网站首页

网站首页 > 科研动态 > 正文

论文速递 | 我院张远教授课题组东江流域eDNA研究系列成果

时间：2024-06-07

点击：

成果简介

在土地利用、水坝、营养富集等多重环境压力下，东江流域水生态环境状况明显下降，生态系统面临新的风险。利用eDNA技术，解析多重环境压力下生态系统群落变化特征已成为热点问题。近期我院张远教授课题组基于监测的eDNA数据集，从α多样性、β多样性和生物网络等多层面揭示了土地利用、水坝、营养富集等环境压力对鱼类、水生昆虫和藻类等多营养级群落变化的驱动机制。耦合eDNA与遥感技术，建立了新的物种空间分布预测模型，高分辨率地揭示了东江流域水生昆虫空间分布特征。将eDNA数据集与机器学习算法结合，提出了新型分子生物指数，实现对河流生态状况进行快速评估。上述研究成果近期发表在Environmental Science & Technology、Science of The Total Environment、Environmental Pollution、Journal of Environmental Management等环境科学与生态学领域国际知名期刊上。

主要成果1

eDNA生物监测揭示水坝和营养富集对水生多营养级群落的交互效应

原文链接：https://doi.org/10.1021/acs.est.2c06919

undefined

针对河流普遍存在的水坝和营养富集等问题，该研究选择了东江流域4个不同的水系组合，即有或无水坝和营养富集的四种组合，利用eDNA多营养级数据集，建立了基于野外监测数据集的复合压力交互效应解析新方法，分别从α多样性、β多样性和食物网等多层面识别了水坝与营养富集对水生群落的交互效应类型，解析了水坝与营养富集对多营养级水生群落的驱动机制。

研究发现，水坝和营养富集共同塑造了河流系统中水生群落独特的空间模式；两种压力源共同导致了水生生物群落的异质性显著下降（即结构同质化），且共同解释了40-50%的群落结构变异（图1）。其中水坝对鱼类、水生昆虫和细菌的影响更强，而营养富集对原生动物、真菌和真核藻类的驱动作用更强。此外，研究还强调水坝和营养富集以加和、协同及拮抗交互作用在河流系统中普遍存在且共存，这导致了水生食物网显著简化，模块化（协同作用）和鲁棒性（加和作用）降低，而一致性（协同作用）增加（图2）。该研究利用eDNA技术不仅促进了对多重压力下河流变化的理解，而且进一步验证了eDNA或生态基因组学等新技术在生物多样性调查中的优势，以全面地揭示生态系统变化。

undefined

图1. 不同类型变量对多营养级群落结构变异的相对解释度

undefined

图2. 水坝与营养富集对水生食物网结构的交互效应类型识别。虚线表示对两种压力源的加性响应预测。SYN 和 ADD 分别表示协同和加和作用。ns > 0.05；* < 0.05；** < 0.01；*** < 0.001。

主要成果2

eDNA技术揭示了不同土地利用方式对河流多营养级生物多样性影响

原文链接：

http://dx.doi.org/10.1016/j.scitotenv.2022.158958

undefined

土地利用变化导致全球河流生物多样性和相关生态系统服务急剧下降。针对不同的土地利用如何塑造水生多营养群落问题，该研究利用eDNA技术捕获的从细菌到鱼类的生物多样性数据集，在四个土地利用空间不同的河流系统（即轻度干扰组、上游干扰组、下游干扰组和强干扰组）中揭示了与人类土地利用相关的多营养生物多样性的变化。该研究假设：1)人类土地利用强度的提高会导致较低的分类学α多样性，但这种变化可能由于不同分类群在物种扩散和对压力源的耐受性方面存在固有差异而出现不一致性。2) 空间上不同的土地利用塑造了水生群落的独特结构和组成，改变了关键分类群和多营养共生网络。

研究结果显示，空间上不同的土地利用决定了河流系统的污染物负荷，大多数污染物（如总氮和氨氮）在四个河流系统间存在显著差异；多营养级的分类多样性并不一定发生显著变化，但群落结构的变化可被视为反映不同土地利用的更敏感指标，因为不同的土地利用塑造了多营养级群落独特的结构，而群落结构的差异性与土地利用梯度密切相关（如在轻度干扰组中存在正相关，在强干扰组中存在负相关）（图3）。不同的土地利用引起了关键物种的转变，导致了群落结构的变异和共现网络的改变（图4）。该研究结果验证了eDNA数据集能够有效识别不同环境胁迫下河流水生群落的变化，并从关键分类群和共生网络的角度阐明不同土地利用的潜在深远生态后果，这超越了简单的物种计数或多样性。

undefined

图3. 四个河流系统中多营养生物群落结构的nMDS排序图（A）以及群落结构异质性与土地利用梯度之间的关系（B）。Mantel r值来Mantel’s tests，使用“Kendall tau”相关性和999次置换，实线（线性拟合）表示Mantel’s tests中显著的上升或下降趋势（P < 0.05），虚线表示不显著的关系（P > 0.05）。

undefined

图4. 四个河流系统中的多营养共现网络结构（A）和关键分类群的变化（B）。在Zi/Pi图（B）中，红色、蓝色、深色、紫色、绿色和黄色的字体分别代表鱼类、水生昆虫、原生动物、真菌、真核藻类和细菌。节点中，Zi ≥ 2.5 被识别为module hubs，Pi ≥ 0.62 被识别为connectors，而Zi ≥ 2.5且Pi ≥ 0.62 的则被识别为network hubs。

主要成果3

基于eDNA的多样性和多营养级网络揭示了土地利用和污染物对亚热带东江河系统的影响

原文链接：

https://doi.org/10.1016/j.envpol.2023.122157

在人类土地利用和污染物的影响下，河流水生生物群落多样性及其构成的多营养网络正在加速变化。针对由于传统形态生物监测的局限性而导致的各类群完整数据集的缺乏，研究利用eDNA方法捕获了典型亚热带河流东江的多营养群落（包括鱼类、水生昆虫、原生动物、硅藻和细菌），解析了多样性指数和网络结构的空间格局，阐明了其对土地利用和水污染的响应，为深入了解亚热带河流生态系统变化提供了新的监测思路和方法。

研究结果显示，eDNA方法共监测到的5833个OTUs（图5），注释为55门、144纲、329目、521科、945属和406种。多营养多样性指数在河流纵向尺度上具有相似的模式，从上游到下游呈现显著减少趋势，而个体分类群体则呈现出各自独特的空间分布模式。尽管网络指标和多样性指数之间存在类似的空间模式，但前者与空间距离之间的关系更为密切。多营养多样性和网络与土地利用和水污染显著负相关，而网络结构往往具有更强的非线性响应（图6）。该研究基于eDNA技术，从多营养生物多样性和网络的角度揭示了土地利用变化和水污染对亚热带河流生态系统的影响，强调了河流网络结构的对环境压力源的敏感性。

undefined

图5. 在eDNA生命树中具有明确门水平分类鉴定的OTUs比例（A），以及鱼类、水生昆虫和硅藻在科水平上的OTUs比例（B）。

undefined

图6. 土地利用与多样性指数（A）和多营养网络结构（即链接密度、连通性和杂食性）（B）之间的关系。多样性指数来源于鱼类、水生昆虫、原生动物、硅藻和细菌群落的个体丰富度和Shannon指数的平均值。

主要成果4

eDNA揭示了人类对亚热带河流系统本地和非本地鱼类群落的影响

原文链接：

https://doi.org/10.1016/j.jenvman.2023.119595

亚热带河流是全球生物多样性热点地区之一，但面临着鱼类多样性变化和物种灭绝的风险。针对人类对亚热带河流中鱼类影响的问题，利用eDNA技术调查了中国东南部典型的亚热带河流——东江的鱼类群落，研究调查了东江流域鱼类群落的组成，包括所有本地和非本地鱼类；分析了各类鱼类群落的分类和功能多样性的空间格局；从区域土地利用和局部水污染等方向讨论了人类对对鱼类分类和功能多样性的影响。

研究通过eDNA方法检测到了90种/属的本地鱼类和15种/属的非本地鱼类，且eDNA数据集与历史记录之间的重叠度超过85%。所有鱼类群落、本地鱼类群落和非本地鱼类群落的分类和功能多样性显示出一致的空间模式，即支流上游的多样性显著高于干流和下游。土地利用和水污染（如COD和TP）是塑造鱼类群落结构在空间尺度上变化的主导因素，其中水污染分别解释了所有鱼类、本地鱼类和非本地鱼类群落结构变化的31.56%、29.88%和27.80%。本地鱼类的Shannon多样性指数和功能丰富度在COD（pShannon =0.0374; pfunctional =0.0215）和土地利用（pShannon=0.0159; pfunctional =0.0441）的驱动下显示出显著下降趋势，但对非本地鱼类没有显著影响（图7）。该研究显示eDNA方法有可能揭示人类影响下鱼类多样性的变化，如区域土地利用和局部水污染，并阐明区域和局部驱动因素在分类和功能多样性方面对本地和非本地鱼类群落的影响。

undefined

图7. 多样性和功能丰富度对土地利用和高锰酸盐指数(COD)的响应

主要成果5

eDNA和遥感数据集揭示了受干扰的亚热带河流水生昆虫的空间分布

原文链接：

https://doi.org/10.1016/j.jenvman.2023.119972

高空间分辨率的生物多样性数据集是河流保护和管理决策的关键先决条件。基于复合生态系统理论，流域内植被性状多样性与流域内底栖动物的性状休戚相关。以卫星遥感所提供的植被性状特征为主，结合流域地形地貌特征，预测东江流域底栖动物的物种丰度，考虑到具体物种分布受植被性状和物种间相互作用的影响，结合物种丰度与遥感提供植被性状特征，对流域内重要的底栖动物（食物网中关键的物种或对流域环境敏感的指示种）的空间分布进行预测。

首先，筛选了13个与物种丰度紧密相关的RS植被指数。其次，使用梯度提升决策树，对底栖动物的物种丰度空间分布进行预测，物种丰度空间分布预测与eDNA采样结果空间分布类似，模型R²超过0.8。研究将eDNA与遥感数据集相结合，其数据在500米范围内实现了高空间分辨率，并且通过机器学习方法对属丰富度的预测准确率超过80%，对特定属的预测准确率超过70%（图8）。该研究提供了一个灵活的框架，利用跨学科的技术进步来准确预测生物多样性，提高了在多重压力源下准确识别生态系统变化的能力。

undefined

图8. 随机森林预测的三个水生昆虫属在Strahler河流上的检测概率示例（A和B）。预测模型中不同因素的贡献（C），地理环境表示纬度、经度和数字高程模型的总贡献，丰富度表示属丰富度的贡献。

主要成果6

结合eDNA和机器学习进行无分类微生物生物监测以评估河流生态状态

原文链接：

https://doi.org/10.1016/j.ecolind.2023.110948

实施生物监测和生物评估是目前全球河流管理中不可或缺的一部分。基于DNA的生物监测是一种有前途的生物多样性检测工具。针对利用DNA衍生的微生物数据集用于常规生物评估的问题，该研究分析了从东江收集的微生物（细菌和微真核生物），以基于监督机器学习的无分类策略开发一个Metabarcoding-eDNA指数（MEI），并确定新MEI指数与传统水污染指数（即营养状态指数TSI和水质指数WQI）在评估河流生态状态方面的可比性。

结果显示eDNA技术检测到的河流中丰富的微生物多样性，但由于参考数据库的缺乏，其中40-90%的OTUs是未知的。结合分位数回归和监督机器学习，大约90%的未知OTUs被可靠地分类到与TSI和WQI相对应的不同生态组。新MEI指数与TSI（细菌：R² = 0.74；真核生物：R² = 0.69）和WQI（细菌：R² = 0.64；真核生物：R² = 0.53）具有显著且一致的相关性（图9）。过将eDNA衍生的微生物数据集与监督机器学习相结合，该研究进一步验证了无分类生物监测的可靠性和稳健性，支持将微生物常规应用于河流生态状态评估。

图9. 传统水污染指数（即营养状态指数，TSI，A；水质指数，WQI，B）与细菌和微生物真核生物群落的Metabarcoding-eDNA指数（MEI））的比较。

研究团队已发表的东江流域eDNA研究论文：

(1) Li, F., Guo, F., Gao, W., Cai, Y., Zhang, Y*., & Yang, Z. (2022). Environmental DNA biomonitoring reveals the interactive effects of dams and nutrient enrichment on aquatic multitrophic communities. Environmental Science & Technology, 56(23), 16952-16963.

(2) Li, F., Qin, S., Wang, Z., Zhang, Y*., Yang, Z. (2023) Environmental DNA metabarcoding reveals the impact of different land use on multitrophic biodiversity in riverine systems. Science of the Total Environment, 855: 158958.

(3) Qin, S#., Li, F#., Zou, Y., Xue, J., Zhang, Y*., & Yang, Z. (2023). eDNA-based diversity and multitrophic network reveal the effects of land use and pollutants on the subtropical Dongjiang River systems. Environmental Pollution, 334, 122157.

(4) Li, Z., Li, F*., Qin, S., Guo, F., Wang, S., & Zhang, Y. (2024) Environmental DNA biomonitoring reveals the human impacts on native and non-native fish communities in subtropical river systems. Journal of Environmental Management, 349, 119595.

(5) Wang, Z#., Li, F#*., Qin, S., Guo, F., Zhang, Y*., & Yang, Z. (2024) Environmental DNA and remote sensing datasets reveal the spatial distribution of aquatic insects in a disturbed subtropical river system. Journal of Environmental Management, 351, 119972.

(6) Li, X., Li, F*., Min, X., Xie, Y., & Zhang, Y. (2023). Embracing eDNA and machine learning for taxonomy-free microorganisms biomonitoring to assess the river ecological status. Ecological Indicators, 155, 110948.

上一篇：论文速递 | 我院张远教授课题组高伟老师在高原湖泊水生态模拟领域取得系列研究成果

下一篇：中国农业大学水利与土木工程学院莅临我院开展学术交流

友情链接

联系我们

地址：广东省广州市广东工业大学（大学城校区）

邮政编码：510006 学院邮箱：ieee@gdut.edu.cn

固定电话：020-39322141