凌恩生物文献分享|高分文章必备!全套浮游动植物eDNA分析流程,拿走不谢!

本文主要是介绍凌恩生物文献分享|高分文章必备!全套浮游动植物eDNA分析流程,拿走不谢!,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

浮游动植物是水生生态系统重要参与者和维护者,通过eDNA技术解析浮游动植物群落结构以及环境的驱动机制,是目前浮游动植物分析的重要手段。

凌恩生物浮游动植物环境DNA(eDNA)宏条形码技术,锚定eDNA生态研究热点,深入解析浮游植物和浮游动物群落结构、物种注释、随机森林、环境因子关联分析、群落变化机制分析、浮游植物与浮游动物联合分析、网络识别关键物种等,共包含120+分析内容,充分满足各类个性化服务要求!分析作图可直接用于文章发表,助力浮游动植物eDNA科研成功!

最新发表在《Microbiology Spectrum》上的文献“Phytoplankton and Microzooplankton Community Structure and Assembly Mechanisms in Northwestern Pacific Ocean Estuaries with Environmental Heterogeneity and Geographic Segregation”一文正是基于凌恩生物的浮游动植物分析流程,探究了栖息地地理和环境条件对浮游植物和微浮游动物群落的影响,以及温带河口群落聚集的潜在机制。

发表期刊:Microbiology Spectrum

影响因子:9.043

发表时间:2023. 02

DOI: 10.1128/spectrum.04926-22

一、研究背景

浮游植物和浮游动物是河口生态系统的重要参与者,是水生食物网的基础,也是环境变化的第一反应者,显著影响着生态系统的功能和服务。但它们的群落结构和它们如何受到环境条件的影响,却很少被同时研究。因此,本研究旨在探讨栖息地地理和环境条件对浮游植物和微浮游动物群落的影响,以及温带河口群落聚集的潜在机制。

二、研究方法

分别从LH河口和YLJ河口采集了15份和18份地表水样本,进行DNA提取之后,基于18S rRNA V9区进行扩增子测序,同时对两个地理位置的浮游植物和微浮游动物进行了分析。

图1 研究区域及分析流程图

三、主要内容

1、浮游植物和微型浮游动物的注释

本研究对33个水样共获得3,881,365个测序reads,聚类为635个高质量ASVs,其中浮游植物和微浮游动物的ASVs分别为76个和149个。所有的ASVs均在门水平上得到了物种注释(图2)。而在属水平上,75%和50%的ASVs分别被注释到了浮游植物属和微浮游动物属,但仅有17.1%和25.5%的ASVs注释到了种水平。

图2 在不同分类水平上成功注释ASVs的比例

2、LH河口和YLJ河口之间浮游植物和微浮游动物群落多样性和组成的差异

Alpha多样性分析结果表明,LH河口的浮游植物群落的Chao1、Pd_faith和Shannon指数明显高于YLJ河口(P<0.05,图3a),相比之下,YLJ组微浮游动物群落的Chao1和Shannon指数显著高于LH组(P<0.05,图3a)。

PCoA分析结果表明,来自不同生境的群落分别聚集和分布在PC1的不同两侧,这分别解释了浮游植物和微浮游动物总变化的75%和33%(图3b)。浮游植物和微浮游动物群落的组成在区域间存在显著差异(Adonis方差检验,P<0.05,图3b)

图3 LH河口和YLJ河口浮游植物和微浮游动物群落alpha多样性指数和PCoA分析结果

3、浮游植物和微型浮游动物的地理差异。

在浮游植物中,LH河口和YLJ河口的优势门分别是甲藻门和绿藻门,其次是硅藻门(图4a)。利用随机森林模型,基于属水平识别预测浮游植物群落和微浮游动物群落起源的关键类群,共鉴定了5个浮游植物属(图4c)和6个微浮游动物属(图4f),基于浮游植物的随机森林模型对LH和YLJ样本的鉴别准确率为93.94%,而对微浮游动物准确率为100%。

图4 在LH河口和YLJ河口的优势浮游植物和微浮游动物类群的特征

4、浮游植物和微浮游动物群落相似性的距离衰减及群落组装

分别基于环境变量和地理距离评价了LH和YLJ河口浮游植物和微浮游动物群落相似性的距离衰减(图5(a))。将VPA进一步应用于量化环境选择和被动扩散对浮游植物和微浮游动物群落变化的相对贡献。在浮游植物群落的变化方面,空间变量的纯效应在LH和YLJ河口均强于环境变量的纯效应。这些结果均表明,LH河口和YLJ河口的浮游植物和微浮游动物群落更受被动扩散的控制,而不是环境选择

采用中性群落模型探究所观察到的群落模式的机制,在LH和YLJ河口,浮游植物ASVs分别有65.7%和77.1%可以被中性位模型解释,说明浮游植物群落的聚集主要是随机过程(图5(c))。此外,在LH河口和YLJ河口,浮游植物群落的生境生态位宽度和扩散能力均显著高于微浮游动物群落(P<0.05,图5(d))。

图5 (a)基于环境变量和地理距离的LH和YLJ河口浮游植物和微浮游动物群落相似性的距离衰减。(b)LH和YLJ河口浮游植物和微浮游动物群落的VPA分析。(c)群落结构组成的中性位模型拟合。(d)在LH和YLJ河口,每个样本中浮游植物群落与微浮游动物群落的所有类群的平均生境生态位宽度。(e)LH和YLJ河口浮游植物与微浮游动物群落的扩散能力。

图6 采用中性位模型对浮游植物和微浮游动物ASVs的不同拟合比例和序列数

图7 LH和YLJ河口浮游植物门和微浮游动物谱系的丰富度(ASV数、a)和丰度(序列数、b)的不同拟合比例

总结

本研究证明了eDNA宏条形码测序可以同时捕获水生环境中浮游植物和微浮游动物的多样性和组成的可行性。主要结论如下:

(1)LH和YLJ河口的浮游植物和微浮游动物群落的多样性和组成存在明显差异。LH中浮游植物的丰富度显著高于YLJ,YLJ中微浮游动物的丰富度显著高于YLJ;

(2)中性位模型表明,两个河口浮游植物群落的聚集主要是随机过程,相比之下,随机过程在微浮游动物群落组合中的相对重要性相对较低;

(3)距离衰减相似性和VPA结果表明,被动扩散形成了浮游植物群落,而环境选择形成了微浮游动物群落。

凌恩生物全新推出环境DNA宏条形码浮游动植物检测分析项目,深化分析流程,深入解析浮游植物和浮游动物群落结构、物种注释、随机森林、环境因子关联分析、群落变化机制分析、浮游植物与浮游动物联合分析、网络识别关键物种等,共包含120+分析内容,充分满足各类个性化服务要求!分析作图可直接用于文章发表,助力浮游动植物eDNA科研成功!心动不如行动,快来联系我们吧!

凌恩生物eDNA宏条形码浮游动植物检测分析流程图如下: 

最终结果中,浮游植物根据SILVA注释的信息,共分为甲藻门(Pyrrophyta)、硅藻门(Bacillariophyta)、金藻门(Chrysophyta)、黄藻门(Xanthophyta)、隐藻门(Cryptophyta)灰藻门(Glaucophyta)和红藻门(Rhodophyta),浮游动物则保留原本的SILVA注释信息,由于浮游动植物的分类学较为集中,因此分析中只统计门水平、科水平、属水平和种水平分析结果。

凌恩生物环境DNA宏条形码浮游动植物检测生信分析流程图如下:

图 凌恩生物浮游动植物eDNA项目生信分析流程图

凌恩生物浮游动植物eDNA检测项目特色分析内容示例:

往期精彩

鱼类eDNA生物多样性检测重磅来袭!

Science advances:eDNA分析揭示了深海捕食者的生态位隔离

 

参考文献

Phytoplankton and Microzooplankton Community Structure andAssembly Mechanisms in Northwestern Pacific Ocean Estuaries with Environmental Heterogeneity and Geographic.Microbiology Spectrum.2023

这篇关于凌恩生物文献分享|高分文章必备!全套浮游动植物eDNA分析流程,拿走不谢!的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!


原文地址:https://blog.csdn.net/SHANGHAILINGEN/article/details/129852936
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.chinasem.cn/article/350665

相关文章

MySQL中的LENGTH()函数用法详解与实例分析

《MySQL中的LENGTH()函数用法详解与实例分析》MySQLLENGTH()函数用于计算字符串的字节长度,区别于CHAR_LENGTH()的字符长度,适用于多字节字符集(如UTF-8)的数据验证... 目录1. LENGTH()函数的基本语法2. LENGTH()函数的返回值2.1 示例1:计算字符串

Android kotlin中 Channel 和 Flow 的区别和选择使用场景分析

《Androidkotlin中Channel和Flow的区别和选择使用场景分析》Kotlin协程中,Flow是冷数据流,按需触发,适合响应式数据处理;Channel是热数据流,持续发送,支持... 目录一、基本概念界定FlowChannel二、核心特性对比数据生产触发条件生产与消费的关系背压处理机制生命周期

Python中你不知道的gzip高级用法分享

《Python中你不知道的gzip高级用法分享》在当今大数据时代,数据存储和传输成本已成为每个开发者必须考虑的问题,Python内置的gzip模块提供了一种简单高效的解决方案,下面小编就来和大家详细讲... 目录前言:为什么数据压缩如此重要1. gzip 模块基础介绍2. 基本压缩与解压缩操作2.1 压缩文

怎样通过分析GC日志来定位Java进程的内存问题

《怎样通过分析GC日志来定位Java进程的内存问题》:本文主要介绍怎样通过分析GC日志来定位Java进程的内存问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录一、GC 日志基础配置1. 启用详细 GC 日志2. 不同收集器的日志格式二、关键指标与分析维度1.

Spring Security中用户名和密码的验证完整流程

《SpringSecurity中用户名和密码的验证完整流程》本文给大家介绍SpringSecurity中用户名和密码的验证完整流程,本文结合实例代码给大家介绍的非常详细,对大家的学习或工作具有一定... 首先创建了一个UsernamePasswordAuthenticationTChina编程oken对象,这是S

MySQL中的表连接原理分析

《MySQL中的表连接原理分析》:本文主要介绍MySQL中的表连接原理分析,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录1、背景2、环境3、表连接原理【1】驱动表和被驱动表【2】内连接【3】外连接【4编程】嵌套循环连接【5】join buffer4、总结1、背景

python中Hash使用场景分析

《python中Hash使用场景分析》Python的hash()函数用于获取对象哈希值,常用于字典和集合,不可变类型可哈希,可变类型不可,常见算法包括除法、乘法、平方取中和随机数哈希,各有优缺点,需根... 目录python中的 Hash除法哈希算法乘法哈希算法平方取中法随机数哈希算法小结在Python中,

Java Stream的distinct去重原理分析

《JavaStream的distinct去重原理分析》Javastream中的distinct方法用于去除流中的重复元素,它返回一个包含过滤后唯一元素的新流,该方法会根据元素的hashcode和eq... 目录一、distinct 的基础用法与核心特性二、distinct 的底层实现原理1. 顺序流中的去重

Go语言代码格式化的技巧分享

《Go语言代码格式化的技巧分享》在Go语言的开发过程中,代码格式化是一个看似细微却至关重要的环节,良好的代码格式化不仅能提升代码的可读性,还能促进团队协作,减少因代码风格差异引发的问题,Go在代码格式... 目录一、Go 语言代码格式化的重要性二、Go 语言代码格式化工具:gofmt 与 go fmt(一)

Android ViewBinding使用流程

《AndroidViewBinding使用流程》AndroidViewBinding是Jetpack组件,替代findViewById,提供类型安全、空安全和编译时检查,代码简洁且性能优化,相比Da... 目录一、核心概念二、ViewBinding优点三、使用流程1. 启用 ViewBinding (模块级