閆 寧,郭東鋒,姚忠達(dá),竇玉青,劉新民,張忠鋒

(1.中國農(nóng)業(yè)科學(xué)院 煙草研究所,山東 青島 266101；2.安徽中煙有限責(zé)任公司 技術(shù)中心,安徽 合肥 230088)

?

煙草秸稈還田對土壤細(xì)菌多樣性的影響

閆 寧1,郭東鋒2*,姚忠達(dá)2,竇玉青1,劉新民1,張忠鋒1

(1.中國農(nóng)業(yè)科學(xué)院 煙草研究所,山東 青島 266101；2.安徽中煙有限責(zé)任公司 技術(shù)中心,安徽 合肥 230088)

摘要：為了進(jìn)一步驗(yàn)證煙草秸稈還田對土壤細(xì)菌多樣性的影響,利用MiSeq平臺對煙草秸稈未還田(no Tobacco Stalk Returning, nTSR)、1倍煙草秸稈還田(TSR1)和2倍煙草秸稈還田(TSR2)土壤的16S rDNA V3+V4區(qū)進(jìn)行了測序分析。nTSR、TSR1和TSR2的Total Tags數(shù)目分別為41949、54761和60063,其OTUs(Operational Taxonomic Units)數(shù)目分別為1193、1275和1298。TSR1、TSR2豐度排名前35個屬的物種豐度和豐度排名前10個屬的OTUs豐度聚在一起,與nTSR有較為明顯的區(qū)別。TSR1、TSR2的OTU (97%)、OTU (95%)、Chao1 (97%)、Chao1 (95%)、Shannon (97%)和Shannon (95%)指數(shù)均高于nTSR的。另外, nTSR與TSR1、TSR2之間的基于Weighted Unifrac距離和Unweighted Unifrac距離的UPGMA聚類有明顯差別。因此, TSR1、TSR2土壤細(xì)菌多樣性高于nTSR的,而TSR1和TSR2土壤細(xì)菌多樣性無明顯差異。

關(guān)鍵詞：煙草；秸稈還田；土壤細(xì)菌；多樣性； 16S rDNA

煙草秸稈不僅含有大量的有機(jī)碳、纖維素和氨基酸,而且還含有豐富的P、K、Ca、Mg、B、Cu、Fe、Mn、Na和Zn等礦質(zhì)元素[1]。秸稈還田能夠把作物吸收的大部分營養(yǎng)元素歸還到土壤中,避免因秸稈堆放、焚燒造成的環(huán)境污染等問題,是農(nóng)業(yè)可持續(xù)發(fā)展的重要途徑[2]。從長期效應(yīng)來看,秸稈還田可明顯改善土壤的理化性質(zhì),增加耕層土壤速效養(yǎng)分的有效性及全量養(yǎng)分的含量,提高土壤酶活性，改善土壤微生物狀況及影響土壤腐殖質(zhì)組分含量,從而提高土壤肥力[3]。在秸稈還田的初期秸稈還田可能會降低微生物利用碳源的能力,影響微生物群落物種分布的均勻度,致使作物對碳、氮的利用率下降[4]。土壤微生物以細(xì)菌的種類和數(shù)量最多,細(xì)菌在土壤營養(yǎng)元素循環(huán)、有機(jī)物質(zhì)的形成和分解、土壤肥力的保持和提高、生態(tài)環(huán)境的改善、植物的生長發(fā)育和作物病蟲害防治等方面均起著極其重要的作用[5-7]。模擬水稻秸稈原位還田條件的研究發(fā)現(xiàn),秸稈還田能夠增加土壤細(xì)菌群落分子多態(tài)性的豐富度[8-9]。

目前煙田土壤微生物研究的常規(guī)方法仍以微生物平板法為主,但該方法所用的培養(yǎng)基有一定針對性且其培養(yǎng)條件受限,而且可培養(yǎng)的土壤微生物只占微生物總量的0.1%～1.0%,因此常規(guī)分離培養(yǎng)方法難以全面評估土壤微生物群體的多樣性[10]。16S rRNA位于原核細(xì)胞核糖體小亞基上,包括10個保守區(qū)域和9個高變區(qū)域,其中保守區(qū)在細(xì)菌間差異不大,而高變區(qū)具有屬或種的特異性,隨親緣關(guān)系不同而有一定的差異[11-12]。因此,16S rDNA可以作為揭示生物物種的特征核酸序列,被認(rèn)為是最適于細(xì)菌系統(tǒng)發(fā)育和分類鑒定的指標(biāo)[13-14]。16S rDNA擴(kuò)增子測序,通常是選擇某個或某幾個變異區(qū)域,利用保守區(qū)設(shè)計通用引物進(jìn)行PCR擴(kuò)增,然后對高變區(qū)進(jìn)行測序分析和菌種鑒定,成為研究環(huán)境樣品中微生物組成結(jié)構(gòu)的重要手段[15]。

本文利用MiSeq平臺對煙草秸稈未還田(no Tobacco Stalk Returning, nTSR)、1倍煙草秸稈還田(TSR1)和2倍煙草秸稈還田(TSR2)土壤的16S rDNA V3+V4區(qū)進(jìn)行測序分析,通過進(jìn)行Reads拼接過濾、OTUs聚類和物種注釋及豐度分析,可以揭示煙田土壤細(xì)菌的構(gòu)成；進(jìn)一步的樣品復(fù)雜度分析、多樣品比較分析可以明確nTSR、TSR1和TSR2土壤之間細(xì)菌多樣性的差異,從而進(jìn)一步驗(yàn)證煙草秸稈還田對土壤細(xì)菌多樣性的影響,為煙草秸稈還田提供理論和科學(xué)依據(jù)。

1材料和方法

1.1試驗(yàn)地點(diǎn)與試驗(yàn)設(shè)計

試驗(yàn)地點(diǎn)選擇在安徽省宣城市宣州區(qū)黃渡鄉(xiāng)的安徽中煙黃山焦甜香皖南科技示范園內(nèi),位于北緯30°47′、東經(jīng)118°50′,海拔高度55 m。試驗(yàn)共設(shè)3個處理,即煙草秸稈不還田(nTSR)、1倍煙草秸稈還田(TSR1)和2倍煙草秸稈還田(TSR2),其中處理TSR1的煙草秸稈還田量為18000株/hm2,處理TSR2的煙草秸稈還田量為36000株/hm2。試驗(yàn)采用隨機(jī)區(qū)組排列,3次重復(fù),小區(qū)面積450 m2,每個小區(qū)9行,行距120 cm,株距50 cm。在烤煙采收后,灌水泡田,利用翻耕機(jī)將煙草秸稈直接打入田中,隨即播種水稻。在水稻收獲(11月20日)后,用取土器挖取5～20 cm深的土壤。將每個處理的3次重復(fù)土壤樣品等量混合,用于細(xì)菌多樣性分析。

1.2基因組DNA的提取和PCR產(chǎn)物擴(kuò)增

采用CTAB法對樣本的基因組DNA進(jìn)行提取,之后采用瓊脂糖凝膠電泳檢測DNA的純度和濃度,取適量的樣品于離心管中,使用無菌水稀釋樣品至1 ng/μL。以稀釋后的基因組DNA為模板；根據(jù)所選擇的測序區(qū)域,使用帶Barcode的特異引物；使用New England Biolabs公司的Phusion?High-Fidelity PCR Master Mix with GC Buffer。使用高效和高保真的酶進(jìn)行PCR,確保擴(kuò)增效率和準(zhǔn)確性。引物對應(yīng)區(qū)域：16S V3區(qū)引物為357F-517R,16S V4區(qū)引物為515F-806R。

1.3PCR產(chǎn)物的混樣、純化、文庫構(gòu)建和上機(jī)測序

對PCR產(chǎn)物使用2%濃度的瓊脂糖凝膠進(jìn)行電泳檢測；根據(jù)PCR產(chǎn)物濃度進(jìn)行等濃度混樣,在充分混勻后使用2%的瓊脂糖凝膠電泳檢測PCR產(chǎn)物,使用Thermo Scientific公司的GeneJET膠回收試劑盒回收產(chǎn)物。使用New England Biolabs公司的NEB Next?UltraTMDNA Library Prep Kit for Illumina建庫試劑盒進(jìn)行文庫的構(gòu)建,對構(gòu)建好的文庫進(jìn)行Qubit定量和文庫檢測,在確認(rèn)合格后,使用MiSeq進(jìn)行上機(jī)測序。

1.4測序數(shù)據(jù)處理

在分析前,需要對下機(jī)數(shù)據(jù)進(jìn)行預(yù)處理,具體處理步驟如下：(1)數(shù)據(jù)拆分：根據(jù)Barcode序列將下機(jī)數(shù)據(jù)拆分為不同樣品數(shù)據(jù),并截去Barcode序列和PCR擴(kuò)增引物序列。(2)PE Reads拼接：將拆分的數(shù)據(jù)使用FLASH軟件(V1.2.7)對每個樣品的Reads進(jìn)行拼接,得到的拼接序列為原始Tags數(shù)據(jù)(Raw Tags)[16]。(3)Tags過濾：對拼接得到的Raw Tags進(jìn)行更嚴(yán)格的過濾處理[17],得到高質(zhì)量的Tags數(shù)據(jù)(Clean Tags)。參照Qiime的Tags質(zhì)量控制流程,進(jìn)行如下操作：(a)Tags截?。簩aw Tags從連續(xù)低質(zhì)量值(默認(rèn)質(zhì)量閾值為3)堿基數(shù)達(dá)到設(shè)定長度(默認(rèn)長度值為3)的第一個低質(zhì)量堿基位點(diǎn)截斷；(b)Tags長度過濾：Tags經(jīng)過截取后得到Tags數(shù)據(jù)集,進(jìn)一步過濾掉其中連續(xù)高質(zhì)量堿基長度小于Tags長度75%的Tags。(4)Tags去嵌合體序列：經(jīng)過以上處理后，將得到的Tags序列與數(shù)據(jù)庫(Gold database)進(jìn)行比對(UCHIME Algorithm)[19]，檢測嵌合體序列,并最終去除其中的嵌合體序列[20],得到最終的有效數(shù)據(jù)(Effective Tags)。

1.5信息分析流程

用Uparse 軟件(v7.0.1001)[21]對所有樣品的全部 Effective Tags序列進(jìn)行聚類分析,默認(rèn)提供以97%和95%的一致性(Identity)將序列聚類成為OTUs結(jié)果。在用Uparse構(gòu)建OTUs時選取出現(xiàn)頻數(shù)最高的序列,將這些序列集合用RDP Classifier (Version 2.2)[22]與GreenGene數(shù)據(jù)庫[23]進(jìn)行物種注釋分析(設(shè)定閾值為0.8～1.0)。為了進(jìn)一步研究OTUs的系統(tǒng)發(fā)生關(guān)系以及不同樣品之間優(yōu)勢菌群的結(jié)構(gòu)組成差異,使用PyNAST軟件(Version 1.2)[24]與GreenGene數(shù)據(jù)庫中的“Core Set”數(shù)據(jù)信息[25]進(jìn)行快速多序列比對,得到所有OTUs代表序列的系統(tǒng)發(fā)生關(guān)系。隨后的樣品復(fù)雜度分析用于分析樣品內(nèi)的群落多樣性,主要包含3個指標(biāo)： OTU指數(shù)、Chao1指數(shù)和Shannon指數(shù)。同時,對16s rDNA可以利用PyNAST構(gòu)建OTUs之間的系統(tǒng)發(fā)生關(guān)系,進(jìn)一步計算Unifrac距離(Unweighted Unifrac)[26-27]。然后,利用OTUs的豐度信息對Unifrac距離進(jìn)一步構(gòu)建Weighted Unifrac距離[28]。為了研究不同樣品間的相似性,通過對樣品進(jìn)行聚類分析構(gòu)建樣品聚類樹。

1.6統(tǒng)計分析

用Excel整理試驗(yàn)結(jié)果,對所有數(shù)據(jù)在P<0.05水平下進(jìn)行Tukey多重比較。試驗(yàn)中所有的分析在SPSS 18.0(SPSS Inc., Chicago, IL, USA)統(tǒng)計分析軟件中完成。

2結(jié)果與分析

2.1OUT分析結(jié)果

從圖1中可以看出：處理nTSR、TSR1和TSR2的Total Tags數(shù)目分別為41949、54761和60063,其Taxon Tags數(shù)目分別為23809、30150和35872,其Unique Tags數(shù)目分別為18140、24611和24191,其OTUs數(shù)目分別為1193、1275和1298。由此可見,TSR2的Total Tags數(shù)目、Taxon Tags數(shù)目、Unique Tags數(shù)目和OTUs數(shù)目均最高, TSR1其次, nTSR最低。值得注意的是, nTSR、TSR1和TSR2的Unclassified Tags數(shù)目均為0,說明用于構(gòu)建OTUs但沒有獲得分類信息的Tags數(shù)目為0。

從圖2中可以看出： nTSR與TSR1共有及各自獨(dú)有的OTUs分別為1108、85、127個； nTSR與TSR2共有及各自獨(dú)有的OTUs分別為1136、57、125個； TSR1與TSR2共有及各自獨(dú)有的OTUs分別為1172、63、89個；同時, nTSR、TSR1與TSR2共有的OTUs為1071個, nTSR獨(dú)有的基因?yàn)?0個, TSR1獨(dú)有的基因?yàn)?6個, TSR2獨(dú)有的基因?yàn)?4個。因此, nTSR、TSR1與TSR2共有的OTUs占絕大多數(shù),而三者獨(dú)有的OTUs只占少數(shù)。

2.2物種注釋結(jié)果

從圖3中可以看出： nTSR、TSR1和TSR2在界(Kingdom)水平上的序列數(shù)目分別為23809、30150和35872；其在門(Phylum)水平上的序列數(shù)目分別為23496、29832和35385；其在綱(Class)水平上的序列數(shù)目分別為23058、29479和34893；其在目(Order)水平上的序列數(shù)目分別為19105、23985和28845；其在科(Family)水平上的序列數(shù)目分別為12795、15879和18885；其在屬(Genus)水平上的序列數(shù)目分別為5002、6994和7886；其在種(Species)水平上的序列數(shù)目分別為86、129和126。因此,注釋到界、門、綱、目、科、屬和種水平上的序列數(shù)目依次降低； TSR2注釋到的序列數(shù)目最多, TSR1次之, nTSR最少。

根據(jù)物種注釋結(jié)果,選取在門(Phylum)分類水平上最大相對豐度排名前10的門,生成的物種相對豐度分布柱形圖見圖4。從圖4中可以看出,煙田土壤細(xì)菌相對豐度排名前10的門依次是變形菌門(Proteobacteria)、酸桿菌門(Acidobacteria)、硝化螺旋菌門(Nitrospirae)、芽單胞菌門(Gemmatimonadetes)、綠彎菌門(Chloroflexi)、放線菌門(Actinobacteria)、泉古菌門(Crenarchaeota)、綠菌門(Chlorobi)、NC 10菌門、WS3菌門。因此,煙田土壤細(xì)菌主要集中在這10個門中,其它門的細(xì)菌只占少數(shù)。

選取最大相對豐度排名前10的屬所對應(yīng)OTUs的系統(tǒng)發(fā)生關(guān)系數(shù)據(jù),并結(jié)合每個OTUs的相對豐度及其代表序列的物種注釋置信度信息,整合結(jié)果展示如圖5,可以直觀地展示研究環(huán)境中的物種組成的多樣性。煙田土壤細(xì)菌相對豐度排名前10的屬依次是CandidatusSolibacter、Anaeromyxobacter、CandidatusKoribacter、Geobacter、GOUTA19、Rhodoplanes、4-29、Nitrospira、LCP-6、Rhodococcus。從圖5中可以看出：CandidatusSolibacter和CandidatusKoribacter兩個屬細(xì)菌的親緣關(guān)系較近；其余8個屬細(xì)菌的親緣關(guān)系較近。

2.3物種豐度聚類結(jié)果

根據(jù)所有樣品在屬水平上的物種注釋及豐度信息,選取豐度排名前35的屬及其在每個樣品中的豐度信息繪制熱圖,并從分類信息和樣品間差異兩個層面進(jìn)行聚類,便于結(jié)果展示和信息發(fā)現(xiàn),從而找出研究樣品中聚集較多的物種或樣品,結(jié)果展示見圖6。TSR1、TSR2的豐度排名前35個屬的物種豐度聚在一起,說明1倍和2倍煙草秸稈還田之間的土壤細(xì)菌群落的分子多態(tài)性差異不明顯；TSR1、TSR2的豐度排名前35個屬的物種豐度與nTSR有較為明顯的區(qū)別,說明煙稈還田能夠明顯改變土壤細(xì)菌群落的分子多態(tài)性。

選取最大相對豐度排名前10的屬所對應(yīng)OTUs的系統(tǒng)發(fā)生關(guān)系數(shù)據(jù),以及它們對應(yīng)的OTUs的相對豐度信息,實(shí)現(xiàn)OTUs水平上的樣品聚類(縱向聚類),以此考察不同樣品間的相似或差異性,展示結(jié)果見圖7。TSR1、TSR2的豐度排名前10個屬的OTUs聚在一起,說明1倍和2倍煙草秸稈還田之間的土壤細(xì)菌群落的分子多態(tài)性差異不明顯；TSR1、TSR2的豐度排名前10個屬的OTUs豐度聚類與nTSR有明顯的區(qū)別,說明煙稈還田能夠明顯改變土壤細(xì)菌群落的分子多態(tài)性。

2.4樣品復(fù)雜度分析結(jié)果

對不同樣品在不同一致性(Identity)閾值水平(默認(rèn)提供97%、95%兩個閾值)下的樣品復(fù)雜度分析的指數(shù)進(jìn)行統(tǒng)計,結(jié)果如表1所示。由表1中可見,TSR2的OTU (97%)、OTU (95%)、Chao1 (97%)、Chao1 (95%)、Shannon (97%)和Shannon (95%)最大,TSR1其次,nTSR最小。OUT指數(shù)值用來反映測序深度情況, Chao1指數(shù)值用來評估群落物種數(shù), Shannon指數(shù)值用來反映群落多樣性。煙草秸稈還田后Chao1、Shannon指數(shù)值均增加,表明煙稈還田后土壤細(xì)菌群落物種數(shù)和細(xì)菌群落多樣性增加；而TSR1、TSR2的Chao1、Shannon指數(shù)差異較小,說明1倍和2倍煙草秸稈還田之間的土壤細(xì)菌群落物種數(shù)和細(xì)菌群落多樣性差異并不明顯。

注：括號內(nèi)為不同一致性閾值。

2.5多樣品比較分析結(jié)果

以Weighted Unifrac距離矩陣和Unweighted Unifrac距離矩陣做UPGMA聚類分析,并將聚類結(jié)果與各樣品在門水平上的物種相對豐度整合展示,結(jié)果見圖8,其中左圖是UPGMA聚類樹結(jié)構(gòu),右圖是各樣品在門水平上的物種相對豐度分布圖。從圖8中可見： TSR1和TSR2之間的基于Weighted Unifrac距離和Unweighted Unifrac距離的UPGMA聚類可以聚在一起,說明1倍和2倍煙草秸稈還田之間的土壤細(xì)菌多樣性差異較??； nTSR與TSR1、TSR2之間的基于Weighted Unifrac距離和Unweighted Unifrac距離的UPGMA聚類有明顯差別,說明煙草秸稈還田后土壤細(xì)菌多態(tài)性發(fā)生了明顯的改變。

3討論

限于目前的研究技術(shù),土壤中只有很少種類的微生物是可人工培養(yǎng)的,因此采用常規(guī)分離培養(yǎng)的方法研究土壤微生物的多樣性存在困難[29]。利用MiSeq平臺對16S rDNA的一個或多個高變區(qū)測序,具有測序深度高、有利于鑒定低豐度群落物種以及費(fèi)用低的特點(diǎn),已成為研究微生物群落多樣性的首選之策[30-31]。本研究對nTSR、TSR1和TSR2三個土壤樣本的16S rDNA的V3+V4區(qū)進(jìn)行MiSeq測序,研究了煙草秸稈還田對土壤細(xì)菌多樣性的影響。結(jié)果表明：煙草秸稈還田(TSR1、TSR2)的豐度排名前35的屬的物種豐度、豐度排名前10個屬的OUT聚類與煙草秸稈未還田(nTSR)有明顯區(qū)別(圖6、圖7)； TSR1、TSR2的Chao1、Shannon指數(shù)值大于nTSR的(表1),而且nTSR與TSR1、TSR2之間的基于Weighted Unifrac距離和Unweighted Unifrac距離的UPGMA聚類有明顯差別(圖8),說明煙草秸稈還田導(dǎo)致土壤細(xì)菌多樣性增加； TSR1、TSR2豐度排名前35的屬的物種豐度、豐度排名前10個屬的OUT聚在一起(圖6、圖7),且兩者之間的Chao1、Shannon指數(shù)差異不明顯(表1),說明1倍和2倍煙草秸稈還田之間的土壤細(xì)菌多樣性差異并不明顯。

本研究還發(fā)現(xiàn)：煙田土壤細(xì)菌相對豐度排名前10的門依次是變形菌門、酸桿菌門、硝化螺旋菌門、芽單胞菌門、綠彎菌門、放線菌門、泉古菌門、綠菌門、NC 10菌門和WS3菌門(圖4)；煙田土壤細(xì)菌相對豐度排名前10的屬依次是CandidatusSolibacter、Anaeromyxobacter、CandidatusKoribacter、Geobacter、GOUTA19、Rhodoplanes、4-29、Nitrospira、LCP-6、Rhodococcus(圖5)。本試驗(yàn)明確了煙田土壤中的細(xì)菌優(yōu)勢菌群,為今后煙田的土壤細(xì)菌多態(tài)性的分析奠定了基礎(chǔ)。nTSR、TSR1和TSR2注釋到屬水平上的序列數(shù)目分別為5002、6994和7886,其注釋到種水平上的序列數(shù)目分別為86、129和126,注釋到種水平上的序列數(shù)目非常有限,目前的研究結(jié)果很難確定煙草秸稈還田后土壤中全部細(xì)菌物種群落多態(tài)性的變化(圖3)。煙草細(xì)菌性病害主要包括青枯病、野火病、角斑病、劍葉病、空莖病、細(xì)菌性黑莖病、細(xì)菌性葉斑病和細(xì)菌性黑腐病等[32]。本試驗(yàn)并不能夠確定煙草秸稈還田后土壤中細(xì)菌性病原菌的群落多態(tài)性的變化。當(dāng)然,煙草秸稈還田后土壤細(xì)菌性病原菌群落變化應(yīng)該與煙草植株上的細(xì)菌性病原菌數(shù)量有關(guān),今后應(yīng)該重點(diǎn)研究不同病情指數(shù)煙草秸稈還田對土壤細(xì)菌性病原菌群落多態(tài)性的影響。

4結(jié)論

TSR1、TSR2的豐度排名前35的屬的物種豐度、豐度排名前10個屬的OTU聚在一起,與nTSR有較為明顯的區(qū)別； TSR1、TSR2的OTU (97%)、OTU (95%)、Chao1 (97%)、Chao1 (95%)、Shannon (97%)和Shannon (95%)高于nTSR的； nTSR與TSR1、TSR2之間的基于Weighted Unifrac距離和Unweighted Unifrac距離的UPGMA聚類有明顯差別?？傊?煙草秸稈還田后,土壤細(xì)菌多樣性增加,而1倍和2倍煙草秸稈還田的土壤細(xì)菌多樣性差異不明顯。

參考文獻(xiàn)：

[1] 葉協(xié)鋒,劉紅恩,孟琦,等.不同類型煙秸稈化學(xué)組分分析[J].煙草科技,2013,315(10):76-79.

[2] 程玉龍,張禮鋼.稻麥秸稈還田技術(shù)發(fā)展現(xiàn)狀與趨勢[J].農(nóng)業(yè)工程,2014,4(4):1-4.

[3] 裴鵬剛,張均華,朱練峰,等.秸稈還田的土壤酶學(xué)及微生物學(xué)效應(yīng)研究進(jìn)展[J].中國農(nóng)學(xué)通報,2014,30(18):1-7.

[4] 朱鴻杰,閆曉明,何成芳,等.秸稈還田條件下農(nóng)田系統(tǒng)碳循環(huán)研究進(jìn)展[J].生態(tài)環(huán)境學(xué)報,2014,23(2):344-351.

[5] Kennedy A C. Bacterial diversity in agro ecosystems [J]. Agric Ecosyst & Environ, 1999, 74(1-3): 65-76.

[6] Smith K P, Goodman R M. Host variation for interactions with beneficial plant-associated microbes [J]. Annu Rev Phytopathol, 1999, 37: 473-491.

[7] 陳秀蓉,南志標(biāo).細(xì)菌多樣性及其在農(nóng)業(yè)生態(tài)系統(tǒng)中的作用[J].草業(yè)科學(xué),2002,19(9):34-38.

[8] 卜元卿,黃為一.稻秸對土壤細(xì)菌群落分子多態(tài)性的影響[J].土壤學(xué)報,2005,42(2):270-277.

[9] 李自剛,李興道,蔣媛媛,等.水稻秸稈還田對河南沿黃稻區(qū)土壤細(xì)菌群落分子多態(tài)性影響[J].河南農(nóng)業(yè)大學(xué)學(xué)報,2008,42(1):90-94.

[10] 張明艷,張繼光,申國明,等.煙田土壤微生物群落結(jié)構(gòu)及功能微生物的研究現(xiàn)狀與展望[J].中國農(nóng)業(yè)科技導(dǎo)報,2014,16(5):115-122.

[11] 趙志祥,羅坤,陳國華,等.結(jié)合宏基因組末端隨機(jī)測序和16SrDNA技術(shù)分析溫室黃瓜根圍土壤細(xì)菌多樣性[J].生態(tài)學(xué)報,2010,30(14):3849-3857.

[12] 陳國華,弭寶彬,李瑩,等.轉(zhuǎn)mapk雙鏈RNA干擾表達(dá)載體黃瓜對根際土壤細(xì)菌多樣性的影響[J].生態(tài)學(xué)報,2013,33(4):1091-1097.

[13] Youssef N, Sheik C S, Krumholz L R, et al. Comparison of species richness estimates obtained using nearly complete fragments and simulated pyrosequencing-generated fragments in 16S rRNA gene-based environmental surveys [J]. Appl Environ Microbiol, 2009, 75(16): 5227-5236.

[14] Hess M, Sczyrba A, Egan R, et al. Metagenomic discovery of biomass-degrading genes and genomes from cow rumen [J]. Science, 2011, 331(6016): 463-4677.

[15] Caporaso J G, Lauber C L, Walters W A, et al. Global patterns of 16S rRNA diversity at a depth of millions of sequences per sample [J]. Proc Natl Acad Sci USA, 2011, 108(Suppl 1): 4516-4522.

[17] Bokulich N A, Subramanian S, Faith J J, et al. Quality-filtering vastly improves diversity estimates from Illumina amplicon sequencing [J]. Nat Methods, 2013, 10(1): 57-59.

[18] Caporaso J G, Kuczynski J, Stombaugh J, et al. QIIME allows analysis of high-throughput community sequencing data [J]. Nat Methods, 2010, 7(5): 335-336.

[19] Edgar R C, Haas B J, Clemente J C, et al. UCHIME improves sensitivity and speed of chimera detection [J]. Bioinformatics, 2011, 27(16): 2194-2200.

[20] Haas B J, Gevers D, Earl A M, et al. Chimeric 16S rRNA sequence formation and detection in Sanger and 454-pyrosequenced PCR amplicons [J]. Genome Res, 2011, 21(3): 494-504.

[21] Edgar R C. UPARSE: highly accurate OTU sequences from microbial amplicon reads [J]. Nat Methods, 2013, 10(10): 996-998.

[22] Wang Q, Garrity G M, Tiedje J M, et al. Naive Bayesian classifier for rapid assignment of rRNA sequences into the new bacterial taxonomy [J]. Appl Environ Microbiol, 2007, 73(16): 5261-5267.

[23] DeSantis T Z, Hugenholtz P, Larsen N, et al. Greengenes, a chimera-checked 16S rRNA gene database and workbench compatible with ARB [J]. Appl Environ Microbiol, 2006, 72(7): 5069-5072.

[24] Caporaso J G, Bittinger K, Bushman F D, et al. PyNAST: a flexible tool for aligning sequences to a template alignment [J]. Bioinformatics, 2010, 26(2): 266-267.

[25] DeSantis T Z J, Hugenholtz P, Keller K, et al. NAST: a multiple sequence alignment server for comparative analysis of 16S rRNA genes [J]. Nucleic Acids Res, 2006, 34(Web Server issue): 394-399.

[26] Lozupone C, Knight R. UniFrac: a new phylogenetic method for comparing microbial communities [J]. Appl Environ Microbiol, 2005, 71(12): 8228-8235.

[27] Lozupone C, Lladser M E, Knights D, et al. UniFrac: an effective distance metric for microbial community comparison [J]. ISME J, 2011, 5(2): 169-172.

[28] Lozupone C A, Hamady M, Kelley S T, et al. Quantitative and qualitative beta diversity measures lead to different insights into factors that structure microbial communities [J]. Appl Environ Microbiol, 2007, 73(5): 1576-1585.

[29] 段玉琪,晉艷,陳澤斌,等.烤煙輪作與連作土壤細(xì)菌群落多樣性比較[J].中國煙草學(xué)報,2012,18(6):53-59.

[30] Caporaso J G, Lauber C L, Walters W A, et al. Ultra-high-throughput microbial community analysis on the Illumina HiSeq and MiSeq platforms [J]. ISME J, 2012, 6(8): 1621-1624.

[31] Degnan P H, Ochman H. Illumina-based analysis of microbial community diversity [J]. ISME J, 2012, 6(1): 183-194.

[32] 陳瑞泰,朱賢朝,王智發(fā),等.全國16個主產(chǎn)煙省(區(qū))煙草侵染性病害調(diào)研報告[J].中國煙草科學(xué),1997(4):1-7.

(責(zé)任編輯：黃榮華)

Effects of Tobacco Stalk Returning on Soil Bacterial Diversity

YAN Ning1, GUO Dong-feng2*, YAO Zhong-da2, DOU Yu-qing1, LIU Xin-min1, ZHANG Zhong-feng1

(1. Tobacco Research Institute, Chinese Academy of Agricultural Sciences, Qingdao 266101, China;2. Technology Center of Anhui Cigarette Industrial Limited Company, Hefei 230088, China)

Abstract：Using the MiSeq system to further validate the effect of tobacco stalk returning on soil bacterial diversity and sequenced the V3 and V4 regions of 16S rDNA of soil bacteria obtained from the following soil sources: no tobacco stalk returning (nTSR), 1 × tobacco stalk returning (TSR1), and 2 × tobacco stalk returning (TSR2). The results showed that the total tag numbers of nTSR, TSR1, and TSR2 samples were 41949, 54761, and 60063, respectively, and the operational taxonomic units (OTUs) were 1193, 1275, and 1298, respectively. The overall species abundance of the 35 genera in TSR1 and TSR2 samples was significantly different from that of in nTSR, the overall OTUs of the top 10 genera from TSR1 and TSR2 samples were significantly different from that of in nTSR. The OTU (97%), OTU (95%), Chao1 (97%), Chao1 (95%), Shannon (97%), and Shannon (95%) index of TSR1 and TSR2 were higher than those of in nTSR. In addition, UPGMA cluster between nTSR and TSR1, TSR2 based on Weighted Unifrac distance and Unweighted Unifrac distance showed obvious difference. The higher diversity was observed in the soil bacteria from TSR1 and TSR2 than in nTSR, while no significant difference was observed between TSR1 and TSR2 in terms of soil bacterial diversity.

Key words：Tobacco; Straw returning; Soil bacteria; Diversity; 16S rDNA

收稿日期：2015-10-21

基金項(xiàng)目：中國煙草總公司科技重點(diǎn)項(xiàng)目“烤煙生產(chǎn)結(jié)構(gòu)優(yōu)化效應(yīng)及關(guān)鍵技術(shù)研究與應(yīng)用”(110201402007)；安徽中煙工業(yè)有限責(zé)任公司科技計劃項(xiàng)目“皖南煙葉生產(chǎn)GAP管理模式研究”(2014124)、“皖南煙葉生產(chǎn)等級結(jié)構(gòu)優(yōu)化技術(shù)研究”(2014125)。

作者簡介：閆寧(1987─),男,助理研究員,博士,主要從事煙草功能成分和綜合利用研究。*通訊作者：郭東鋒。

中圖分類號：S154.381

文獻(xiàn)標(biāo)志碼：A

文章編號：1001-8581(2016)05-0040-06