Processing math: 100%
  • Scopus收录期刊
  • CSCD(核心库)来源期刊
  • 中文核心期刊
  • 中国科技核心期刊
  • F5000顶尖学术来源期刊
  • RCCSE中国核心学术期刊
高级检索

千年桐物种特异PGK3-TPS10-CYP726基因簇挖掘及其进化和表达特征

王银行, 高暝, 赵耘霄, 汪阳东, 李伟, 陈益存

王银行, 高暝, 赵耘霄, 汪阳东, 李伟, 陈益存. 千年桐物种特异PGK3-TPS10-CYP726基因簇挖掘及其进化和表达特征[J]. 北京林业大学学报, 2025, 47(2): 1-9. DOI: 10.12171/j.1000-1522.20240385
引用本文: 王银行, 高暝, 赵耘霄, 汪阳东, 李伟, 陈益存. 千年桐物种特异PGK3-TPS10-CYP726基因簇挖掘及其进化和表达特征[J]. 北京林业大学学报, 2025, 47(2): 1-9. DOI: 10.12171/j.1000-1522.20240385
Wang Yinhang, Gao Ming, Zhao Yunxiao, Wang Yangdong, Li Wei, Chen Yicun. Identication of Vernicia montana species-specific PGK3-TPS10-CYP726 gene cluster and its evolution and expression characteristics[J]. Journal of Beijing Forestry University, 2025, 47(2): 1-9. DOI: 10.12171/j.1000-1522.20240385
Citation: Wang Yinhang, Gao Ming, Zhao Yunxiao, Wang Yangdong, Li Wei, Chen Yicun. Identication of Vernicia montana species-specific PGK3-TPS10-CYP726 gene cluster and its evolution and expression characteristics[J]. Journal of Beijing Forestry University, 2025, 47(2): 1-9. DOI: 10.12171/j.1000-1522.20240385

千年桐物种特异PGK3-TPS10-CYP726基因簇挖掘及其进化和表达特征

基金项目: 国家自然科学基金面上项目(31971685),浙江省科技创新领军人才项目(2022R52028)。
详细信息
    作者简介:

    王银行。主要研究方向:林木遗传育种。Email:2022110449@nefu.edu.cn 地址:150040 黑龙江省哈尔滨市香坊区和兴路26号东北林业大学

    责任作者:

    陈益存,研究员。主要研究方向:林木遗传育种。Email:chenyc@caf.ac.cn 地址:311400 浙江省杭州市中国林业科学研究院亚热带林业研究所。

  • 中图分类号: S794.3

Identication of Vernicia montana species-specific PGK3-TPS10-CYP726 gene cluster and its evolution and expression characteristics

  • 摘要:
    目的 

    基于全基因组挖掘高质量物种特异基因簇,为深入分析物种性状和遗传改良提供新的思路。

    方法 

    通过基因组、转录组、蛋白数据联合分析,利用生物信息手段进行高质量基因簇预测与筛选,对目标基因簇进行基因组共线性、基因组结构、系统进化和转录表达分析。

    结果 

    (1)预测了千年桐高可信度PGK3-TPS10-CYP726基因簇,该基因簇中共包括13个酶编码基因,具体包括:3 -磷酸甘油醛脱氢酶3(GAPCP3)、CHD4细胞色素P45071D(CYP71D55)、细胞色素P450726A(CYP726A)、萜类合酶10(TPS10)、磷酸甘油酸激酶3(PGK3)等。(2)PGK3-TPS10-CYP726基因簇具有良好的共表达和共通路特征,在千年桐基因组中展示了良好的独特性和完整性。(3)PGK3-TPS10-CYP726基因簇有约一半基因在双子叶植物中存在较高的保守性,但在单子叶植物中存在基因缺失的现象;PGK3基因一直保留于单双子叶植物和苔藓植物中,其序列在进化过程中高度保守;推测PGK3-TPS10-CYP726基因簇起源于早期基部类群,并在千年桐物种分化后形成。(4)千年桐物种特异PGK3-TPS10-CYP726基因簇在根部特异高表达,在枯萎病病原菌侵染后的早、中期的千年桐根木质部呈现持续显著高表达。

    结论 

    首次鉴定了千年桐物种特异基因簇PGK3-TPS10-CYP726,并分析了其进化起源和表达特征,为解析千年桐抗枯萎病等特有性状提供了新的视角。

    Abstract:
    Objective 

    Identification of high-quality species-specific gene clusters at the genome-wide level provides new ideas for in-depth analysis of species traits and genetic improvement.

    Method 

    By combining genomic, transcriptome, and protein data analysis, high-quality gene cluster prediction and screening were carried out using bioinformatics methods. Genomic collinearity, genomic structure, systematic evolution, and transcriptional expression analysis were performed on target gene clusters.

    Result 

    (1) The PGK3-TPS10-CYP726 gene cluster with high confidence was predicted, including 13 enzyme coding genes, i.e. glyceraldehyde 3-phosphate dehydrogenase 3 (GAPCP3), CHD4 cytochrome P45071D (CYP71D55), cytochrome P450726A (CYP726A), terpenoid synthase 10 (TPS10), phosphoglycerate kinase 3 (PGK3), etc. (2) PGK3-TPS10-CYP726 gene cluster had good co-expression and common pathway characteristics, and showed good uniqueness and integrity in genome of Vernicia montana. (3) About half of PGK3-TPS10-CYP726 gene cluster was highly conserved in dicotyledonous plants, but it was absent in monocotyledonous plants. The PGK3 gene had been preserved in monodicotyledonous plants and bryophytes, and its sequence was highly conserved during evolutionary process. It was speculated that the PGK3-TPS10-CYP726 gene cluster originated from the early basal taxa and formed after V. montana species differentiation. (4) The specific PGK3-TPS10-CYP726 gene cluster of V. montana species was specifically highly expressed in roots, and the xylem of root showed a sustained and significant high expression in the early and middle stages after being infected by Fusarium wilt pathogen.

    Conclusion 

    The specific gene cluster PGK3-TPS10-CYP726 is identified for the first time, and its evolutionary origin and expression characteristics are analyzed, which provides a new perspective for analyzing the unique traits of V. montana such as its resistance to Fusarium wilt.

  • 化肥过量施用、土壤侵蚀、河岸植被破坏等易使面源污染物通过地表径流和地下渗流进入河湖水体中[12]。全球范围内近50%的地表水资源已经受到面源污染的影响。然而,面源污染具有很大的随机性,分布面积广,时间和空间变化幅度较大,所以在监测、控制和治理上存在诸多困难和复杂性,这使得减轻农业面源污染成为一项艰巨的任务,也使面源污染治理逐渐成为水环境保护与水资源利用中的重点和难点[3]

    河岸植被缓冲带是一个由土壤、水、植被等构成的生态系统,通过植物吸收、土壤吸附等一系列物理、化学和生物过程,截留、吸收和转化污染物,阻止径流水中的污染物进入水体,被认为是面源污染防治的有效管理措施[4]。黄斌斌等[5]研究发现,森林的水质净化率最高,达91%,其次是灌丛(87.80%)和草地(82.28%)。Haukos等[6]研究发现,40 ~ 60 m宽的植被缓冲带可以显著减少地表径流中的养分、重金属和其他污染物的负荷。农业区河流失去河岸植被,可能会对河流生态系统的结构和功能产生深远的影响[36]。因此,恢复和重建河岸缓冲带以减少农业活动对河流的污染负荷,应受到重视并成为流域治理的重要途径。

    生物炭是由生物质在低氧或无氧、高温条件下裂解产生的一种富碳物质[78]。由于生物炭化学性质稳定,具有碱性、多孔的结构、良好的阳离子交换能力以及大的比表面积等特点,在土壤污染修复、提高土壤肥力、增加土壤碳封存等方面都有重要意义[9]。特别是生物炭通过改善土壤物理性质,改变土壤微生物群落结构和功能,影响土壤养分循环和有机质分解,并可能减少氮的淋溶,提高氮的滞留[10]。因此,生物炭作为一种环境功能性材料在改善土壤、净化水质、物质循环、土壤固碳等方面得到了广泛的应用。但生物炭的生态效益因植被类型、生物炭性质、土壤类型和土地利用类型而异[10]。以往的研究表明[11],河岸缓冲带的植被类型对污染物截留去除效果差异显著,但也有研究[6]表明缓冲带的植被类型对污染物去除差异不大。生物炭通过影响土壤微生物群落和土壤酶活性对土壤微生物产生影响,但生物炭对微生物群落的影响仍存在争议。一些研究认为生物炭对微生物群落有促进作用或抑制作用,而另一些研究认为生物炭对微生物群落没有影响。因此,生物炭对污染物截留去除的效果,对土壤微生物群落变化的影响尚不完全清楚,有待进一步的研究。同时,现有的研究更多关注生物炭对农田的影响,且多室内盆栽试验,野外研究相对匮乏,生物炭添加对河岸林地影响的研究相对较少。

    白洋淀的生态环境是雄安新区健康发展的重要保障,而入淀河流的水质影响着白洋淀的水环境质量。近年来,白洋淀流域通过减少外源污染排入、建立人工湿地、清淤和生态补水等方式进行了综合治理,但入淀河流仍然存在热点污染区域[12]。研究发现,白洋淀流域水体和沉积物的氮污染一直处于较高水平,是影响白洋淀流域水质的主要污染因子[13]。由于白洋淀流域河岸缓冲带存在生态功能脆弱、破碎化程度高的特点,且流域农业种植面积广、化肥施用量高,农业面源污染物很容易通过地表径流进入河流生态系统,影响流域污染治理效果[14]。因此,本研究选择白洋淀流域毛白杨林地为研究对象,探究不同生物炭添加量对河岸林土壤化学因子、微生物群落组成的影响,以及生物炭添加对河岸林地氮污染的阻控机制。研究旨在通过添加生物炭,强化河岸植被缓冲带的截留去污能力,减轻农业面源污染对流域水环境的威胁,为流域面源污染阻控及生态修复技术提供依据。

    白洋淀流域属海河流域大清河水系(113°39′ ~ 116°11′ E,38 °12′ ~ 39 °54′ N),跨山西和河北两省以及北京市,流域面积31 200 km2。属典型的温带大陆性季风气候,夏季高温多雨,冬季寒冷干燥,雨热同期,年平均气温7 ℃,多年平均降水量564 mm,年内降水量分配不均,70% ~ 80%集中在6—8月份,且多以暴雨形式出现[15]。流域地形地貌复杂,地势西高东低,其中山区占 43%,平原占57%,山区的土地利用类型主要是林地和草地等,土壤为褐土,平原地区主要是农田、城镇用地,土壤为潮土[16]。该流域农业种植面积广、化肥施用量高,氮肥和磷肥的平均施用量分别为100 ~ 300 kg/hm2和50 ~ 150 kg/hm2[17]。2017年雄安新区成立,围绕白洋淀而建,建设定位是中国未来生态与经济协调发展的先进新区,这对白洋淀流域生态环境提出了更高要求。由于其独特的自然条件和社会因素,白洋淀流域对维护华北地区生态环境具有不可替代的作用[18]

    白洋淀流域平原地区的河岸林基本都为毛白杨(Populus tomentosa),因此选择毛白杨河岸林为研究对象。于2023年5月18日,在白洋淀流域府河沿岸选择毛白杨人工林布设试验(图1a)。毛白杨行距为4 m,株距为3 m,密度为840株/hm2,林地郁闭度为0.75,林下植被稀少,偶见平车前(Plantago depressa)、艾(Artemisia argyi)、藜(Chenopodium album)等草本植物。林下稀疏生长毛白杨更新幼苗。

    图  1  样地概况及生物炭沟
    Figure  1.  Overview of sample plots and biochar ditch

    所用的生物炭原材料为板栗壳。管式炉(型号KJ-T1200-S80-800S,规格为80 mm × 800 mm)通入高纯氮气30 min,以排净管中的空气。当管式炉温度升到指定温度(500 ℃)时,将装有板栗壳的石英管放入管式炉中进行炭化,炭化停留时间为2 h,自然冷却获得本试验所用生物炭。其表面积15.6 m2/g,容重0.23 g/cm3,pH8.56,全碳485.30 g/kg,全氮4.56 g/kg,全磷0.82 g/kg。

    设置3种处理:未添加生物炭的对照(BC0)、添加生物炭3 t/hm2(BC3)、添加生物炭6 t/hm2(BC6)。每种处理3次重复,共设置9个样地,各处理组样地条件基本一致。样地设置在河流和农田之间的林地内(图1b),起始段和末端分别距农田、河流3 ~ 5 m,呈长方形布局,面积为2 m × 10 m。样地土壤为潮土,坡度为25°,坡长28 m。9块样地平行排列,间隔5 m。

    在样地内开横沟施加生物炭,横沟长2 m,宽20 cm,深20 cm。每块样地开10条沟,沟与沟之间间距1 m。生物炭沟渠与地表径流方向垂直。在每块样地起始端(靠近农田处)添加氮肥(尿素,含N量为46%),添加带长3 m,宽0.5 m。模拟农业面源氮污染(图2),氮肥按照1 t/hm2,30 m2面积添加,每块样地的总添加量为3 kg。每月添加一次,连续添加4个月(5—8月),每次添加量为0.75 kg。

    图  2  生物炭添加示意图
    Figure  2.  Biochar addition diagram

    2023年9月中旬,采用五点取样法,清除地表枯枝落叶,采集样地中部0 ~ 20 cm表层土壤,装入塑封袋后放入保温箱中带回实验室。样品分为两部分,一份置于4 ℃冰箱用于土壤化学性质和土壤酶指标的测定;一份置于−80 ℃冰箱用于土壤微生物多样性的测定。

    参照鲍士旦[19]提到的方法,进行土壤化学性质和酶的测定。土壤养分指标全氮的测定采用凯氏定氮法(Kjeltec 8400);用重铬酸钾氧化加热法测定土壤有机质。土壤pH值使用玻璃电极pH计进行测定(水土比5∶1);铵态氮和硝态氮采用流动分析仪测定(Smartchem 200)。土壤脲酶活性采用苯酚−次氯酸钠法测定,土壤硝酸还原酶活性采用酚二磺酸比色法测定,土壤亚硝酸还原酶活性用格里试剂显色与酶促反应前后NO2-N变化表征。

    采用高通量测序分析土壤细菌群落结构,在北京百迈克生物科技有限公司进行测序分析。采用E.Z.N.A. ® Soil DNA Kit提取土壤总DNA,以土壤总DNA为模板,采用341F(5′-ACTCCTACGGGAGGCAGCAG-3′)和806R(5′-GGACTACHVGGGTWTCTAAT-3′)对细菌16S rRNA基因的V3-V4高变区片段进行PCR扩增,扩增后的PCR产物用2%琼脂糖凝胶回收PCR产物,使用 AxyPrep DNA Gel Extraction kit进行纯化,Tris-HCl洗脱,2%琼脂糖电泳检测。利用QuantiFluorTM-ST检测定量,然后根据测序量需求将各样品按相应比例混合,构建Miseq文库,使用Illumina MiSeq平台测序。

    采用SPSS26.0进行数据处理和分析,数据由平均值 ± 标准误表示,对土壤化学性质、土壤酶活性进行单因素方差分析和相关性分析。优势菌门与环境因子之间进行相关性热图分析,确定影响土壤细菌群落的关键环境因子。使用R、Origin 2021 软件进行绘图。

    不同生物炭添加量的毛白杨林地土壤化学性质具有显著性差异(P < 0.05)(表1),其中BC6的土壤养分含量多高于BC3。与对照相比,BC3生物炭添加组全氮(TN)、铵态氮(NH+4-N)、硝态氮(NO3-N)、有机质(SOM)、有机碳(SOC)分别提高10.39%、46.15%、8.57%、38.03%和 51.23%。BC6生物炭添加组TN、NH+4-N、NO3-N、SOM、SOC分别提高 26.62%、92.31%、65.00%、78.05%和135.47%。

    表  1  生物炭添加量对土壤养分和酶活性的影响
    Table  1.  Effects of biochar addition on soil nutrients and enzyme activities
    指标 处理
    BC0 BC3 BC6
    全氮/(g·kg−1) 1.54 ± 0.05c 1.70 ± 0.1b 1.95 ± 0.02a
    铵态氮/(mg·kg−1) 0.13 ± 0.04b 0.19 ± 0.03a 0.25 ± 0.07a
    硝态氮/(mg·kg−1) 1.40 ± 0.21b 1.52 ± 0.23b 2.31 ± 0.60a
    有机质/(g·kg−1) 8.02 ± 0.66c 11.07 ± 1.23b 14.28 ± 1.11a
    有机碳/(g·kg−1) 4.06 ± 0.30c 6.14 ± 0.46b 9.56 ± 0.43a
    pH值 6.63 ± 0.21a 6.61 ± 0.29a 6.72 ± 0.19a
    脲酶/(mg·g−1) 0.60 ± 0.03b 0.81 ± 0.06a 0.98 ± 0.07a
    硝酸还原酶/(μg·g−1) 2.55 ± 0.64c 4.32 ± 1.01b 5.21 ± 1.35a
    亚硝酸还原酶/(mg·g−1) 0.77 ± 0.15b 1.43 ± 0.19a 1.37 ± 0.25a
    注:不同处理BC0、BC3、BC6的生物炭添加量分别为0、3、6 t/hm2。不同小写字母表示同一指标不同处理间差异显著(P<0.05)。下同。
    下载: 导出CSV 
    | 显示表格

    不同生物炭添加量的毛白杨林地土壤酶活性具有显著性差异(P < 0.05),BC6生物炭添加组土壤酶活性高于BC3。同对照相比,BC3生物炭添加组脲酶(S-UE)、硝酸还原酶(S-NR)、亚硝酸还原酶(S-NIR)活性分别提高35.00%、69.41%和85.71%。BC6生物炭添加组S-UE、S-NR、S-NIR活性分别提高63.33%、104.31%和77.92%(表1)。

    表2显示:NO3-N与NH+4-N、SOC、SOM之间呈现出极其显著正相关(P < 0.001)。TN与NO3-N、SOC、SOM之间呈现极显著或显著正相关(P < 0.01或P < 0.05)。S-NR与S-NIR呈极其显著正相关(P < 0.001)。S-UE与pH呈极其显著正相关(P < 0.001)。S-NR、S-NIR分别与NH+4-N、NO3-N、SOC、SOM呈极显著正相关(P < 0.01)。

    表  2  土壤酶活性与养分因子相关分析
    Table  2.  Correlation analysis of soil enzyme activity and nutrient factors
    指标 TN NO3-N NH+4-N SOC SOM S-NR S-NIR S-UE pH
    TN 1 0.65** 0.21 0.55* 0.55* 0.41 0.41 0.42 0.42
    NO3-N 1 0.78*** 0.72*** 0.72*** 0.69** 0.69** 0.18 0.18
    NH+4-N 1 0.37 0.37 0.60** 0.60** −0.10 −0.10
    SOC 1 1.00*** 0.64** 0.64** −0.06 −0.06
    SOM 1 0.64** 0.64** −0.06 −0.06
    S-NR 1 1.00*** −0.21 −0.21
    S-NIR 1 −0.21 −0.21
    S-UE 1 1.00***
    pH 1
    注:*表示相关性在0.05水平显著,**表示相关性在0.01水平极显著,***表示相关性在0.001水平极其显著。TN.全氮;NO3-N.硝态氮;NH+4-N.氨态氮;SOC.有机碳;SOM.有机质;S-NR.硝酸还原酶;S-NIR.亚硝酸还原酶;S-UE.脲酶。下同。
    下载: 导出CSV 
    | 显示表格

    对不同处理组细菌操作性分类单元(operational taxonomic unit,OTU)进行韦恩分析。3个处理9个样品得到812 706个细菌有效序列,对土壤样品序列通过拆分、去冗余后,在97%相似度下进行OTU聚类共得到36 720个细菌OTU,不同处理土壤样品中共有的细菌OTU总数有1 023个。其中BC0处理14 923个OTU,BC3处理12 469个 OTU,BC6处理13 344个 OTU。BC0、BC3、BC6所特有的 OTU 数目分别为12 616、10 130、10 981个,占比分别为 34.36%、27.59%、29.91%。与BC0相比较,2种生物炭添加量都降低了土壤细菌中的OTU数量。

    表3显示:土壤样本的覆盖率均在99%以上,且无显著差异(P > 0.05),这表明各组测得的数据都具有代表性,测序结果能够准确反应供试土样真实情况。各处理间Ace、Chao指数、Shannon多样性指数和Simpson多样性指数均无显著性差异(P > 0.05),生物炭添加对土壤细菌的α多样性影响较小。

    表  3  不同处理生物覆盖度和多样性指数
    Table  3.  Biological coverage and diversity indices under different treatments
    处理AceChao指数Shannon多样性指数Simpson多样性指数覆盖度/%
    BC02 802.2 ± 45.622 796.4 ± 45.5810.12 ± 0.040.99 ± 0.0099.96 ± 0.00
    BC32 093.6 ± 125.692 089.1 ± 123.699.76 ± 0.390.99 ± 0.0099.97 ± 0.00
    BC62 587.6 ± 228.702 581.2 ± 226.4710.14 ± 0.020.99 ± 0.0099.96 ± 0.00
    注:数值为均值 ± 标准误差。
    下载: 导出CSV 
    | 显示表格

    在相似性水平97%的条件下,对OTU的代表序列做分类分析,共得到42个门,105纲,314个目,624个科,1105个属,1343个种的土壤细菌(图3)。不同处理下土壤中主要的细菌群落组成相似,但相对丰度却有差异。在门分类水平上,相对丰度前10的细菌门包括变形杆菌门(Proteobacteria)、酸杆菌门(Acidobacteriota)、放线菌门(Actinobacteriota)、未分类菌门、绿弯菌门(Chloroflexi)、拟杆菌门(Bacteroidota)、芽单胞菌门(Gemmatimonadota)、黏球菌门(Myxococcota)、甲基微菌门(Methylomirabilota)、疣微菌门(Verrucomicrobiota)。

    图  3  土壤细菌门水平群落结构组成
    Figure  3.  Composition of community structure of soil bacterial phylum level

    前六大优势菌门的相对丰度占总群落的比重接近80%,各处理变形杆菌门的相对丰度分别为BC6(27.86%) > BC3(27.52%) > BC0(26.76%);酸杆菌门:BC3(23.84%) > BC0(22.28%) > BC6(21.37%);放线菌门为BC0(13.09%) > BC3(9.61%) > BC6(8.12%);未分类菌门为BC6(9.15%) > BC0(6.64%) > BC3(4.86%);绿弯菌门为BC0(7.06%) > BC3(6.29%) > BC6(5.22%);拟杆菌门为BC6(7.19%) > BC3(4.84%) > BC0(4.36%)。

    总体来看,生物炭添加提高了变形杆菌门、未分类菌门和拟杆菌门的相对丰度;降低了酸杆菌门的相对丰度。变形杆菌门在生物炭添加组的相对丰度占比较高,其中含有大量的反硝化细菌,是影响反硝化效果的重要因素。反硝化作用是土壤中氮素转化与去除的主要方式之一。因此,生物炭添加通过影响土壤主要细菌门的相对丰度(如变形杆菌门),进而影响土壤中氮素的转化与去除。

    土壤化学性质、酶活性与相对丰度前10的细菌门的相关性分析如图4所示。NO3-N、NH+4-N、SOC、SOM、S-NR、S-NIR分别与变形杆菌门、拟杆菌门、疣微菌门正相关,其中SOC、SOM、S-NR、S-NIR分别与变形杆菌门、拟杆菌门、疣微菌门显著正相关(P < 0.05),NO3-N、NH+4-N与变形杆菌门显著正相关(P < 0.05)。

    图  4  土壤细菌群落结构和土壤化学性质相关性分析
    Figure  4.  Correlation analysis of soil bacterial community structure and soil chemical properties

    NO3-N、NH+4-N、SOC、SOM、S-NR、S-NIR分别与芽单胞菌门、酸杆菌门、绿弯菌门负相关,其中SOC、SOM、S-NR、S-NIR分别与芽单胞菌门、酸杆菌门、绿弯菌门显著负相关(P < 0.05),NO3-N、NH+4-N与芽单胞菌门显著负相关(P < 0.05),SOC、SOM还与放线菌门显著负相关(P < 0.05)。

    可见,SOC、SOM、S-NR、S-NIR是影响土壤微生物群落门水平的主要因子。

    河流和河岸林地联系密切,通过物质循环、能量流动、动植物栖息、洪水和光照等相互作用高度交织在一起[3]。根据流域治理中的“源头减排−过程阻断−末端治理”模式,通过对污染物迁移、转化、扩散过程的拦截和阻断,能够有效减少污染物进入河湖水体[20]。研究[2122]表明,生物炭对土壤水分和营养元素有较强吸持能力,能提高土壤保水能力,改良土壤质量,减少土壤养分淋失。本研究发现,6 t/hm2(BC6)处理组对氮素的截持能力更强,这可能是因为生物炭能够通过改善土壤结构来增强土壤的持水能力和吸附点位[23]。生物炭富含碳元素,能够提升土壤中的无机碳含量,从而增强土壤的养分保持能力和水分保持能力。此外,它还可以促进林地表面及土壤内部木质素的分解[24]。张晗芝[25]研究发现,生物炭施于土壤中能显著提高土壤碳含量。与对照组相比,6 t/hm2(BC6)处理组林地SOC、SOM分别提高了78.05%、135.47%。生物炭不仅增加了林地土壤有机质含量,还有助于降低土壤压实和侵蚀、增强土壤持水能力,并维持立地生产力[26]。同时,乔木叶片木质素含量高,分解有限[27],导致微生物可利用碳源不足,生物炭添加使林地土壤碳含量提高,为微生物提供充足的碳源。

    微生物群落及其产生的胞外酶在有机质分解和养分循环等过程中扮演着重要的调节角色,能够反映生物炭等土壤添加剂对土壤养分循环的潜在长期影响[28]。与赵蕊蕊等[24]研究结果一致,本研究中生物炭处理组林地土壤酶活性显著高于对照(P < 0.05)。土壤硝酸还原酶能够将硝酸还原成亚硝酸,而亚硝酸还原酶能将亚硝酸还原成氮气,进而影响土壤中氮素的转化与去除。因此,随生物炭添加量增加,毛白杨林地土壤氮循环相关酶活性也随之提高,有助于土壤中氮素被还原成氮气并从土壤中去除。

    生物炭添加在改变土壤化学性质的同时,也可影响土壤微生物群落结构和多样性[29]。有研究[30]表明,随着稻壳生物炭添加浓度的增加,樟子松(Pinus sylvestris var. mongolica)的细菌群落总数和丰度出现了下降。本研究发现,生物炭添加不同处理的Ace、Chao指数、Shannon多样性指数和Simpson多样性指数均无显著性差异(P > 0.05),生物炭添加对毛白杨林地土壤细菌群落α多样性的影响小。这可能与生物炭添加时间较短有关,有待进一步长期观测研究。本研究中随着生物炭添加浓度的增高,毛白杨林地土壤细菌OTU总数有所下降,且微生物群落结构发生了明显变化。优势门水平上,生物炭添加提高了变形菌门、拟杆菌门的相对丰度;降低了放线菌门的相对丰度。

    河岸植被缓冲带的土壤干湿交替频繁,有利于土壤中微生物的生长,也有利于好氧硝化作用和厌氧反硝化作用的进行。在微生物作用下,铵态氮被氧化成亚硝态氮和硝态氮,然后再被反硝化细菌还原成N2或N2O等气体排入空气中,反硝化作用被认为是清除土壤里氮素的最佳途径[31]。变形菌门在反硝化过程中起着主导作用,其相对丰度的多少是影响反硝化效果的重要因素。本研究中,变形菌门在生物炭添加组的相对丰度占比较高。Zhang等[8]研究也发现生物炭的的添加能显著提高系统中的变形杆菌门的比例,强化系统脱氮性能,并通过优化生物炭的添加量,使系统中全氮的最终去除率达67%。与此同时,BC6和BC3的拟杆菌门的相对丰度较高,这是由于该菌门是一种典型的兼性厌氧菌,能适应交替的好氧缺氧环境,将亚硝酸盐还原为NO,有利于高效脱氮[32]

    生物炭比表面积大于土壤,为微生物提供附着表面和栖息环境,从而影响土壤微生物活性和群落结构,进而影响胞外酶的活性[3334]。本研究中生物炭添加对毛白杨林地土壤养分提高和土壤酶活性增加也具有显著的促进作用,这可能与相关土壤微生物的活性增大和生物量增加有关。相关性分析表明,SOC、SOM、S-NR、S-NIR是影响土壤微生物群落门水平的主要因子,SOC、SOM与S-NR、S-NIR极显著正相关(P < 0.01),这与土壤微生物多为异养有关,生物炭添加会为微生物提供碳源和能量,从而提高了土壤氮循环相关酶活性[34]

    (1)生物炭添加能够显著提升毛白杨林地土壤对氮素的截留能力以及氮循环相关酶活性。生物炭处理组土壤养分均高于对照,其中6 t/hm2处理效果更好。

    (2)高通量测序结果表明,随着生物炭添加量的增大,毛白杨林地土壤细菌OTU总数有所下降,但对土壤细菌多样性影响较小。生物炭添加影响了毛白杨林地土壤优势细菌门的相对丰度,促进了河岸林地氮素的转化与去除。

    (3)相关性分析表明,土壤化学性质(SOC、SOM)以及酶活性(S-NR、S-NIR)是影响土壤微生物群落门水平结构的主要因素。

  • 图  1   千年桐PGK3-TPS10-CYP726基因簇基因组结构

    Figure  1.   Genome structure of PGK3-TPS10-CYP726 gene cluster in Vernicia montana

    图  2   千年桐PGK3-TPS10-CYP726特异基因簇共表达热图

    *表示在0.05水平上显著相关,**表示在0.01水平上极显著相关。

    Figure  2.   Co-expression heatmap of V. montana specific PGK3-TPS10-CYP726 gene cluster

    图  3   特异基因簇PGK3-TPS10-CYP726多物种共线性分析

    绿色代表千年桐PGK3-TPS10-CYP726特异基因簇上的基因,部分未共线的绿色基因为千年桐特有。

    Figure  3.   Multi-species collinearity analysis of specific gene cluster PGK3-TPS10-CYP726

    图  4   千年桐(a)特异性基因簇与三年桐(b)同源基因差异性对比

    Figure  4.   Comparison of difference between specific gene clusters of V. montana (a) and homologous genes of V. fordii (b)

    图  5   千年桐特异基因簇PGK3-TPS10-CYP726的进化(a)和PGK3基因系统进化树(b)

    Figure  5.   Evolution of PGK3-TPS10-CYP726 gene cluster in V. montana (a) and PGK3 phylogenetic tree (b)

    图  6   千年桐PGK3-TPS10-CYP726基因簇组织表达模式

    AR. 主根;LR. 侧根;AP. 根尖;S. 茎;G. 腺体;LB. 枝条;YL. 嫩叶;ML. 老叶;fbf. 雄花;mbf. 雌花; FL.小果;F1. 果实;K. 种仁;FP. 种皮。

    Figure  6.   Tissue expression patterns of PGK3-TPS10-CYP726 gene cluster in V. montana

    图  7   PGK3-TPS10-CYP726基因簇在千年桐和三年桐根木质部中响应病原菌侵染的表达模式

    M0和F0为千年桐和三年桐的未侵染时期,M1和F1为千年桐和三年桐的侵染初期,M2和F2为千年桐和三年桐的侵染中期,M3和F3为千年桐和三年桐的侵染后期。

    Figure  7.   Expression patterns of PGK3-TPS10-CYP726 gene cluster in root xylem of V. montana and V. fordii in response to pathogen infection

  • [1]

    Hoskisson P A. Streptomyces in nature and medicine: the antibiotic makers[J]. Microbe Magazine, 2008, 3(1): 151.

    [2]

    Boycheva S, Daviet L, Wolfender J L, et al. The rise of operon-like gene clusters in plants[J]. Trends in Plant Science, 2014, 19(7): 447−459. doi: 10.1016/j.tplants.2014.01.013

    [3]

    Frey M, Schullehner K, Dick R, et al. Benzoxazinoid biosynthesis, a model for evolution of secondary metabolic pathways in plants.[J]. Phytochemistry, 2009, 70(15−16): 1645−1651. doi: 10.1016/j.phytochem.2009.05.012

    [4]

    Field B, Osbourn A E. Metabolic diversification: independent assembly of operon-like gene clusters in different plants[J]. Science, 2008, 320: 543−547.

    [5]

    Chen W, Gong L, Guo Z, et al. A novel integrated method for large-scale detection, identification, and quantification of widely targeted metabolites: application in the study of rice metabolomics[J]. Molecular Plant, 2013, 6(6): 1769−1780. doi: 10.1093/mp/sst080

    [6]

    Medema M H, Kottmann R, Yilmaz P, et al. Minimum information about a biosynthetic gene cluster[J]. Nature Chemical Biology, 2015, 11(9): 625−631. doi: 10.1038/nchembio.1890

    [7]

    Schläpfer P, Zhang P, Wang C, et al. Genome-wide prediction of metabolic enzymes, pathways, and gene clusters in plants[J]. Plant Physiology, 2017, 173(4): 2041−2059. doi: 10.1104/pp.16.01942

    [8]

    Kautsar S A, Suarez D H G, Blin K, et al. plantiSMASH: automated identification, annotation and expression analysis of plant biosynthetic gene clusters[J]. Nucleic Acids Research, 2017, 45(W1): 55−63. doi: 10.1093/nar/gkx305

    [9]

    Töpfer N, Fuchs L M, Aharoni A. The phytoClust tool for metabolic gene clusters discovery in plant genomes[J]. Nucleic Acids Research, 2017, 45(12): 7049−7063. doi: 10.1093/nar/gkx404

    [10]

    Luo J. Metabolite-based genome-wide association studies in plants[J]. Current Opinion in Plant Biology, 2015, 24: 31−38. doi: 10.1016/j.pbi.2015.01.006

    [11]

    Boycheva S, Daviet L, Wolfender J L, et al. The rise of operon-like gene clusters in plants[J]. Trends in Plant Science, 2014,19: 447–459.

    [12]

    Matsuba Y, Nguyen T T H, Wiegert K, et al. Evolution of a complex locus for terpene biosynthesis in Solanum[J]. The Plant Cell, 2013, 25(6): 2022−2036. doi: 10.1105/tpc.113.111013

    [13] 吕海舟, 刘琬菁, 何柳, 等. 植物次生代谢基因簇研究进展[J]. 植物科学学报, 2017, 35(4): 609−621. doi: 10.11913/PSJ.2095-0837.2017.40609

    Lü H Z, Liu W J, He L, et al. Advances on the study of gene clusters involved in plant secondary metabolism[J]. Plant Science Journal, 2017, 35(4): 609−621. doi: 10.11913/PSJ.2095-0837.2017.40609

    [14]

    Guo L, Winzer T, Yang X, et al. The opium poppy genome and morphinan production[J]. Science, 2018, 362: 343−347. doi: 10.1126/science.aat4096

    [15]

    Chen Y, Yin H, Gao M, et al. Comparative transcriptomics atlases reveals different gene expression pattern related to Fusarium wilt disease resistance and susceptibility in two Vernicia species[J]. Frontiers in Plant Science, 2016, 7: 1974.

    [16] 王嘉, 梁晓洁, 高暝. 千年桐根部黄酮类化合物生物合成对枯萎病菌侵染的响应[J]. 林业科学, 2022, 58(2): 159−170.

    Wang J, Liang X J, Gao M. Response of flavonoids biosynthesis in roots of Vernicia montana to Fusarium wilt infection[J]. Scientia Silvae Sinicae, 2022, 58(2): 159−170.

    [17]

    Karp P D, Midford P E, Billington R, et al. Pathway tools version 23.0 update: software for pathway/genome informatics and systems biology[J]. Briefings in Bioinformatics, 2021, 22(1): 109−126. doi: 10.1093/bib/bbz104

    [18]

    Hawkins C, Ginzburg D, Zhao K, et al. Plant metabolic network 15: a resource of genome-wide metabolism databases for 126 plants and algae[J]. Journal of Integrative Plant Biology, 2021, 63(11): 1888−1905. doi: 10.1111/jipb.13163

    [19]

    Usadel B, Obayashi T, Mutwil M, et al. Co-expression tools for plant biology: opportunities for hypothesis generation and caveats[J]. Plant, Cell & Environment, 2009, 32(12): 1633−1651.

    [20]

    Chen C, Wu Y, Li J, et al. TBtools-II: a “one for all, all for one” bioinformatics platform for biological big-data mining[J]. Molecular Plant, 2023, 16(11): 1733−1742. doi: 10.1016/j.molp.2023.09.010

    [21]

    Tamura K, Stecher G, Kumar S. MEGA11: molecular evolutionary genetics analysis version 11[J]. Molecular Biology and Evolution, 2021, 38(7): 3022−3027. doi: 10.1093/molbev/msab120

    [22]

    Zhang Q, Wu L, Yin H, et al. D6 protein kinase in root xylem benefiting resistance to Fusarium reveals infection and defense mechanisms in tung trees[J]. Horticulture Research, 2021, 8: 240.

    [23]

    Seo S, Gomi K, Kaku H, et al. Identification of natural diterpenes that inhibit bacterial wilt disease in tobacco, tomato and Arabidopsis[J]. Plant and Cell Physiology, 2012, 53(8): 1432−1444. doi: 10.1093/pcp/pcs085

    [24]

    Dalio R J D, Maximo H J, Roma-Almeida R, et al. Tea tree oil induces systemic resistance against Fusarium wilt in banana and Xanthomonas infection in tomato plants[J]. Plants, 2020, 9(9): 1137. doi: 10.3390/plants9091137

    [25]

    Deng J, Che X, Gu Y, et al. Integrated multi-omics investigation revealed the importance of phenylpropanoid metabolism in the defense response of Lilium regale Wilson to Fusarium wilt[J]. Horticulture Research, 2024,7(11): 140.

    [26]

    Rosa-Téllez S, Anoman A D, Flores-Tornero M, et al. Phosphoglycerate kinases are co-regulated to adjust metabolism and to optimize growth[J]. Plant Physiology, 2018, 176(2): 1182−1198. doi: 10.1104/pp.17.01227

    [27] 郭楠, 赵敬会, 高天姝, 等. 甘蓝型油菜 PGK 基因的克隆与表达分析[J]. 西北植物学报, 2014, 34(11): 2188−2193. doi: 10.7606/j.issn.1000-4025.2014.11.2188

    Guo N, Zhao J H, Gao T S, et al. Cloning and expression analysis of PGK gene in Brassica napus[J]. Acta Botanica Boreali-Occidentalia Sinica, 2014, 34(11): 2188−2193. doi: 10.7606/j.issn.1000-4025.2014.11.2188

    [28]

    Massange-Sánchez J A, Casados-Vázquez L E, Juarez-Colunga S, et al. The phosphoglycerate kinase (PGK) gene family of maize (Zea mays var. B73)[J]. Plants, 2020, 9(12): 1639. doi: 10.3390/plants9121639

图(7)
计量
  • 文章访问数:  144
  • HTML全文浏览量:  24
  • PDF下载量:  48
  • 被引次数: 0
出版历程
  • 收稿日期:  2024-11-17
  • 修回日期:  2024-12-12
  • 录用日期:  2025-01-11
  • 网络出版日期:  2025-01-13
  • 刊出日期:  2025-02-24

目录

/

返回文章
返回