Science: 多因子在驱动土壤功能及真菌群落变化中的作用
以下文章来源于Listenlii ，作者水岸风堤
一个做微生物生态的深井冰博士后，深受拖延症的困扰。想给自己一点压力，争取能够不定期分享学到的生信小技能，亦或看文献过程中的一些笔记与小收获，记录生活中的杂七杂八。
Journal: Science
Published: 15 November 2019
土壤是陆地生态系统功能的基础，尽管它们在生态方面起着至关重要的作用，但我们对土壤如何同时对两种以上的环境因素作出反应知之甚少。
本文通过实验表明，尽管在预测变化的幅度方面存在较大的不确定性，但增加全球变化因子的数量(最多10个)会增加土壤性质、土壤过程和微生物群落的方向性变化。
目前大部分的研究还只是集中于单因素的研究
方法：
关键词搜索文献，并使用ggplot2, ggpubr, geomnet可视化。
1957年至2017年土壤生态实验中包含的全球变化因素数量的文献调查。
80%的研究只考察了一个因素，19%考察了两个因素的相互作用，只有很少的论文(<2%)测试三个或三个以上因素的影响。
施肥、温度、水分是研究的最多的三个因素。
越来越多的全球变化因素导致了土壤性质、过程和微生物群落的方向性变化，但预测变化的幅度仍然具有挑战性。
A，假设生物多样性和生态系统过程呈现一致的方向变化(可以是增加或减少，可凹可凸;这里只显示了一个下降和一个可能的曲线形状)沿环境因子的数量。
B，随着因素数量的增加，包含一个有影响力的因素的机会也会增加(选择效应)，即各种因素对不同成分的影响可能越来越大(互补效应)，即各因素可能相互作用，从而增强了它们的效应(因素相互作用效应)。
多因素对土壤性质的影响
方法：
十个因子：
升温、氮添加、干旱、重金属、微塑料、盐度、除草剂、抗生素、杀虫剂、抗真菌剂
响应变量：
土壤呼吸;
分解作用;
Water-stable soil aggregates(不知道怎么翻译..);
土壤斥水性。
多因素（2,5,8,10个）对土壤性质的影响。
以其中土壤呼吸的四个子图为例，在单因子水平上（M），因子具有中性、负或正的影响。
N和O为不同数量多因素的影响，由于某些因素作用很强，以及不同因素之间存在相互作用，使得多因素的预测十分困难，置信区间很宽。
P为随机森林的预测结果。当已知因子的信息(0/1)及效应量时，预测能力会有很大的提升。
多因素对土壤真菌群落的影响
方法：
十个因子：
升温、氮添加、干旱、重金属、微塑料、盐度、除草剂、抗生素、杀虫剂、抗真菌剂
响应变量：
土壤真菌数量（fITS7/ITS4扩增，DADA2聚类ASV）;
土壤真菌组成（NMDS第一轴表示群落变化）;
土壤真菌离散（群落内部变化，计算了每个处理组中的NMDS的平均距离。平均距离越长，群落越分散。用NMDS第二轴计算）;
土壤真菌群落稳定性（嵌套性）。
结果发现了与因子数量相关的方向性变化，即ASV丰富度随着因子增加的降低和群落组成和分布的变化。
另外，无论是对土壤性质还是真菌群落，得到的结果都验证了作者在图2A中的假设，即所有响应变量的变化均表现出与因子数量一致的方向性变化。
本研究扩展了我们对多种全球变化因素对土壤影响的理解，表明越来越多的全球变化因素导致了土壤性质、过程和微生物群落的定向变化。然而预测变化的幅度并不总是直接的。作者发现“ecological surprises”只有在因子交互作用的较高水平才变得明显。
在单因素水平上影响不大，在多因素水平上影响较大，这使预测全球变化的影响更具挑战性，但结果强调简单地预测变化的方向并在一开始就认识到不可预测的影响是重要的，这是实现更好的预测的一步。
文献调查和实验结果表明，有必要重新思考全球变化生物学，把重点放在因素的数量及其高阶相互作用上。
对于图3和图4的计算和可视化，作者提供了R脚本于
https://github.com/masahiroryo/joint-ES-estimate
但是并没有提供输入数据。
猜你喜欢
10000+：菌群分析 宝宝与猫狗 梅毒狂想曲 提DNA发Nature Cell专刊 肠道指挥大脑
文献阅读 热心肠 SemanticScholar Geenmedical
16S功能预测 PICRUSt FAPROTAX Bugbase Tax4Fun
生物科普: 肠道细菌 人体上的生命 生命大跃进 细胞暗战 人体奥秘
写在后面
为鼓励读者交流、快速解决科研困难，我们建立了“宏基因组”专业讨论群，目前己有国内外5000+ 一线科研人员加入。参与讨论，获得专业解答，欢迎分享此文至朋友圈，并扫码加主编好友带你入群，务必备注“姓名-单位-研究方向-职称/年级”。PI请明示身份，另有海内外微生物相关PI群供大佬合作交流。技术问题寻求帮助，首先阅读《如何优雅的提问》学习解决问题思路，仍未解决群内讨论，问题不私聊，帮助同行。
学习16S扩增子、宏基因组科研思路和分析实战，关注“宏基因组”