宏基因组学与机器学习揭示极端温度海洋环境中氮代谢模式与生态适应机制

《Bioresource Technology》：Bulk metagenomics and machine learning unravels nitrogen metabolism patterns in extreme-temperature marine environments

本文通过宏基因组学与机器学习方法，系统揭示了极地海洋与热液喷口两种极端温度环境中氮循环基因的分布规律、微生物群落结构差异及酶热稳定性适应机制。研究发现环境条件（而非深度）主导氮循环网络构建，基因为适应极端温度产生显著进化分歧，为海洋生物地球化学循环及生物技术应用提供了新见解。

　　

氮循环相关基因的模式

在极地海洋和热液喷口环境中均检测到16个与氮代谢相关的基因，涵盖了所有氮代谢过程。共获得139,574条氮代谢相关基因序列，其中63,438条来自极地海洋，其余76,136条来自热液喷口沉积物。热液喷口样本中所有氮循环关键基因的丰度均高于极地海洋样本。

讨论

本研究基于极端海洋环境中氮循环特性的未知性，收集了来自两种不同极端海洋生境——极地海洋和热液喷口的宏基因组样本。通过评估基因丰度来表征氮循环过程（不包括氨化过程）。通过分类学注释确定了这两种环境中氮循环执行者的分类模式。这两种极端环境中的氮元素循环...

结论

本研究调查了极端温度海洋中的氮循环特征。从氮循环基因丰度、氮代谢微生物结构差异以及氮循环基因的进化差异等方面，揭示了极地海洋和热液喷口中微生物驱动的氮循环特征。根据氮循环基因建立了基于随机森林模型的高精度分类器。本研究...