrary.wiley.com/doi/10.1002/imo2.70082● DOI: https://doi.org/10.1002/imo2.70082● 2026年2月15日江南大学吴群、河南大学时玉等在iMetaOmics发表了题为“Biosynthesis gene cluster-containing species drive microbial community stability under thermal stress through enhanced ecological cohesion”的文章。● 本研究以大曲Daqu自然发酵为模型追踪温度从约20 ℃升至65 ℃过程中微生物群落的变化评估含生物合成基因簇biosynthesis gene clustersBGCs的物种对群落稳定性的影响并通过合成群落SynCom共培养实验进行验证。● 第一作者班世博● 通讯作者时玉yshihenu.edu.cn、吴群wuqjiangnan.edu.cn● 合作作者何冰浩、宋阳、安新丽、徐岩● 主要单位江南大学生物工程学院、贵州茅台酒股份有限公司、贵州省发酵工业微生物资源开发重点实验室、荷兰乌得勒支大学生物学系环境生物学研究所、河南大学作物逆境适应与改良国家重点实验室亮 点● 沿自然升温梯度约20–65 ℃的iCAMP系统发育分组分析显示群落组装过程在不同阶段发生变化● 含BGC的系统发育分组与更高的生态凝聚力以及与稳定性相关的网络性质有关并且在热胁迫下更明显● 按温度区间构建分子生态网络后去除模拟说明部分类群的移除会明显降低网络稳健性和“崩塌阈值”● 基于分离株的SynCom共培养实验显示在不同温度下含BGC的关键物种的存在会使群落生物量更高。摘 要理解决定微生物群落生态稳定性的机制有助于解释微生物如何适应环境变化。本研究在自然发酵过程中温度从约20 ℃升至65 ℃利用连续的宏基因组采样分析群落演替与组装机制。结果显示温度相关的选择作用促使耐热类群富集而随机过程对真菌群落的影响更强说明确定性与随机性过程共同塑造群落组装。进一步分析表明细菌的更替主要与异质选择和扩散受限相关真菌则更多与同质选择和漂变相关。在温度梯度中iCAMP分析识别出27个细菌分组和140个真菌出现显著组成变化。其中11个含BGC的物种可通过增强物种间的正向凝聚力来提高群落稳定性。通过移除模拟进一步筛选出6个对维持热胁迫下稳健性更关键的含BGC物种基石物种共培养实验验证在加入这6个物种的情况下群落生物量相较不加入时提高50.08%以上综上含BGC物种可能通过增强生态凝聚力并在高温胁迫下提升生物量产出从而维持微生物群落稳定性。视频解读Bilibilihttps://www.bilibili.com/video/BV1upcfziEiL/Youtubehttps://youtu.be/7EIKUWPd7IQ中文翻译、PPT、中/英文视频解读等扩展资料下载请访问期刊官网http://www.imeta.science/imetaomics/全文解读引 言微生物群落在生态系统功能中起关键作用但其稳定性会受到环境变化尤其是升温的挑战。在微生物生态系统中仅用环境条件、生态位分化、资源异质性以及物种互作等确定性因素往往不足以解释群落动态的全部复杂性。虽然常用多样性指数和相似性指标去描述这些变化但这类指标很难进一步区分确定性作用与随机作用各自的相对贡献。群落组装过程能够同时反映群落内部的相互作用和外部环境的筛选效应其中基于系统发育关系划分的分组bin在微生物群落组装研究中具有重要意义。温度梯度会显著调控微生物生长、演替以及生态系统功能。面对升温压力微生物群落可以通过多种方式进行适应。但在温度响应下组装机制如何被重构、以及这种重构如何支撑群落稳定性仍缺乏清晰答案。阐明这些机制对于理解并预测变暖背景下微生物群落的韧性至关重要。从组装过程的角度看群落动态通常可以归纳为五类机制同质性选择HoS即相似环境下确定性筛选使群落趋同异质性选择HeS即环境差异导致群落分化扩散受限DL即迁移受阻使类群难以到达适宜位置同质化扩散HD即强扩散混合群落并提高相似性以及漂变DR即在缺乏强确定性驱动时由出生—死亡随机波动引起的变化。温度能够显著影响这些过程但温度梯度究竟如何重塑组装机制并在此过程中维持群落稳定性目前仍不明确。微生物适应高温通常有明确的生理与分子基础例如改变细胞膜组成、上调热休克蛋白或重编程代谢通路与相关基因调控从而使耐热类群在群落中占据优势。不过在温度驱动的选择压力下哪些关键物种bin在维持稳定性方面发挥核心作用、它们具体通过什么生态过程实现这一作用仍缺乏系统描述除了组装过程本身微生物基因组还携带一些能够影响互作与稳定性的功能性状其中一个重要热点是生物合成基因簇BGC。携带BGC的类群往往能够产生次级代谢物通过化学互作调节胁迫响应并增强物种间凝聚。已有研究表明在温度胁迫下微生物可以通过表观遗传调控和信号转导等途径激活特定的BGC合成抗生素或其他生物活性化合物从而提升环境适应性并具有潜在的生物技术价值。同时群落组成也可能反过来影响多物种体系中的次级代谢表达与互作格局。尽管这些线索说明“Bin—BGC—互作网络”可能在热胁迫下协同作用但在动态升温过程中这类互作网络如何形成、如何支撑稳定性仍缺少系统研究。自然发酵为研究温度快速升高提供了天然模型。该过程覆盖较宽的温度范围能够在特定环境条件下富集适应发酵生态位的微生物从而形成代谢能力较强、韧性较高的群落。然而当关键物种的丰度下降到某一阈值以下时功能稳定性可能丧失并诱发系统状态突变。将丰度与多样性模式与组装机制和网络结构结合起来有助于揭示升温过程中群落结构与功能如何被塑造也能更好地理解微生物对快速环境变化的适应策略。本研究选择了一个在自然条件下温度可快速升高的自然发酵体系——大曲Daqu它是中国白酒生产中常用的发酵启动子。具体而言小麦加水粉碎后压制成曲砖在发酵室内堆叠为五层持续发酵39 d该固态发酵过程会形成陡峭的温度梯度温度可从20 ℃升至65 ℃因此是研究自然升温与热累积条件下微生物生态过程的理想模型。作为相对简单且较封闭的生态系统发酵体系也为原位检验微生物生态学规律提供了良好场景通过宏基因组与代谢组等多组学结合有助于从代谢与网络层面解析群落响应并为发展预测性工具提供数据基础。在本研究中在发酵全程持续开展宏基因组监测并同步关注非生物胁迫变化。提出两个假设第一热胁迫下群落稳定性依赖于一部分基础物种当这些物种的相对丰度下降到关键阈值以下时群落韧性会降低进而引发结构与功能的剧烈变化第二这些基础物种与更高的生态凝聚力以及与稳定性相关的网络性质相联系而这种联系可能由BGC编码的次级代谢功能介导。结 果时间和温度对微生物组装过程的影响为区分发酵时间与温度对微生物组装的影响连续监测了39 d的大曲发酵过程温度由25.5 ℃自然升至65 ℃图S1。共在7个时间点采样累计获得84份样本每个时间点n 3。宏基因组测序获得440.19 Gb原始数据其中324.12 Gb clean reads组装为 22.27 Gb contigs估计覆盖度超过99%得到1,388万条非冗余基因。共有29个属的RPKM 20为优势属图S2。降维分析NMDS显示群落随时间差异不显著ANOSIMR 0.040,p 0.066但在不同温度间差异显著R 0.106,p 0.007。α多样性也呈现相同趋势即随温度变化显著p 0.05而随时间变化不显著图1A、1B和表S1。由于发酵时间对群落结构的影响较弱进一步关注驱动组装动态的关键因素。α多样性与β多样性Aitchison距离之间存在显著相关图1C和图S3R² 0.485,p 0.001说明尽管群落整体结构随时间相对稳定内部组成仍持续发生调整。为进一步解析组装过程采用基于系统发育分组的零模型方法iCAMP评估不同组装机制的相对贡献表S2。结果显示细菌组装以确定性过程为主占34.96±3.90%其中异质性选择HeS占12.92 ±1.71%图1D说明温度及微生物适应性在塑造细菌群落结构中起主导作用。相比之下真菌组装主要受扩散受限DL支配占78.79±1.45%说明真菌在发酵环境中扩散受到明显限制同质性选择HoS4.40±1.31%贡献较小异质性选择HeS2.69±0.82%贡献更低说明发酵环境的选择压力对真菌群落分化的驱动相对有限图1E。进一步的相关检验显示温度与细菌群落的HeSR 0.085,p 0.049和DLR 0.097,p 0.042呈正相关。对于真菌群落温度与 HoSR 0.210,p 0.009、DLR 0.153,p 0.018、漂变DRR 0.075,p 0.041以及真菌群落的确定性组装R 0.170,p 0.019和随机组装R 0.170,p 0.023均呈正相关而发酵时间仅与真菌群落 DRR 0.076,p 0.041呈正相关图1F。偏Mantel分析进一步表明在控制时间影响后群落组装过程与温度仍显著相关R 0.079,p 0.038相反在控制温度影响后组装过程与时间R 0.027,p 0.246或酸度R -0.054,p 0.903均无显著关联。因此温度对群落组装的重要性明显高于发酵时间。鉴于温度的显著作用进一步沿温度梯度分析组装机制的变化图1G。细菌方面扩散受限DL在低温与中温阶段27–30 ℃增强而在更高温度下降低异质性选择HeS在低温25.5 ℃与27 ℃以及高温62 ℃与64 ℃更强而同质性选择HoS在中温范围30–45℃占主导。真菌方面HeS整体较低但在29 ℃、40 ℃、58.5 ℃和64 ℃相对升高HoS在26℃达到峰值并随温度升高而降低DL与DR是真菌组装的关键过程尤其在高温阶段52–60 ℃更为明显。总体而言这些模式进一步支持温度而非发酵时间是组装机制转变的主要驱动因素且在热胁迫条件下表现更突出。图1. 不同发酵时间与温度下群落组装过程的变化AB采用非度量多维尺度分析NMDS对微生物群落进行排序用于分析发酵时间A与温度B对微生物群落的影响并使用相似性分析ANOSIM进行检验。Cβ 距离Aitchison距离与Simpson指数的相关性每个点代表一次两两比较β 距离指两组群落之间的Aitchison距离对应的Simpson指数表示该样本对的平均α多样性。Aitchison距离基于样本间的比例距离具体以中心化对数比CLR变换向量的欧氏距离为基础用于比较两类微生物群落在结构与组成上的度量差异。每一个β距离均按不同温度下所有群落的两两距离计算得到。DE确定不同时间点细菌D与真菌E组装过程的相对重要性矩阵中的每个方格表示两个采样日之间该组装过程的估计贡献旁侧散点图展示过程贡献与发酵天数之间的回归关系。所有iCAMP分析均基于分类学丰度数据完成。回归方程、Pearson R值与显著性标记位于左下角而不同时间点的群落组装过程显示在右上角。F温度/发酵时间与群落组装过程之间的相关性。连线的宽度与颜色分别表示 Mantel的R值与Mantel的p值。Mantelp 0.05 的连线表示相关性显著。Mantel 检验以温度/时间矩阵作为环境变量以 iCAMP 计算得到的过程比例作为群落矩阵。G群落组装过程对温度变化的响应。箱线图展示 8 个温度梯度下样本数量的分布。样本按其观测发酵温度重新排序每个箱线图汇总对应5℃区间T1–T8内五种过程的比例。HeS异质性选择HoS同质性选择DL扩散受限HD同质化扩散DR漂变及其他。T125–30℃T230–35℃T335–40℃T440–45℃T545–50℃T650–55℃T755–60℃T860–65℃。***p 0.001**p 0.01*p 0.05。发酵天数1–39 d的颜色在图A、D、E 中保持一致温度分箱T1–T8的颜色在图B与G中保持一致。高温下微生物群落与组装功能类群的变化鉴于温度的重要性按温度重新排序样本以识别高温阶段的关键类群。随后采用滑动窗口策略将温度相邻的每8个样本归为一组并用逐步聚类方法构建分子生态网络MEN共获得76个MEN图S4。在这76个MEN中可观测物种数基本恒定288–292表S3。同时总微生物丰度在76个MEN间无显著差异RPKM2030.84–2415.21ANOSIMR 0.018,p 0.053说明这种网络分组策略在一定程度上降低了温度对群落丰度的直接影响。为描述温度梯度上的网络特征分析了温度与关键指标微生物丰度、节点持久性、Aitchison距离之间的关系图2A。其中节点持久性定义为持久节点数与可见物种数之比用于表征群落稳定性Aitchison距离用于衡量群落组成差异。总体上群落特征与温度呈正相关图2A。进一步分析显示温度与微生物丰度R 0.399,p 0.001和β距离R 0.243,p 0.036呈正相关并与α多样性R -0.405,p 0.001存在显著相关节点持久性也与温度呈正相关R 0.247,p 0.017图S5。这些结果说明高温通过不同途径推动群落分化并改变稳定性相关特征。将温度效应映射后可见群落特征主要分布在四个温度区间图2B28.06–44.44 ℃、44.81–49.19 ℃、49.87–58.31 ℃ 以及 58.75–63.81 ℃当温度处于58.75–63.81 ℃时微生物丰度由2162.87升至2319.34节点持久性由0.24逐步回升至0.51Aitchison距离由18.56升至32.42表S3。这表明β距离的增加与网络中部分节点的消失密切相关。为进一步理解温度驱动的群落变化本研究计算了群落组装的生态过程。在可观测群落的组装过程中共识别出27个细菌bin与140个真菌bin细菌方面HoS、HeS、DL、HD与DR对应的bin占比分别为11.11%、11.11%、11.11%、14.81%和51.85%其对应的相对丰度分别为26.84%、24.30%、7.35%、4.67% 和 36.85%图2C。真菌方面HoS、HeS、DL与DR对应的bin占比分别为16.43%、10%、5%和68.57%其对应的相对丰度分别为2.12%、1.19%、80.94%和15.70%图2D。据此将27个细菌bin和 56 个真菌bin定义为高温条件下与组装相关、并有助于维持群落丰度与多样性的关键类群。总体来看这些结果强调不同生态过程在高温条件下共同驱动组装其中漂变对高温阶段的贡献尤为突出。图2.微生物分化发生于群落组装过程中A随温度变化对群落丰度的β距离、节点持久性与Aitchison距离进行标准化分析。Aitchison距离由CLR变换后的分类学丰度向量计算得到柱形与折线叠加分别表示节点持久性与Aitchison距离的标准化数值。B温度变化下微生物特征的分布用于可视化全温度梯度范围内各属性的相对大小。CD细菌C与真菌D的系统发育树位于中心外围由6个同心环组成用于表示不同过程的重要性最外环为 DR依次向内为HD、DL、HoS最内环为ASV丰度。该图基于iCAMP分析结果展示各系统发育类群中这些过程的丰度加权显著性。此外包含超过5个ASV的分箱会被高亮显示并且超过该阈值的分箱会被合并以提高可视化清晰度。HeS异质性选择HoS同质性选择DL扩散受限HD同质化扩散DR漂变及其他图C与图D中五种组装过程的颜色设置完全一致。含BGC组装功能物种在高温下维持群落稳定性的作用为识别在高温下与稳定性相关的功能类群使用eggNOG进行基因功能注释。基于contigs共注释到847,724个蛋白其中242,497个蛋白与代谢功能相关代谢功能占全部注释的28.7%图3A。在与代谢相关的 8 类功能组中“次级代谢生物合成、转运与分解”基因与温度呈显著正相关R 0.230,p 0.046图S6。随后解析了BGC的分类来源。在17个优势属及其他属中共识别到1413个BGC其中拟青霉属与曲霉属为主要来源尤其富集于PKS与NRPS类型。不同类群的平均BGC数存在差异例如芽孢杆菌属同时包含NRPS与PKS-NRP杂合类型。此外拟青霉属与芽孢杆菌属中超过50%的含 BGC 类群来源于55 ℃以上阶段图3B。综合其在组装中的作用与次级代谢潜力共识别173个含BGC物种表S4以及83个与组装贡献相关的bin其中11个物种被界定为含BGC组装功能物种图3C。为量化其生态作用评估显示其对群落组装的贡献。线性回归结果显示含BGC组装功能物种是主要驱动因素可解释80.38%的变异相比之下其他基因簇类群的解释度明显更低细菌13.65%真菌22.97%图3D说明BGC相关类群在组装过程中具有关键作用。进一步结合物种连通性与丰度计算了正向与负向凝聚力并通过零模型获得对应指标。结果显示零模型的正向凝聚力随温度升高而同步达到峰值而负向凝聚力呈不规则波动。主成分分析表明正向凝聚力是群落稳定性的主要贡献因素74.95%图S7。在包含全部物种时群落正向凝聚力0.303至0.464显著高于去除含BGC组装功能物种后的群落0.289至0.461图3E同时去除后群落的负向凝聚力-0.215至-0.152显著高于包含全部物种时-0.224至-0.154。这些结果说明含BGC组装功能物种可能通过增强正向互利关系来提升群落凝聚力图3F。相关分析与多元线性回归进一步表明这些类群具有温度韧性能在升温过程中帮助维持微生物稳定性图3G。因此含BGC组装功能物种与生态凝聚力增强密切相关。图3.含BGC组装功能物种对群落稳定性的贡献A基于COG功能类别的微生物功能分布。J翻译、核糖体结构与生物发生K转录L复制、重组与修复B染色质结构与动态D细胞周期控制、细胞分裂与染色体分配Y核结构V防御机制T信号转导机制N细胞运动Z细胞骨架W细胞外结构U细胞内转运、分泌与囊泡运输O翻译后修饰、蛋白质周转与伴侣蛋白C能量产生与转换G碳水化合物转运与代谢E氨基酸转运与代谢F核苷酸转运与代谢H辅酶转运与代谢I脂类转运与代谢P无机离子转运与代谢Q次级代谢物生物合成、转运与分解代谢S功能未知。B桑基图展示不同温度下BGC的分类学来源属水平以及不同家族中BGC类型的组成。未包含在17个优势属中的物种合并为 Others未包含在5个优势BGC类型中的BGC合并为Others。CVenn分析识别出11个既对群落组装有贡献又含BGC物种。在iCAMP分析中观测到的细菌与真菌ASV分别依据系统发育信号阈值划分为27个与140个bin。antiSMASH预测得到的所有BGC序列均完成注释并将至少包含1个BGC的物种定义为含BGC组装功能物种。此处“bin”指由iCAMP定义的系统发育聚类与ASV或分类学物种不同。D线性回归分析用于展示物种对群落组装的贡献。每个回归模型的标准化系数表示物种丰度对群落组装过程影响的强度。EF含BGC组装功能物种与不含BGC物种的正凝聚力E与负凝聚力F。凝聚力定义为物种间显著正相关或负相关之和并按物种丰度加权表示群落中正向与负向共现关系用于表征高温条件下由于正负物种互作或生态位相似性/差异性导致的群落连通性变化。组间差异采用Fisher’s LSD检验评估不同字母如a、b表示显著差异。G含BGC组装功能物种的含量与温度呈正相关颜色表示含BGC组装功能物种每个点对应一个群落在其观测发酵温度下的取值图B与图G的分类颜色方案保持一致。高温下微生物适应性与含BGC组装功能物种含量的关联为阐明含BGC组装功能物种如何影响高温下微生物适应性在各温度点计算基于Jaccard距离的共现距离图4A。结果显示在50 ℃以下共现距离相对稳定而在51.31–61.31 ℃之间显著升高。随着温度上升群落表现为多样性下降同时含BGC组装功能物种丰度上升。因此推测在60 ℃以上阶段群落可能通过功能变化形成更强的耐温性并维持较高水平的互作网络。为评估其在群落中的关键性本研究进行逐一移除模拟图4B、4C和图S8A。崩塌阈值表示在随机移除过程中网络鲁棒性降为0之前可被移除的最大节点数。当11个含BGC组装功能物种全部存在时崩塌阈值为285.868逐一移除其中6个物种A. nidulans、B. velezensis、P. variotii、P. acidilactici、P. kudriavzevii和R. microsporus会使阈值降至283以下而移除另外5个物种时阈值仍高于284一致地移除前6个与后5个物种后阈值分别降至279.802与281.066移除全部11个物种后阈值降至274.987图4B。鲁棒性结果同样显示移除前6个物种会导致鲁棒性显著下降而移除后5个物种仅造成轻微下降至0.434仍显著高于移除全部11个物种后的0.429图4C。这表明前6个物种对网络稳定性贡献更大。因此将其定义为基石物种即同时满足“含BGC”且在iCAMP的组装体系中被识别为关键贡献者的物种。进一步分析网络拓扑指标异质性反映连边分配的不均匀程度中心化描述网络是否由少数高度连接节点主导模块度描述网络划分为子模块的程度连通性概括整体互作密度。去除含BGC组装功能物种后异质性、中心化、模块度与连通性均明显降低说明互作结构被削弱。在55–64 ℃范围内基础网络整体保持较高拓扑稳定性异质性、中心化与模块度呈阶段性波动连通性在最高温度阶段略降图4D–G。总体而言结果支持高温胁迫下网络仍具一定拓扑稳定性而基石物种有助于维持互作密度并缓冲极端温度阶段的稳定性损失表S5。共现分析也说明这些类群在极端温度下可维持更高互作密度从而缓冲多样性下降并促进扰动后恢复缺失它们会导致网络碎片化进一步验证其稳定性“锚点”作用。图4. 群落稳定性受含BGC组装功能物种数量的限制A温度变化过程中的微生物共现距离。共生距离用Jaccard距离表示该指标用于识别不同群落中微生物的存活距离Jaccard不相似度反映群落之间最低存活相似性。B移除每一个或全部11个含BGC组装功能物种后微生物群落的崩塌阈值。崩塌阈值指在随机节点移除过程n 76中在群落鲁棒性降至0之前可被移除的最大节点数。该值代表在随机删除条件下使网络崩塌所需丧失的最少节点数指示群落崩塌。该阈值说明当物种被移除时群落稳定性出现显著丧失的关键点。C移除含BGC组装功能物种对群落稳定性的影响鲁棒性量化网络在逐步移除节点直至崩塌之前的耐受能力数值越高表示稳定性越强。内圈表示对所示物种/类群的定向移除外圈表示温度。温度颜色与图 A 保持一致物种颜色与图 B 保持一致。D–G缺失含BGC组装功能物种后不同温度下微生物稳定性特征的变化。含BGC组装功能物种的生物量在维持微生物稳定性中的作用含BGC组装功能物种在高温下有助于维持微生物丰度但其作用是否同样存在于50℃以下仍需进一步验证。因此在全温度范围内分析次级代谢相关作用对互利关系与存活的影响。为区分BGC本身与含BGC物种的作用用普氏分析评估数据一致性结果表明BGC对稳定性的贡献同样主要来源于含BGC物种图5A和图S9A。矩阵相关分析进一步显示90.3%149/165的含BGC物种会显著影响群落BGC含量图5B。同时温度相关分析显示并非所有含BGC组装功能物种都具有显著耐温性图S9B。在分离株合成群落实验中接种比例指基石物种与不含BGC物种的比例。36 ℃时1:0 组总生物量最高9.44 Lg copies/g而0:1组为6.29 Lg copies/g提升超过50.08%47℃ 时1:3 组最高10.82 Lg copies/g0:1组降至3.43 Lg copies/g提升超过215.45%57 ℃时1:0组仍占优势11.08 Lg copies/g0:1 组为3.57 Lg copies/g提升超过210.36%在61 ℃极端条件下1:3 组最高5.32 Lg copies/g0:1组为3.50 Lg copies/g提升超过52.00%图5C。这些结果表明群落稳定性更依赖基石物种的存在而非所有物种都具备相同耐受能力。进一步地选取6个基石物种与6个其他物种既不贡献组装也不含BGC开展验证在4个温度梯度下均显示含BGC组装功能物种可提高群落整体耐温性促进群落总丰度上升并减缓高温下其他物种下降从而增强生态凝聚力并提升热胁迫下的微生物稳定性。图5.含BGC组装功能物种调控次级代谢基因、群落稳定性与群落物种丰度A使用Procrustes分析评估含BGC组装功能物种与次级代谢基因之间的相关程度。三角形表示BGC数据圆形表示含BGC组装功能物种的丰度数据。M2表示两组数据点坐标与其在变换后对应点坐标之间偏差的平方和。T136 ℃T247 ℃T357 ℃T461 ℃。B包含 BGC 的类群矩阵与次级代谢基因矩阵之间的相关性检验。C在合成群落SynCom共培养实验中含BGC组装功能物种与不含BGC物种的含量变化每个实验组设置3个生物学重复。含BGC组装功能物种的存在提高了群落总物种的含量。p 0.05**p 0.01***p 0.001。讨 论本研究强调了温度在塑造微生物群落组装中的关键作用它既可能成为“破坏者”也可能成为“重构者”这一双重效应在高温胁迫下尤为明显。在分子生态网络构建与分析中观察到含BGC组装功能物种能够促进微生物互作在高温环境中对组装过程产生显著影响并有助于维持群落稳定。进一步而言基石物种能够随组装过程动态变化而发挥作用从而推动群落向更稳定的状态演化。验证实验同样支持这一点含BGC组装功能物种可显著提高群落稳定性增强极端热胁迫下的韧性并维持功能持续。总体上这些结果凸显了BGC及其相关物种在支撑稳定性与促进热适应中的核心意义。值得注意的是除高温阶段的特征外低温阶段也呈现清晰的阶段性结构这说明应以“分阶段”的视角理解温度轨迹不同温度子区间可能对应不同的生态状态与组装规律。在本研究中提出含BGC组装功能物种可凭借环境耐受性参与维持群落稳定并据此界定其中贡献不成比例的一组物种为基石物种。一个值得关注的现象是尽管夏季环境温度最高发酵温度并未同步达到峰值这说明微生物可能通过代谢产热与热量调控对发酵温度进行“自调节”以维持体系相对稳定。这种自调节也反映了自然微生物群落在面对波动热环境时的生态意义。基于此对“关键物种”的理解不再仅限于丰度高低而更强调其在生态位占据、资源利用以及对环境变化的适应能力等方面的综合贡献。本研究识别出6个基石物种——A. nidulans、B. velezensis、P. variotii、P. acidilactici、P. kudriavzevii和R. microsporus——它们可能通过多维度协同机制影响群落组装。已有研究说明B. velezensis可通过分泌代谢物实现功能协同并抑制病原P. acidilactici可通过环境酸化抑制竞争微生物R. microsporus可降解有机底物以促进共生定殖A. nidulans则可能通过产生抗胁迫相关代谢物提高环境适应性。上述物种共同作用可能通过网络重塑、竞争分工与协同应激响应来稳定群落功能。与此同时次级代谢物在介导微生物互作中具有重要作用能够塑造多种物种间关系。例如共培养条件下微生物常通过分泌具有抑制性的次级代谢物获得竞争优势而在亚抑制浓度下次级代谢物也可能影响转录调控、毒力、运动性与生物膜形成进而改变群落组装过程。结果显示含BGC组装功能物种在53 ℃到55 ℃这一温度转换节点出现短暂的丰度下降。这一现象说明这些物种可能具有“耐温—恢复”特征当群落受到扰动甚至被破坏后具备较强环境耐受性的物种能够更快恢复种群规模并促进群落重新建立从而加速系统恢复过程。含BGC组装功能物种可能凭借其耐热性促进互利关系进而增强群落稳定性。在高温环境中微生物也可能通过互作提升其他生物如藻类的耐热能力形成互利共生帮助其在极端条件下维持生存。这类互作不仅提高单个物种的存活概率也有助于维持整体群落稳定。因此耐温性正在成为支撑微生物互利与稳定性的关键因素之一也为理解物种间动态提供了新的视角。当基石物种被移除时群落更容易出现失衡并伴随互利关系强度显著下降。基石物种在维持稳定性与功能多样性方面具有关键作用其缺失会打破群落的微妙平衡。为评估物种丧失对群落结构与稳定性的影响提出“稳态系数”的概念体系。结果表明在外部胁迫下群落稳定性本质上反映为群落内部的反馈调节能力负反馈通过抑制并削弱初始扰动来稳定系统而正反馈则会放大变化使系统偏离稳定状态。因此用于表征微生物稳定性的稳态系数应更关注负反馈调节节点间连通性越强、负向互作越强、网络聚类程度越低群落越可能保持稳定。物种间互作包括营养竞争、共生关系与信号机制在很大程度上依赖基石物种的存在。一旦基石物种开始下降或被完全移除分子生态网络将更为脆弱整体功能也会受到明显影响表现为多样性下降、有益类群减少从而进一步加剧既有的失衡状态。在气候变化背景下微生物群落对快速环境变化的适应是一个关键问题。随着温度持续升高理解复杂微生物体系例如自发发酵如何适应尤为重要因为往往无法对体系中所有菌株进行完全分离培养。将研究重心聚焦于基石物种有助于从可干预的角度理解并调控群落组装与互利关系。本研究从高温环境下微生物互利的视角提供了基石物种作用的证据并强调含BGC组装功能物种在维持稳定性中的重要性。与传统上将其简单视为“竞争者”的观点不同含BGC组装功能物种在高温条件下反而可能成为维持稳定性的关键力量。未来仍需在代谢物层面以及更高阶互作层面进一步验证这些发现以更全面理解其在持续环境胁迫下的生态意义与应用潜力。结 论总之通过整合基于iCAMP的系统发育分箱组装推断、分子生态网络分析以及基于分离株的SynCom验证结果显示在大曲自发发酵的20–65 ℃温度轨迹上微生物群落组织与温度密切相关并呈现清晰的阶段性动态。含BGC的系统发育分箱及本研究定义的基础物种始终与更高的生态凝聚力和热胁迫下与稳定性相关的网络性质相联系移除模拟也显示它们对网络鲁棒性和崩溃阈值具有不成比例的贡献。值得注意的是SynCom实验进一步支持这些类群的功能意义在特定接种比例下生物量优势随温度而变化。综合来看本研究提出BGC相关的基础物种是热胁迫发酵生态系统中与稳定性紧密相关的关键组成并提供了一个用于解析系统发育结构与次级代谢潜力如何关联群落韧性的分析体系。方 法样品采集与测温样品采自赤水河流域一家知名中国白酒酒厂的自发发酵过程。四季发酵批次采用一致的工艺流程。根据温度变化在发酵第 1、3、7、9、11、15和39天进行采样。为降低样品内部异质性每个样品由同一块大曲的5个子样四个边缘点与一个中心点混合获得这些子样不作为独立重复。每个时间点从3个发酵室采集作为生物学重复并在四个季节批次的 7 个时间点重复采样。最终共获得84个样品采集后立即液氮速冻并在−80℃保存以供后续分析。发酵温度全程连续监测图S1不同生物学重复间温度差异较小变异系数CV 10%。宏基因组测序与数据分析总DNA提取与测序用于宏基因组测序的DNA采用Omega Soil DNA Kit按说明书提取。DNA的纯度与浓度分别使用Qubit 2.0与Nanodrop One测定。样品通过质检与定量后按Illumina TruSeq DNA样品制备指南构建DNA文库并在Illumina NovaSeq 6000平台进行shotgun 测序。宏基因组分析流程原始reads使用 rim Galorev0.5.0在默认参数下去除接头序列与低质量reads质量分数 20。reads质量使用FastQCv0.11.8评估。最终保留396.7 Gb clean reads。每个样品的clean reads使用MEGAHITv1.1.3在默认参数下组装。随后将同一研究中的clean reads分别按双端方向混合为两个fastq文件上游与下游各一个用于后续整合分析。对获得的contigs采用CD-HITv4.8.1去冗余参数为-c 0.95 -M 640000 -T 24 -n 5 -d 0 -aS 0.9 -g 1 -sc 1 -sf 1。去冗余后的contigs使用 Prodigalv2.6.3预测基因与蛋白序列并用EukRepv0.6.7区分真核与原核序列。非冗余基因的分类注释使用DIAMONDv0.9.35.136数据库为NCBI NR构建的DIAMOND数据库。功能注释使用eggNOG-mapperv2.1.12数据库为eggNOGv5.0.2。基因丰度使用Bowtie2v2.2.5进行比对定量并将所有基因丰度标准化为每百万比对reads的每千碱基片段数RPKM。生物合成基因簇BGC预测真核与原核序列的BGC分别使用 antiSMASHv6.0的真菌版与细菌版进行预测参数为--taxon bacteria --output-dir --genefinding-tool prodigal --cb-knownclusters -c 4 --cc-mibig --cb-general --cb-subclusters-fullhmmer。分子生态网络分析分子生态网络MEN使用MENA平台基于类群丰度谱构建。为考察温度依赖的互作模式我们采用滑动窗口策略将温度相邻的每8个样本归为一组并以该组内的平均类群丰度作为网络构建输入共生成76个MEN。为提高网络可靠性仅保留RPKM 1的物种用于后续相关性计算。网络基于log转换后的物种RPKM值计算Pearson相关。互作阈值由随机矩阵理论RMT确定用于筛选显著关联。网络拓扑指标在 MENAP界面计算。所有网络在RStudio中使用WGCNAv1.72-1、igraphv1.3.0、dplyrv1.1.3、Hmiscv4.7-0与reshape2v1.4.4等R包进行可视化。在MEN构建过程中并非所有检测到的物种都会在丰度筛选与RMT阈值筛选后被保留为网络节点因此节点数通常小于窗口内的可见物种数。我们采用节点持久性nodes/visible species量化MEN的稳定性。为评估维持网络稳定性的关键节点使用鲁棒性robustness表征MEN对节点丧失的抵抗能力并模拟随机移除或针对性删除特定节点的扰动。在随机物种丧失模拟中按固定比例随机移除节点。为评估基石物种的贡献针对性节点移除分两步进行先删除包含基石物种的节点再随机移除其他节点。该策略用于评估基石物种在扰动下维持网络结构与潜在功能完整性的作用。全部分析在RStudio中完成并使用foreach与doParallel进行并行计算以提高效率。菌株分离与共培养实验菌株分离为分离发酵体系中的微生物我们将样品与PBS按1:10混合后进行梯度稀释。选择10⁻⁴至10⁻⁶的稀释度进行分离细菌在LB培养基上分离加入两性霉素酵母在WL培养基上分离加入青霉素-链霉素与氯霉素霉菌在孟加拉红培养基上分离。合成群落SynCom构建与培养我们在固态体系中构建5组合成群落用于共培养实验。接种比例定义为基石物种不含BGC物种的比例。第一组6个基石物种等量混合共培养1:0。第二组6个基石物种与6个不含BGC物种按3:1比例接种。第三组与第四组接种比例分别为1:1与1:3。第五组6个不含BGC物种等量混合共培养0:1。上述 5 组总接种浓度均为1 × 10⁶ CFU/g组内基石物种按相同细胞浓度接种不含BGC物种同样按相同细胞浓度接种。固态培养基制备将小麦500 g与水750 mL在3 L烧杯中混合4 ℃静置6 h后于105 ℃高压灭菌45 min。冷却后获得小麦固态培养基。将不同SynCom接种至小麦培养基在4个温度条件下培养7天图S10。在培养第 0 天与第 7 天采样每个培养条件设置3个生物学重复样品均于−80 ℃保存用于后续qPCR分析。统计分析除非另有说明群落层面的排序分析、α/β 多样性分析以及MEN构建均基于物种水平分类丰度谱并以RPKM标准化。功能分析包括BGC相关分析基于基因/BGC注释及其丰度或计数。细菌、真菌与总物种的α多样性以及共现距离使用picante包计算。NMDS与ANOSIM用于评估组间差异使用vegan包v2.7-2。所有检验均为双侧检验p 0.05 视为显著。群落组装过程与系统发育分箱采用iCAMP分析。在iCAMP中bin系统发育分箱指基于系统发育关系聚类得到的物种组主要包括两步(1)计算系统发育距离基于系统发育树计算所有物种两两间的进化距离(2)按阈值聚类设置系统发育距离阈值ds 0.2与最小分箱大小bin.size.limit 24将两两距离不超过阈值的物种归入同一分箱并保证每个分箱包含足够物种用于后续统计。本文中的“bin”均指iCAMP系统发育分箱“含BGC bin”指基于分类丰度与BGC注释判定、包含含BGC类群的系统发育bin本文不涉及MAG分箱。为量化不同分箱类别对群落组装过程的贡献我们以四个预测变量进行线性回归bins_bacteria、bins_fungi、含BGC的细菌以及含BGC的真菌将各生态过程的相对贡献作为响应变量。模型拟合前对所有预测变量进行z-score标准化以提高回归系数可比性。对每个过程分别拟合独立回归模型输入矩阵来自主分析流程的标准化丰度矩阵。提取标准化回归系数β并将其解释为不同分箱类别对组装过程的效应强度。为保证可重复性所有输入矩阵与系数表均在分析脚本中导出。凝聚力cohesion用于量化群落连通性分别衡量正向与负向共现模式的强度。群落差异采用未稀释数据计算的Aitchison距离与Jaccard距离表示样本对间距离采用欧氏距离表示并在 R 中使用compositions包计算。含BGC分箱与次级代谢基因之间的对应关系通过Procrustes分析在RStudio中完成vegan v2.7-2。代码和数据可用性原始测序数据已提交至NCBI Sequence Read ArchiveSRA登录号为PRJNA1290789https://www.ncbi.nlm.nih.gov/bioproject/PRJNA1290789。本文使用的数据与脚本保存在GitHubhttps://github.com/Lucas-Ban/Daqu-community-analysis.git。补充材料图表、图形摘要、幻灯片、视频、中文翻译版本及更新材料可从线上http://www.imeta.science/imetaomics/获取。引文格式Shibo Ban, Binghao He, Yang Song, Xin Li An, Yan Xu, Qun Wu, Yu Shi. 2026. “Biosynthesis gene cluster-containing species drive microbial community stability under thermal stress through enhanced ecological cohesion.”iMetaOmics2: e70082. https://doi.org/10.1002/imo2.70082.作者简介班世博第一作者● 江南大学生物工程学院2025届博士毕业生。● 研究方向为发酵食品微生态及其天然产物挖掘。主持江苏省研究生创新项目一项获中国轻工业联合会科技进步二等奖以第一作者在iMetaOmics、mSystems、International Journal of Food Microbiology、LWT等期刊发表SCI论文5篇。吴群通讯作者● 江南大学生物工程学院教授博士生导师江苏省特聘教授。● 长期从事白酒酿造微生物生态学的研究近年来在Advanced Science、Microbiome、ACS Sensors等期刊共发表SCI论文90余篇入选全球前2%顶尖科学家榜单2023-2025授权发明专利50余项主持包括国家自然科学基金、国家863计划、国家十三五重点研发计划课题等国家级科研项目获国家科技进步奖二等奖、中国商业联合会科技进步奖特等奖、中国轻工业联合会科技进步奖一等奖、国家专利奖银奖等奖项。时玉通讯作者● 河南大学教授博士生导师河南大学“黄河学者”特聘教授。● 研究方向聚焦农业土壤微生物生态、微生物组大数据分析与生物信息学。入连续4年入选科睿唯安“全球高被引学者”2022-2025与全球前2%顶尖科学家榜单2021–2024获河南省教育厅学术技术带头人2023获江苏省科学技术二等奖2022与中国土壤学会科学技术一等奖2021。主持国家自然科学基金面上项目、河南省优秀青年科学基金及国家自然科学基金青年项目等。以第一/通讯作者在Journal of Ecology、Entomologia Generalis、Agriculture, Ecosystems Environment、iMeta、Environment International、European Journal of Soil Science、Microbiome等期刊发表论文。更多推荐▼ 点击跳转高引文章 ▸▸▸▸iMeta | 引用20000海普洛斯陈实富发布新版fastp更快更好地处理FASTQ数据高引文章 ▸▸▸▸iMeta | 兰大张东组使用PhyloSuite进行分子系统发育及系统发育树的统计分析高引文章▸▸▸▸iMeta | 唐海宝/张兴坦-用于比较基因组学分析的多功能分析套件JCVIiMeta封面1卷1期1卷2期1卷3期1卷4期2卷1期2卷2期2卷3期2卷4期3卷1期3卷2期3卷3期3卷4期3卷5期3卷6期4卷1期4卷2期4卷3期4卷4期4卷5期4卷6期iMetaOmics封面1卷1期1卷2期2卷1期2卷2期2卷3期2卷4期iMetaMed封面1卷1期1卷2期期刊简介“iMeta” 是由威立、宏科学和本领域数千名华人科学家合作出版的开放获取期刊主编由中科院微生物所刘双江研究员和荷兰格罗宁根大学傅静远教授担任。目的是发表所有领域高影响力的研究、方法和综述重点关注微生物组、生物信息、大数据和多组学等前沿交叉学科。目标是发表前10%(IF 20)的高影响力论文。期刊特色包括中英双语图文、双语视频、可重复分析、图片打磨、60万用户的社交媒体宣传等。2022年2月正式创刊相继被Google Scholar、PubMed、SCIE、ESI、DOAJ、Scopus等数据库收录2025年6月影响因子33.2中科院分区生物学1区Top位列全球SCI期刊前千分之三(65/22249)微生物学科2/163仅低于Nature Reviews学科研究类期刊全球第一中国大陆5/585“iMetaOmics” 是“iMeta” 子刊主编由中国科学院北京生命科学研究院赵方庆研究员和香港中文大学于君教授担任目标是成为影响因子大于10的高水平综合期刊欢迎投稿iMetaMed 是“iMeta” 子刊专注于医学、健康和生物技术领域目标是成为影响因子大于15的医学综合类期刊欢迎投稿iMeta主页http://www.imeta.science姊妹刊iMetaOmics主页http://www.imeta.science/imetaomics/出版社iMeta主页https://onlinelibrary.wiley.com/journal/2770596x出版社iMetaOmics主页https://onlinelibrary.wiley.com/journal/29969514出版社iMetaMed主页https://onlinelibrary.wiley.com/journal/3066988xiMeta投稿https://wiley.atyponrex.com/journal/IMT2iMetaOmics投稿https://wiley.atyponrex.com/journal/IMO2iMetaMed投稿https://wiley.atyponrex.com/submission/dashboard?siteNameIMM3邮箱officeimeta.science
