메타게놈과 머신러닝 - 상하이 EPS 기계 유한 회사

ISME 커뮤니케이션 3권, 기사 번호: 14(2023) 이 기사 인용

3080 액세스

1 인용

4 알트메트릭

측정항목 세부정보

저카드뮴(Cd) 쌀 품종 개발은 카드뮴으로 오염된 농지에서 식품 안전을 위한 유망한 방법으로 떠올랐습니다. 쌀의 뿌리 관련 미생물 군집은 쌀의 성장을 촉진하고 Cd 스트레스를 완화시키는 것으로 나타났습니다. 그러나 서로 다른 벼 품종 사이의 서로 다른 Cd 축적 특성을 뒷받침하는 미생물 분류군별 Cd 저항성 메커니즘은 아직 많이 알려져 있지 않습니다. 본 연구에서는 5가지 토양 개량을 통해 카드뮴 함량이 낮은 품종 XS14와 잡종 벼 품종 YY17을 비교했습니다. 결과는 XS14가 YY17에 비해 토양 뿌리 연속체에서 더 가변적인 공동체 구조와 안정적인 동시 발생 네트워크를 특징으로 한다는 것을 보여주었습니다. YY17(~12%)의 근권 군집 조립에 비해 XS14(~25%) 근권 군집의 강력한 확률론적 과정은 XS14가 토양 특성 변화에 더 높은 저항성을 가질 수 있음을 시사합니다. 미생물 동시 발생 네트워크와 기계 학습 모델은 XS14의 Desulfobacteria 및 YY17의 Nitrospiraceae와 같은 핵심 지표 미생물을 공동으로 식별했습니다. 한편, 이 두 품종의 뿌리 관련 미생물군집에서는 황 순환과 질소 순환에 관여하는 유전자가 각각 관찰되었습니다. XS14의 근권과 뿌리에 있는 미생물군집은 아미노산, 탄수화물 수송 및 대사, 황 순환과 관련된 기능성 유전자가 상당히 풍부하여 기능면에서 더 높은 다양성을 보여주었습니다. 우리의 연구 결과는 두 가지 쌀 품종과 관련된 미생물 군집뿐만 아니라 Cd 축적 능력을 예측하는 박테리아 바이오마커의 차이점과 유사점을 밝혀냈습니다. 따라서 우리는 Cd 스트레스 하에서 두 가지 벼 품종의 분류군별 모집 전략에 대한 새로운 통찰력을 제공하고 향후 Cd 스트레스에 대한 작물 탄력성을 향상시키기 위한 단서를 제공하는 바이오마커의 유용성을 강조합니다.

뿌리 관련 미생물군집의 특성을 이해하는 것이 긴급 연구 우선순위입니다. 이러한 정보는 환경 스트레스 하에서 작물 성장과 내성을 촉진하는 데 있어 미생물군집의 심오한 역할을 이해하는 데 매우 중요합니다[1,2,3]. 식물 뿌리 관련 미생물 군집 구성과 기능은 뿌리 미세 서식지와 표현형에 따라 크게 구분됩니다[4,5,6]. 최근 연구에서는 환경 교란에 대한 식물 뿌리 미생물군집의 반응에 의해 촉발된 틈새 특이적 모집 및 기능 특이적 미생물 농축이 보고되었습니다[7,8,9]. 또한, 작물 숙주는 재구성된 군집 구조와 기능 프로필의 변형을 유도할 수 있는 뿌리 관련 틈새의 미생물군집에 대한 선택 효과를 가지고 있습니다[10, 11]. 뿌리 관련 미생물군집 구조와 기능이 비생물적 스트레스 하에서 작물 성장에 영향을 미칠 수 있다는 인식이 커지고 있음에도 불구하고, 품종별 미생물군집 지식을 활용하여 스트레스에 대한 작물 회복력을 향상시키는 것은 여전히 어려운 과제로 남아 있습니다. 따라서, 다른 작물 종 또는 종 내의 다른 품종을 갖는 뿌리 관련 틈새에서 미생물의 구성 및 기능의 뚜렷한 변이를 밝히는 것은 작물 미생물군집을 활용하여 성능을 향상시키는 데 매우 중요합니다.

농지에 대한 수요가 증가함에 따라[12, 13], 농지의 카드뮴(Cd) 오염과 작물 내 축적은 심각한 지구 환경 문제가 되고 있다[14]. 쌀은 인류에게 있어서 가장 중요한 주식 중 하나이다. 쌀의 뿌리에서 새싹까지 Cd의 이동성이 높기 때문에 Cd에 오염된 쌀 제품을 섭취하면 공중 보건에 심각한 위협이 됩니다[15]. 쌀알의 Cd 축적을 줄이기 위해 현장 화학적 고정을 위한 토양 개량을 적용하는 것 외에도 Cd 축적이 낮은 벼 품종을 재배하는 등 다른 조치가 널리 채택되었습니다. Cd 스트레스에 대한 뿌리 관련 미생물 저항성을 강화하면 쌀알에 Cd 축적을 줄일 수도 있습니다. 즉, 미생물 군집은 생물막 형성, 세포외 고분자 물질(EPS) 생산 및 중금속 저항성 유전자와 같은 높은 Cd 수준에서 기능을 발현할 수 있습니다. 경로 개발 [17]. 다양한 쌀 품종은 Cd 흡수 및 축적 능력이 다릅니다[18, 19]. Caoet al. [20]은 잡종 벼가 일반 쌀에 비해 곡물 내 더 높은 Cd 농도를 축적할 수 있음을 밝혔으며, 아시아 재배 벼의 두 가지 주요 품종인 인디카 벼와 자포니카 벼에서도 유사한 결과가 관찰되었습니다[14]. 그러나 이러한 연구는 다양한 벼 품종의 Cd 축적 변화에 중점을 두었습니다. 대조적인 결과는 토양 개량 및 비료 관리와 같은 다양한 생물학적 및 비생물적 요인으로 인해 발생할 수 있습니다. 최근 영양 순환 및 토양 유기 오염 물질 분해에서 다양한 벼 품종의 뿌리 관련 미생물군집의 중요성이 널리 조사되었지만[21, 22] 뿌리 관련 미생물 군집 다양성 및 군집 다양성에 대한 정보는 여전히 부족합니다. 대조되는 Cd 축적 특성을 나타내는 다양한 쌀 품종의 기능.

0.01%) that were shown in different colors. The node size is proportional to the degree of taxa. b Network topological parameters for four root-associated niches bacterial networks. c Robustness of bacterial networks in bulk soil, rhizosphere, rhizoplane, and endosphere of XS14 and YY17./p>50% completeness and <10% contamination) and 19 MAGs that were estimated to be high-quality genome (>90 completeness and <10% contamination) [8]. Then, only 25 MAGs with the completeness >80% and contamination <10% were selected for further analysis [33]. The abundances of the MAGs across the samples were estimated using MetaWRAP (v1.3.2) [78] with the quant_bins module. Taxonomy of the MAGs was assigned using GTDB-TK (V1.7.0) [82]. ORFs were predicted using Prodigal (v2.6.3) [69] and functional annotation was performed by KofamKOALA [83] against the KEGG database./p>1 or < −1 were regarded as significantly “enriched” or “depleted”, respectively [86]./p> 2), (2) variable selection (βNTI < −2), (3) dispersal limitation (|βNTI | <2 and RCbray > 0.95), (4) homogenizing dispersal (|βNTI | <2 and RCbray < −0.95), and (5) undominated (|βNTI | <2 and |RCbray | < 0.95) [87]./p>0.01% [16]. Only the robust (r > 0.7 or r < −0.7) and statistically significant (FDR adjust P < 0.05) [89] correlations were kept. Topological characteristics were calculated using igraph package [90]. Random networks with the same edges and nodes were generated, and topological properties of random networks are calculated based on Erdős–Rényi model [91]. Natural connectivity was calculated to reveal the robustness of networks according to the previous study [92]. Briefly, nodes were sorted by betweenness and then we sequentially removed until 80% of the nodes were removed, and then evaluate the robustness of the network after deleting nodes [93]. We also calculated the within-module connectivity (Zi) and among-module connectivity (Pi) according to the method previously described [94]. Module hubs (Zi > 2.5, Pi ≤ 0.62) are highly connected nodes within modules, which were expected to mediate interactions between species within modules [58]. Therefore, in this study, module hubs are regarded as key nodes. All statistical analysis and graph plotting were produced in R program./p>