沉积作用主导扩散在塑造河流微生物生物地理学中：一种基于逸度的建模方法

《Environmental Technology & Innovation》：Sedimentation dominates over diffusion in shaping riverine microbial biogeography: A fugacity-inspired modelling approach

　　

河流微生物生物地理学正日益受到人为污染的重新塑造，然而在高浊度河流中控制水体和沉积物之间微生物交换的机制仍不清楚。在此，研究人员开发了DiffusionSedModel，一种基于逸度（fugacity）概念的深度学习框架，该框架将传质理论与长短期记忆（Long Short-Term Memory, LSTM）网络相结合，以解析并量化沉积作用和扩散在污染梯度中构建微生物群落的相对贡献。该模型使用来自78个同步水-沉积物样本的配对16S rRNA基因数据集进行训练。通过整合横截面丰度数据与流体动力学约束，该框架无需直接通量测量即可推断位置特异性沉积系数和扩散系数。模型对两个分室的预测准确率均超过80%。模型模拟显示，垂直沉积作用在量级上压倒水平扩散，平均速率系数分别为0.1193和0.0108，识别出颗粒附着沉降为微生物空间组织的主导驱动因素。沉积物微生物群落结构在不同污染源间保持稳定，而水载群落则表现出明显的污染驱动分化。分类单元水平分析进一步将运输途径与功能角色联系起来，突出扩散相关的浮游类群（如假定的Limnohabitans parvus）和沉积作用相关的硫氧化菌（如假定的Sulfuricaulis limicola）。这些结果表明，浑浊河流中微生物扩散受颗粒介导的垂直通量控制，而非平流流动。通过从逸度理论中汲取概念类比并将其与数据驱动学习相结合，本研究提出了一种机制框架，用于预测日益增加的人为压力下沉积物主导河流系统中微生物的命运和功能，其向其他系统的可迁移性尚待跨系统验证。

论文解读：沉积作用主导河流微生物生物地理学——基于逸度概念与深度学习的机制解析

**研究背景与问题**

河流微生物生物地理学正受到城市化、农业扩张和工业发展等人为污染的深刻重塑。微生物对环境变化高度敏感，污染可破坏水生生态系统平衡，引发食物网级联效应。黄河作为中国第二大河流，兼具高泥沙负荷、多种污染源（来自郑州、洛阳、西安等工业中心）及黄土高原农业活动，是研究污染-微生物相互作用的理想系统。然而，现有研究存在三大不足：一是多数仅关注水相微生物而忽略沉积物，引入系统性偏差；二是将复杂污染简化为单一污染物，忽视真实环境中的协同效应；三是传统模型假设环境均匀，忽略沉积物异质性，预测精度有限。逸度模型虽能动态模拟污染物传输，但在黄河等系统中的应用缺乏足够时间分辨率与分析精度。因此，亟需一种能同时解析水-沉积物双相微生物交换机制、并量化沉积与扩散相对贡献的建模方法。

**研究内容与结论**

研究人员从黄河盆地（河南济源市）6个污染排放口（城市污水处理厂、化工厂、锌厂、铅厂、钢厂等）上下游共7个位置（-30 m至1000 m）采集了42个水-沉积物配对样本，共78个有效样本。通过16S rRNA基因V3-V4扩增子测序获取微生物群落数据，并开发了DiffusionSedModel——一种将逸度概念与长短期记忆（LSTM）网络耦合的深度学习框架。该模型利用横截面丰度数据推断位置特异性扩散系数和沉积系数，无需直接通量测量。模型对水相和沉积物相的预测准确率均超过80%（R2=0.81）。模拟发现，垂直沉积速率指数（0.1193）较水平扩散速率指数（0.0108）高约一个数量级，表明颗粒附着沉降是塑造微生物空间分布的主导机制。沉积物微生物群落结构在不同污染源间保持稳定（PERMANOVA P=0.096，ANOSIM R≈-0.015），而水相群落则呈现显著污染驱动分化（ANOSIM R=0.46，P=0.001）。分类单元水平分析揭示，扩散相关的浮游菌（如假定的Limnohabitans parvus）和沉积相关的硫氧化菌（如假定的Sulfuricaulis limicola）分别对应不同运输路径。该研究为沉积物主导河流系统提供了机制性预测框架，论文发表在《Environmental Technology》。

**关键技术方法**

研究人员采用了以下主要技术方法：（1）样本采集：于黄河盆地河南济源市6个污染排放口（含城市污水处理厂、化工厂、锌厂、铅厂、钢厂等）沿河设置7个采样点（上游参考点-30 m及下游0、30、100、200、500、1000 m），共42个水-沉积物配对样本，来源为同一河系。（2）高通量测序：提取DNA后扩增细菌16S rRNA基因V3-V4区，在Illumina NovaSeq 6000平台测序，经FLASH、fastp、Vsearch、DADA2等流程获得扩增子序列变异（ASV）。（3）逸度启发深度学习建模：构建DiffusionSedModel，以LSTM网络提取空间模式，并行全连接层预测位置特异性扩散率和沉积率，通过最小化均方误差训练，优化器为Adam，学习率0.001，共1000轮。（4）统计与生态分析：使用PerMANOVA、ANOSIM、SIMPER、随机森林、主坐标分析（PCoA）、典范对应分析（CCA）等评估群落差异与环境关联。

**研究结果**

**3.1 水相与沉积物环境间微生物群落组成的差异及其影响因素**
- **3.1.1 群落组成总体特征与丰度分布**：通过比较水-沉积物样本中优势菌属的丰度，发现沉积物富集厌氧/兼性厌氧菌（如假定的Sulfuricaulis limicola，占7.34%于工业废水处理厂下游200 m）和底栖光合生物（如假定的Planoglabratella opercularis叶绿体序列），而水相则以浮游菌（如假定的Limnohabitans parvus，最高7.88%）和浮游光合生物（如Cymatopleura solea叶绿体序列）为主。
- **3.1.2 群落多样性与结构分化**：基于Chao1指数，沉积物物种丰富度显著高于水相（p=6.126×10^-6）。PCoA（Bray-Curtis距离）显示两相明显分离（前两轴解释53.12%方差），ANOSIM证实结构显著差异（R=0.4559，p=0.001）。
- **3.1.3 物种贡献与指示种**：SIMPER分析表明，假定的Limnohabitans parvus对水-沉积物相间差异贡献最大（11.71%），其在水相高丰度而沉积物中几乎缺失。随机森林模型以85%±3%的交叉验证准确率识别水相与沉积物相指示种，如Bacteroides gramnisolvens和Bacteroides coprocola为整体数据集主导指标，沉积物相则富含Trachydiscus minutus叶绿体序列。

**3.2 污染源类型间微生物群落结构差异与指示种**
- **3.2.1 群落组成与丰度特征**：工业源水相中假定的Limnohabitans parvus平均丰度（0.0182）高于生活源（0.0089）和上游对照（0.0103）；硫氧化菌（假定的Thiothrix unzii）几乎仅见于工业源（0.0057），生活源仅0.00003。沉积物中假定的Sulfuricaulis limicola在混合源中最高（0.0039），生活源最低（0.0015）。
- **3.2.2 群落多样性与结构分化**：Chao1指数在污染源组间无显著差异（ANOVA p=0.2966），表明污染类型主要影响组成而非丰富度。PCoA显示工业源样本紧密聚集（95%置信椭圆窄），生活源分散，混合源居中，上游对照散乱。
- **3.2.3 分类群贡献与指示种**：SIMPER分析中，假定的Limnohabitans parvus在多重比较中贡献最大（如生活vs工业15.17%）。LEfSe分析识别出混合源富集Firmicutes和Alkanindiges，生活源富集Spirosomaceae和Gemmobacter，工业源富集Patescibacteria和Clostridiales，上游对照以Flavobacterium terrigena为特征。

**3.3 影响微生物群落结构的环境因子**
- **3.3.1 环境因子分布特征**：生活源TP和TN浓度高，工业源NH₃-N和NO₃-N高，混合源各参数居中。水-沉积物间浊度和总溶解固体（TDS）差异显著。
- **3.3.2 环境因子与群落结构关系**：CCA显示，生活源样本与TN、NO₃-N向量强相关，工业源分散，混合源沿NH₃-N梯度分布，上游对照与TDS相关。随机森林特征重要性分析表明，环境因子对多样性变化的解释力与空间距离、污染类型共同作用。

**讨论与结论**

讨论部分指出，本文的核心发现是垂直沉积作用主导水平扩散，且污染效应在垂直方向上呈现明显分室化：水相群落响应敏感，沉积物群落通过功能冗余维持结构稳定。沉积物中共检测到17个具有>3倍富集的特异性类群（如Acidobacteria bacterium 13_2_20CM富集74.5倍于生活源），但单个贡献<0.5%平均丰度，不足以改变整体结构。共现网络分析揭示10个功能模块（模块度0.566），大多数模块包含混合污染源物种，表明功能组织通过物种替换维持。模型的不确定性包括：单次采样（2023年11月枯水期）缺乏季节验证，16S rRNA排除了功能基因，被动示踪假设忽略生长动态，离散污染分类简化连续梯度。未来方向包括宏基因组表征功能路径、高频率采样跨水文期验证、以及沉积柱实验直接测量沉降-扩散比。

结论部分翻译如下：
垂直沉积作用，而非水平扩散，是本模型框架下高泥沙黄河中微生物空间分布的主导推断驱动因素（沉积速率指数：0.1193 vs 扩散速率指数：0.0108）。这一发现对传统应用于河流生态系统的流动主导扩散模型提出了普遍性疑问。
DiffusionSedModel——整合LSTM神经网络与逸度概念——解释了水相和沉积物相中超过80%的微生物丰度变异，提供了一种可潜在迁移的建模方法，用以从横截面群落数据量化运输机制，但有待在地理上不同的系统中验证。微生物群落表现出反映不同环境过滤器的栖息地特异性特征。水相群落以浮游菌（如假定的Limnohabitans parvus）为主，具有快速更新能力；沉积物群落则拥有更高的分类多样性和适应缺氧、富有机质条件的厌氧化能营养菌（如假定的Sulfuricaulis limicola、δ变形菌克隆）。沉积物作为微生物储库，积累耐污染类群并缓冲环境扰动，对生物地球化学循环和污染物衰减具有功能意义。
污染源类型通过不同的物理化学机制塑造群落。工业废水在缺氧、富硫条件下选择硫氧化菌，而混合污染源支持包括光合生物叶绿体序列在内的多样组合，反映多种生态位形成。估计的污染影响半径（~500 m下游）为定向监测和修复策略提供了空间框架。
这些发现强调了将沉积动力学纳入微生物运输模型和流域管理框架的必要性。对于黄河盆地和其他受人为压力影响的富泥沙河流，沉积物管理策略——包括水库调度和疏浚——可能间接塑造微生物群落并影响生物地球化学过程，为全球泥沙影响河流流域的沉积物聚焦污染监测、生物标志物早期预警系统和基于证据的修复优先排序提供了可操作框架。