热应激会导致未来贫营养化海洋中浮游植物细胞体积的增大

《Cell Reports》:Heat stress drives increases in phytoplankton cell size in future oligotrophic oceans

【字体: 大 中 小 】 时间:2026年09月19日 来源:Cell Reports 7.7

编辑推荐:

  亮点 • 海洋浮游植物在热和氮双重压力下会面临权衡 • 高氮效率的策略需要更小的细胞尺寸,但会降低对热的耐受性 • 耐热的策略需要更大的细胞尺寸,但会牺牲生长速度 • 在未来最温暖的海洋区域,Prochlorococcus可能不会一直占据主导地位 摘要 变暖和营养限制是影响海洋

  亮点
• 海洋浮游植物在热和氮双重压力下会面临权衡
• 高氮效率的策略需要更小的细胞尺寸,但会降低对热的耐受性
• 耐热的策略需要更大的细胞尺寸,但会牺牲生长速度
• 在未来最温暖的海洋区域,Prochlorococcus可能不会一直占据主导地位

摘要
变暖和营养限制是影响海洋初级生产的主要压力因素,这些因素会对食物网产生连锁影响。然而,我们尚缺乏关于浮游植物如何应对多重压力及其对这些响应对浮游植物生物地理分布影响的机制理解。通过结合理论、蛋白质组分配建模和气候预测,我们确定了两种可能的竞争性生长策略:(1)高氮效率的小细胞;(2)耐热的大细胞。研究发现,在温暖的、“热胁迫”热带地区,Prochlorococcus由于对热的敏感度较高且脂质储存能力较低,因此在应对氧化应激方面较为脆弱,这表明较大细胞(如Synechococcus和微真核生物)可能具有更大的生态位。我们的研究结果建议在气候变暖的情况下,将浮游植物的热胁迫响应纳入全球模型中,以更准确地预测它们的生态位。

图形摘要

引言
未来气候情景预测到2040年全球海洋平均温度将上升1.5°C,到本世纪末,大量海域的温度将超过30°C。海洋变暖预计会加剧分层现象,从而减少混合层以下营养物质的输入。海洋条件的变化已经导致初级生产力下降以及物种分布和大小谱的变化。由于浮游植物驱动海洋碳循环并维持海洋食物网,因此了解这些微生物如何应对温度和营养可用性的变化对于预测生态系统功能至关重要。细胞大小,特别是表面积与体积比值,是微生物对资源可用性和温度响应的关键驱动因素。在低营养浓度下,细胞通过增加外膜中的转运蛋白数量来提高营养物质吸收能力。由于膜能支持的转运蛋白数量有限,细胞通过减小体积来最大化单位细胞体积的营养通量,从而增加表面积与体积比值(图1)。尽管温度升高通常会导致细胞尺寸减小,但实验和现场研究表明,在极端高温下浮游植物会增加细胞体积。在之前的研究中,我们提出这种较大的细胞尺寸是由于增加了对能量代谢和热缓解的投入,这两者都需要较大的表面积与体积比值来适应碳储存和抗氧化机制(图1)。这为面临营养和热胁迫的浮游植物细胞提出了挑战:要么选择需要更多转运蛋白和更高表面积与体积比值的吸收策略(较小尺寸),要么选择需要较低表面积与体积比值的热缓解策略(较大尺寸)(图1)。

在营养限制条件下,浮游植物需要增加转运蛋白的投入,从而增大表面积与体积比值,这需要较小的细胞尺寸。而在热胁迫下,细胞必须投资于热缓解策略,减小表面积与体积比值以容纳抗氧化剂和其他蛋白质组成分,这需要较大的细胞尺寸。在多重压力条件下,细胞尺寸减小以优化营养吸收与增大细胞尺寸以优化热缓解之间存在权衡。

全球海洋中的浮游植物具有明确的生物地理分布,其中Prochlorococcus主导贫营养环流区域,而较大的真核浮游植物则在营养丰富的温带和沿海地区繁盛。现有模型预测,随着气候变暖,贫营养环流将向极地扩展,为Prochlorococcus提供更大的生态位。然而,这些预测基于对浮游植物生理学的简化假设,没有考虑细胞缓解热胁迫和储存碳的策略,而这些策略可以促进细胞体积的增加。最近的实际数据显示,在温度超过30°C的水域中,Prochlorococcus的丰度显著下降。然而,这种限制的机制以及Prochlorococcus为何未能进化出适应高温的能力仍然未知。限制细胞对多重压力环境的响应以及生理响应如何相互作用以塑造浮游植物生物地理分布对于准确预测未来的海洋生态系统至关重要。

在这里,我们使用蛋白质组分配模型研究了浮游植物在同时面临热胁迫和营养限制时的响应机制。我们证明,在氮限制条件下,细胞的热最适温度(Topt)可能向更高或更低的温度转变,这种转变受到细胞热缓解能力的调控。然后,我们通过校准模型以适应相关浮游植物的功能类型,并模拟在当前和未来海洋温度及硝酸盐浓度预测下的最佳生长策略。虽然我们观察到蓝细菌的生态位向极地扩展,但也发现Prochlorococcus在温暖的热带海域更为脆弱,因为它们的热缓解能力较弱且细胞尺寸较小。因此,我们确定了温暖热带海域中的一个关键生态位,在那里较大细胞尺寸的浮游植物(如Synechococcus或微真核生物)可能因其更大的细胞灵活性和耐热性而繁荣。我们的结果表明,在气候模型中考虑热胁迫和营养限制之间的相互作用对于预测物种灭绝和演替至关重要。

蛋白质组分配模型
我们使用了一个通用的浮游植物蛋白质组分配模型来理解多重压力条件下Topt和细胞大小变化的分子机制(图1)。在此基础上,我们扩展了Leles和Levine的模型,以模拟在热胁迫和资源限制条件下的多种浮游植物表型。该模型可以推广到所有单细胞浮游植物(原核生物和真核生物),但其当前形式无法捕捉到灵活的代谢策略,如渗透营养和混合营养。鉴于氮通常是贫营养环流中最有限的营养素,我们研究了浮游植物对氮限制的响应。然而,该模型对其他限制性营养素(如磷)的动态也非常适用。接着,我们使用真实浮游植物的生长曲线数据和蛋白质组数据验证了该模型,并模拟了当前和未来海洋条件下沿纬度梯度的浮游植物生长情况(见STAR方法)。

我们的蛋白质组模型由一组常微分方程组成,定义为一个受限优化问题(详细模型方程清单见方法S1)。该模型通过最大化浮游植物细胞在特定环境条件下的稳态生长率来预测细胞特征和生理状态(即光照、外部无机氮和碳浓度以及温度)。具体而言,模型通过优化代谢功能(如营养吸收、生物合成和呼吸)、细胞内大分子浓度(如蛋白质和碳储存)以及浮游植物细胞的表面积与体积比值来模拟细胞资源分配(表S1)。该模型解决了碳和氮的代谢问题,包括氮进入细胞的运输和所有关键细胞成分的合成。参数值见方法S1(表S2和S4)。

温度加速了模型中的所有酶促反应(方程3,STAR方法;图S1),但光化学反应除外,我们假设它们不受温度影响。根据先前的实验和建模研究,氮转运蛋白的热依赖性低于模型中的其他反应。所有其他过程假设具有相同的热依赖性(由参数Ea定义;图S1)。我们模型中光养和异养过程之间的热敏感性变化与先前的实验和理论结果一致。温度升高还会导致蛋白质损伤,从而在温度超过最佳值时机制上表现为生长速率的下降。为了最小化热损伤,模型细胞可以投资于修复途径和热缓解策略,例如产生抗氧化酶和/或储存脂肪酸。模型参数α控制着热缓解能力,较高的α值使细胞能够构建更多的抗氧化机制,从而更有效地缓解氧化应激(方程4,STAR方法)。虽然高α值提供了对氧化应激的保护,但这种策略需要牺牲细胞内部空间和蛋白质组投入,从而减少了用于营养吸收和/或生长的资源。

我们在不同的温度和氮浓度范围内求解蛋白质组模型,从而得出作为分子约束函数的热生长曲线。我们的分析关键在于能够评估驱动热特征(如Topt)和细胞大小变化的潜在生理和分子机制。细胞的最优表面积与体积比值是通过考虑细胞膜中转运蛋白所需的表面积和细胞内部结构(如光系统、细胞核和抗氧化剂)所需的细胞体积来解决的。因此,我们的模型为一个平台,用于机械地测试浮游植物在热胁迫和氮限制共同作用下的细胞尺寸权衡(图1)。

为了理解多重压力条件下的生长权衡,我们模拟了具有不同酶热依赖性(Ea)和热损伤缓解能力(α)的浮游植物细胞,并分析了由此产生的热生长响应(见STAR方法)。对于这一分析,其他参数保持不变。模型捕捉到了预期的权衡:适应高温的细胞(较高Ea值)在较高温度下生长更快,但在较低温度下生长较慢(图2A);具有较高热缓解能力的细胞(较高α值)在较高温度下存活,但最大生长速率较低(图2B)。

(A和B)在氮充足条件下,具有不同Ea值的细胞(A)和不同α值的细胞(B)的热生长曲线。
(C)由于不同的代谢策略,从氮充足到氮限制条件下Topt(开圈)的变化。
(D)从氮充足到氮限制条件下Topt的变化(ΔTopt),表现为Topt的增加(正值和红色)和减少(负值和蓝色)。
(E)在氮限制条件下氮吸收率(Nupt)达到最大值时的温度(T)。
(F)在氮限制条件下的最大生长温度(Tmax)。
(G)在氮限制条件下的最大生长速率(μmax)。两种竞争策略被突出显示:高氮效率(NE)和耐热(TT)。

模型预测在氮限制条件下Topt既有增加也有减少(图2C和2D),这与实验结果一致。模型表明,适应高温的细胞(较高Ea值)在氮限制条件下更有可能提高Topt(图2D),使细胞能够在较高温度下最大化氮吸收率(图2E)。较高的热缓解能力使细胞能够在较高温度下存活(图2F),但也导致Topt降低和最大生长速率下降(图2D和2G)。因此,模型结果揭示了两种应对多重压力条件的竞争策略:“高氮效率”或“耐热”(图2C)。

“高氮效率”策略将较高的Ea值与较低的α值相结合。较高的Ea值使细胞主要投资于生长(核糖体)。较低的α值导致较少的热缓解策略投资,从而使细胞尺寸较小,营养吸收效率更高。但这带来了细胞更容易受到热损伤的缺点,因此最大生长温度较低。另一方面,“耐热”策略使细胞大量投资于热缓解(较高α值)。这导致更多的蛋白质组投资用于热缓解蛋白,从而将资源从生长(核糖体)中转移出来,导致最大生长速率降低(图2G)。然而,这种策略需要更多的抗氧化机制,从而导致细胞较大。不过,这种投资使细胞具有更高的临界热限制(图2F)。由于“耐热”策略需要较大的细胞尺寸,细胞无法同时具有耐热性和高氮效率。我们的模型预测,低Ea值和低α值的细胞在氮限制条件下适应性较差,最大生存温度较低,且没有生长优势,这与“代谢崩溃”理论一致。我们研究了在变化中的海洋中不同生长策略的含义,使用了四种对比鲜明的浮游植物功能类型:Prochlorococcus、Synechococcus、适应温暖环境的硅藻和适应寒冷环境的硅藻。蓝细菌体积较小,优化了高营养利用效率;而硅藻的细胞大小明显更大,并携带大量基因以减轻温度和氧化应激。然而,在这两个组内也存在差异。在两种蓝细菌中,Synechococcus的细胞体积略大,对氧化应激的敏感性较低。在两种硅藻中,适应温暖环境的硅藻具有比适应寒冷环境的硅藻更快的最大生长潜力。选择硅藻作为代表性的繁殖真核浮游植物,是因为它们在海洋中的广泛存在、在海洋生态系统中的关键作用以及有数据可以验证我们的模型。我们模型中蓝细菌和硅藻的二分法也反映了生物地球化学模型中通常简化的浮游植物多样性。

我们根据营养吸收效率、热特性和热缓解能力的差异对蛋白质组模型进行了参数化(表S4,STAR方法)。我们使用Anderson等人提供的167个物种的热生长数据验证了模型表型。我们模型表型的最大生长率和热曲线的斜率与观测值非常吻合(图S2)。此外,模型中出现的细胞大小也与这两个组之间的预期差异一致(图3B和S3)。由于我们关注的是温度和营养压力的共同影响,我们选择代表皮科和纳米级硅藻,因为它们是在营养贫乏的寡营养环流中与蓝细菌直接竞争的种群,而这些区域预计在未来一个世纪会经历显著升温。然而,我们也展示了模型能够模拟更大的浮游植物(图S4)。我们还使用基于特定途径上调或下调的蛋白质组数据集,定性地验证了在热或营养压力下的蛋白质组投资变化(表S5和S6,见STAR方法)。不幸的是,没有蛋白质组数据集可以验证在复合热和营养压力下的预测。

图3 不同浮游植物功能类型的突出特征和权衡
显示完整标题
图查看器
(A) 根据Anderson等人的实证热曲线数据验证模型,包括蓝细菌Prochlorococcus(n = 9)和Synechococcus(n = 23),以及适应寒冷环境的(n = 42)和适应温暖环境的(n = 93)硅藻,在氮充足条件下的情况。显示了最大生长率(μmax)以及生长率随温度变化的斜率。
(B) 在氮限制条件下(见图S3的氮充足条件),模型预测的细胞长度Topt,以及从氮限制条件到氮充足条件下的Topt变化。
(C) 在氮限制条件下,模型预测的氮吸收率(Nupt)按最大观测率和国家利用效率(CUE)进行缩放。国家利用效率定义为1 - 呼吸作用/光合作用。详见图S2和S5,了解两种营养状态下的完整热曲线和蛋白质组投资。

在热压力下,所有表型都将资源从氮转运蛋白转移到热缓解策略和糖酵解上,以支持增加的呼吸需求(图S5)。这种权衡得到了海洋硅藻Chaetoceros simplex的蛋白质组变化的支持,在经历热压力的温度下,该种群减少了氮转运蛋白的投资,同时增加了伴侣蛋白、活性氧(ROS)清除蛋白和糖酵解的投资(表S5)。在氮压力下,所有模型表型通过减小细胞大小来最大化氮吸收的特异性亲和力(图S5)。在氮限制条件下,细胞还从光系统、核糖体和呼吸作用中转移资源,而更多地投资于转运蛋白(图S5)。这些代谢变化总体上与浮游植物和蓝细菌的实证观察结果一致(总结在表S6中)。

在多重压力下的生长中,“营养高效”策略使Prochlorococcus实现了最快的最大生长率(图S2)。然而,在极高的温度下,“耐热”策略使Synechococcus和适应温暖环境的硅藻实现了更高的碳和氮利用效率(图3C),从而在更高的最高温度下具有更好的生存能力(图S2)。相反,适应寒冷环境的硅藻较低的热依赖性导致其在多重压力条件下的生长速率最慢。

然后我们利用这四种表型来研究大西洋沿纬度剖面上的最佳生长策略,在当前(1980–2000年)和未来(2080–2100年)条件下(见STAR方法;图4)。为此分析,我们使用了CESM-WACCM模型这两个时间段的温度和硝酸盐浓度数据(图4B)。蛋白质组模型捕捉到了当前生物地理分布。具体来说,由于它们不同的热依赖性,我们观察到适应寒冷环境的硅藻分布在极地,而适应温暖环境的硅藻分布在温带海洋(图4C和4D)。正如预期的那样,蓝细菌在寡营养环流中表现出最高的生长潜力(图S6),特别是在超寡营养的南大西洋,因为它们具有高特定的营养亲和力(图4C和4D)。由于硝酸盐浓度的增加,适应温暖环境的硅藻再次在赤道附近占主导地位,除了在0°N–7°N的纬度范围内,那里硝酸盐浓度最低,温度最高(图4C和4D)。需要指出的是,我们的模型仅预测潜在的生长优势,因为我们没有模拟生态相互作用和物理动态(见讨论)。

图4 横跨纬度梯度的浮游植物最佳生长策略
显示完整标题
图查看器
(A) CESM-WACCM模型的预测表明,未来34.5%的全球表层海水温度将超过30°C。
(B) 使用当前(1980–2000年)和未来(2080–2100年)的温度和硝酸盐浓度,对大西洋沿纬度剖面进行了模拟。
(C–E) 还显示了未来气候情景下的最佳生长率(C)、按纬度划分的主要功能类型(D)和最佳细胞直径(μm)(E),其中白色填充和黑色填充分别表示从现在到未来的细胞大小减少和增加。详见图S9,了解模型中的蛋白质组投资。

在未来的气候情景下,模型预测全球表层海水温度超过30°C的比例将从目前的2.7%增加到本世纪末的34.5%(图4A和S7)。沿剖面的温度也显著升高,平均升高2.8°C(最大升高4.76°C),硝酸盐浓度平均降低33%(最大降低86%)。由于寡营养环流的向极地扩展,硝酸盐浓度的减少大于温度的升高,导致蓝细菌向极地扩展,因为它们具有更高的营养亲和力,即“营养高效”策略(图4D)。尽管如此,适应寒冷环境的硅藻表型在极地仍然实现了最高的生长率,但由于未来温度的升高,这一群体的潜在生态位变窄(图4D)。

蛋白质组模型结果还表明,在温度预测增加将比营养变化对表型变化产生更大影响的情况下,某些生态位会受到更多影响(“热应力区域”,图4D)。这种生态位出现在当前条件下严重营养受限且预计会经历显著升温的海洋区域(例如,12°S–22°N)。我们假设在这些区域,“耐热”策略将比“营养高效”策略具有竞争优势,从而导致细胞大小增加,以满足应对氧化损伤和黑暗呼吸需求(图4E)。因此,即使假设不同功能类型之间的热缓解能力相同,Synechococcus和适应温暖环境的硅藻功能类型在这些“热应力”区域的表现也会更好(图S8),因为Prochlorococcus的热依赖性较低(表S4),意味着热应力在较低的温度下就开始显现。虽然这些变化发生的具体纬度范围取决于CESM模型对温度和硝酸盐浓度变化的预测,但我们假设的生态位变化提供了关于浮游植物群落如何响应多重压力变化的见解。

对未来多重压力变化的代谢响应在海洋学区域和不同表型之间存在差异(图S9和S10)。在极地,所有表型都增加了对转运蛋白的投资(图S9)并减小了细胞大小(图4E中的白色填充符号),以在未来的氮限制条件下最大化氮利用效率。这一结果与实证观察一致,即氮限制在决定浮游植物细胞大小方面起着比温度更重要的作用。在热带地区,由于极高的温度,所有表型都减少了对转运蛋白的投资,而增加了对光系统的投资,因为高温增加了呼吸需求和氧化应激,导致生长率相对较低(图S9和S10)。这种策略需要比当前条件更大的细胞大小(图4E中的黑色填充符号)。虽然Prochlorococcus(“营养高效”策略)通过增加细胞大小来容纳细胞内能量储存化合物,以管理不断增加的热损伤和呼吸需求,但Synechococcus和适应温暖环境的硅藻(“耐热”策略)通过增加细胞大小来储存碳以进行黑暗呼吸,并容纳对抗氧化损伤的细胞内机制,从而更好地管理热应力。这种差异解释了为什么Prochlorococcus在热带地区的生长潜力较低。总体而言,由于Prochlorococcus的热缓解能力较低,它必须相对于Synechococcus和硅藻投入更多的蛋白质组用于呼吸(图S10)。因此,我们的模型表明,特别是在超寡营养的“营养高效”Prochlorococcus中,蓝细菌在应对更温暖气候方面的代谢灵活性较低。

通过结合生态理论、蛋白质组分配建模和未来气候预测,我们能够识别出浮游植物对多重压力变化反应的蛋白质组和细胞大小限制。具体来说,我们的方法使我们能够区分物理因素(例如,空间和能量限制)施加的“硬性限制”和生物学因素(例如,酶动力学)导致的“柔性限制”。与“硬性限制”不同,“柔性限制”可以通过适应来缓解。我们确定了两种不同的策略,使浮游植物能够在氮限制条件下最小化气候变暖的负面影响:“营养高效”和“耐热”。由于细胞的硬性限制,这两种策略是相互排斥的——一个细胞不能同时具有最高的营养效率和高的热耐受性。蓝细菌Prochlorococcus是营养高效策略的一个关键例子。这种策略使这一群体在当前的寡营养环流中繁荣发展,我们预测在未来的条件下,它们的生态位将向极地扩展,这与之前的研究一致。然而,我们证明,像Prochlorococcus那样进化为最高水平的营养效率需要以牺牲热耐受性为代价。因此,我们预测未来的升温将在热带地区导致一个“热应力”生态位的扩张,在那里“耐热”浮游植物将相对于“营养高效”浮游植物获得优势,因为它们具有更大的细胞大小灵活性和抵抗热损伤的能力。

我们的结果强调,细胞大小限制是表型的重要驱动因素。所有表型在极地和温带海洋中都因营养压力而减小细胞大小,在热带地区因温度压力而增大细胞大小(图4E)。我们模型中硅藻的这种细胞体积的增加与先前的研究一致,这些研究表明,当暴露在高于生长极限的温度下或处于短暂压力期间缺乏营养时,硅藻和其他真核生物会增加细胞大小,这是由于碳水化合物和/或脂质的积累。同样,我们的模型预测,为了在热带地区生存,蓝细菌功能类型需要显著增加细胞直径(Prochlorococcus最多增加4倍,Synechococcus最多增加3倍),以储存碳并支持高呼吸成本。这与Maranón等人最近的实验室和野外操纵实验结果一致,他们发现在大西洋中,蓝细菌在温度升高的条件下细胞直径增加了多达两倍,并且细胞体积的增加与缓慢或负的生长率相关。全球气候模型预测,到本世纪末,超温暖寡营养水域将大幅增加,从2%增加到34%(见图4A和S7)。这些预测基于平均温度,没有考虑到热浪等时间变化因素的额外影响,而这些因素将进一步加剧局势。当前海洋中与这些未来条件最为相似的例子是南太平洋环流和红海。尽管Prochlorococcus数量众多,并且是南太平洋亚热带环流周围碳固定的关键贡献者,但在该环流中的碳固定主要由小型光合真核生物主导。对太平洋大量数据集(8000亿个细胞)的分析表明,Prochlorococcus在温度超过30°C的水域中很少出现。红海表面温度可以达到33°C的记录值,而营养物质浓度可能低至0.1 μM。野外观察显示,在红海最温暖(>30°C)的水域中,更大、更耐热的蓝细菌Synechococcus可以取代Prochlorococcus。虽然这并非决定性证据,但它表明Prochlorococcus的红海菌株可能尚未进化出在高温(>30°C)环境中的竞争优势。相比之下,Synechococcus能够通过增加细胞大小和每个细胞的叶绿素含量来轻松适应高温环境。因此,我们的研究以及野外和实验证据都表明,在赤道和热带地区,升高的温度可能有利于小型真核生物和较大的蓝细菌相对于Prochlorococcus的发展。我们假设,在经历高温的未来海洋中,应对氧化应激的能力将在不同表型的成功中起关键作用。Synechococcus对氧化应激的敏感性低于Prochlorococcus。总体而言,真核生物在感知环境和控制氧化应激方面比原核生物更胜一筹,这可能与后者缺乏大量抗氧化基因有关,尤其是Prochlorococcus。先前的研究表明,Prochlorococcus可能因为抗氧化基因成本高昂而失去了很多抗氧化基因,因此依赖于其他微生物来降解活性氧(ROS)。我们的模型没有考虑这些“辅助微生物”的潜在好处。然而,依赖其他微生物来完成这一重要功能可能对Prochlorococcus的适应潜力构成风险,因为这些“辅助微生物”也会随着海洋环境的变化而迅速进化,无法保证当前的相互作用能够持续。最后,发现硅藻和其他真核生物与固氮蓝细菌存在共生关系,这为大型真核细胞在氮缺乏条件下繁荣提供了另一种策略。探索这些微生物相互作用在多重压力变化下的变化是未来研究的重要方向。

在这里,我们强调了热应力在决定浮游植物生物地理分布中的关键作用。此外,我们假设由于空间和能量的权衡,存在两种应对多重压力的策略:“营养高效”和“耐热”。我们的工作提倡在用于未来气候预测的地球系统模型中纳入热应力策略、碳储存和细胞大小的变化。蛋白质组分配模型的结果阐明了不同代谢策略之间的权衡,为如何在大规模模型中表示这些动态提供了路线图。这将使未来的研究能够调查细胞层面对抗多重压力生长的响应与种群动态和生态相互作用之间的交互效应。在升温条件下,赤道和热带地区为大型浮游植物创造生态位有可能重塑微生物相互作用、食物网结构和营养循环。虽然我们专注于皮科和纳米级别的细胞,但我们展示了大型真核生物(见图S4)也面临类似的权衡(见图S11和S12)。真核浮游植物通常释放更多种类和更丰富的有机化合物,从而促进异养细菌的生长并增强营养物质的再矿化。此外,较大的浮游植物细胞可以支持更大的浮游动物,提高营养传递给大型捕食者的效率。大型浮游植物还具有更高的细胞碳含量,产生粘性外聚合物,促进颗粒聚集,并被浮游动物消耗,产生更密集的粪便颗粒。这些特性共同增加了向深层水体输送碳的潜力,改变了营养循环的化学计量和深度。将细胞尺度的见解整合到生物地球化学模型中,为综合实验和野外数据提供了强有力的工具,以理解大规模气候影响。

### 研究局限性
数值模型面临的一个主要挑战是如何表示海洋微生物的巨大多样性。在这项研究中,我们使用硅藻作为真核浮游植物的例子,以便与实验数据集进行验证,并与全球生物地球化学模型中通常使用的简化浮游植物功能组保持一致。由于我们的蛋白质组模型没有纳入硅藻特有的代谢过程(如硅酸盐壳体的合成),因此这些发现普遍适用于形成水华的真核浮游植物(例如,颗石藻)。然而,我们的模型目前无法解析混合代谢形式,如在多重压力环境下可能非常有利的混合营养方式。未来研究和实验的一个重要领域是了解真核浮游植物应对高温生长和氧化应激的不同策略。同样,我们专注于温度和营养压力最大的上层水柱(前20米)。然而,在光合带内存在明显的梯度,高光适应性和低光适应性Prochlorococcus之间存在关键差异。未来的另一个研究方向是探索深叶绿素最大值处的环境变化及其对不同策略相对竞争优势的影响。

### 资源可用性
进一步的信息和资源请求应联系首席联系人Suzana G. Leles(suzana.leles@utexas.edu)。

### 材料可用性
本研究没有生成新的独特试剂。

### 数据和代码可用性
- **数据**:本研究没有生成新的数据。用于模型验证的数据可以在关键资源表中找到。
- **代码**:该模型用Julia编写,代码存放在Zenodo上(DOI: https://doi.org/10.5281/zenodo.21925253),也可以在GitHub上找到(https://github.com/LevineLab/ProteomePhyto/tree/main)。本研究中使用的CESM2-WACCM模型输出可通过Earth System Grid Federation获取(https://esgf-node.ipsl.upmc.fr/projects/esgf-ipsl/)。有关更多信息,请参阅关键资源表。
- **任何重新分析本文报告的数据所需的额外信息均可向首席联系人咨询。**

### 致谢
我们感谢Simons基金会通过Simons海洋微生物生态学博士后奖学金对S.G.L.(877215)的支持,美国国家科学基金会(NSF)CAREER OCE项目对N.M.L.(2044852)的支持,瑞士国家科学基金会对C.L.和L.F.(203448)的支持,加利西亚自治区的博士后奖学金(2013年和2016年),以及维戈大学的研究人才保留计划(2019年)对M.A.G.的支持。A.K.获得了Simons计算生物地球化学海洋生态系统建模合作项目的资助(549931)。

### 作者贡献
S.G.L.和N.M.L.构思了这项研究并撰写了初稿。S.G.L.开发了模型、运行了模拟并进行了数据分析。L.B.开发了代码以改进优化算法。A.K.开发了代码以使用实证得出的温度生长数据进行分析。L.F.提供了CESM2-WACCM模型输出。M.A.G.分析了蛋白质组数据。H.A.、H.V.M.、C.L.、E.L.和其他作者修订了初稿,最终形成了这份手稿。

### 利益声明
作者声明没有竞争利益。

### 方法
#### 关键资源表
- **试剂或资源**
- **温度生长曲线数据汇编**:167种硅藻和蓝细菌的数据,Anderson等人,Zenodo: https://zenodo.org/records/5507532
- **Prochlorococcus marinus的蛋白质组响应数据**:Domínguez-Martín等人
- **Chaetoceros simplex的蛋白质组响应数据**:PrIDE数据库,标识符PXD005745
- **Phaeodactylum tricornutum的蛋白质组响应数据**:Aranguren-Gassis等人,https://doi.org/10.1101/2024.11.27.625584
- **Thalassiosira pseudonana的蛋白质组响应数据**:Yang等人,https://doi.org/10.1007/s10811-013-0050-3
- **Phaeodactylum tricornutum的蛋白质组响应数据**:Chen等人,PrIDE数据库,标识符PXD011133
- **Phytoplankton蛋白质组模型输出模拟数据**:https://github.com/LevineLab/ProteomePhyto/tree/main

### 软件和算法
- **浮游植物蛋白质组模型**:https://doi.org/10.5281/zenodo.21925253,https://github.com/LevineLab/ProteomePhyto/tree/main
- **Julia**:https://julialang.org/N/A
- **JuMP**:https://jump.dev/JuMP.jl/stable/N/A
- **Ipopth**:https://github.com/jump-dev/Ipopt.jl/N/A
- **Omicsbox软件(版本1.4.12)**:https://www.biobam.com/omicsbox/N/
- **AR**:https://www.r-project.org/N/
- **Open table**:在新标签页中打开

### 实验模型和研究参与者详情
本研究没有涉及任何新的实验,完全依赖于计算机模拟。模拟结果与文献中已发表的实证数据进行了比较,具体细节见关键资源表。

### 方法详情
我们使用了Leles和Levine修改的蛋白质组分配模型来预测浮游植物细胞在热和营养压力多重压力条件下的最佳代谢策略和细胞大小。进一步将模型与Anderson等人先前编译的167种物种的实证数据结合起来,以模拟当前和未来海洋条件下不同浮游植物功能类型的最佳策略。我们的粗粒度模型被定义为一个受限优化问题,旨在最大化细胞的稳态生长。这里给出了控制模型行为的一般方程,并重点介绍了与本研究相关的过程。完整的模型方程和优化变量列表(表S1)及参数值(表S2和S4)请参阅方法部分S1和GitHub上的代码(https://github.com/LevineLab/ProteomePhyto/tree/main)。

模型假设细胞在给定温度和氮浓度下的生长是指数级的。因此,大分子浓度(c)可以通过假设合成速率(vsynthesis)之和减去降解速率(vdegradation)之和等于细胞生长率μ来获得:??????????=∑????????????????????????????∑????????????????????????????????????????=0(方程1)。

每个由特定蛋白质i催化的反应速率遵循Michaelis-Menten型方程:????=??????????????????+????(方程2),其中ki是每个蛋白质的最大转化率,Si是底物浓度,Ki是半饱和常数,pi是蛋白质i的浓度。ki根据文献值计算,并校正到20°C的参考温度。我们假设细胞内的所有反应速率都随温度升高而增加,遵循Arrhenius方程:????=????????????????????,???????=exp?(???????(1???????????1??)(方程3),其中????????????是在参考温度Tref(以开尔文为单位)下的最大转化率,Ea是代谢率的热依赖性(以eV为单位),R是玻尔兹曼常数(以K为单位),T是实际温度(以K为单位)。唯一的例外是光合作用的最大速率,我们假设它不随温度变化。所有反应的Ea都相同,除了氮吸收除外,我们对模型的氮吸收反应的热依赖性减半。

#### 模型细节
我们使用的模型是一个改良自Leles和Levine的蛋白质组分配模型,用于预测浮游植物细胞在热和营养压力多重压力条件下的最佳代谢策略和细胞大小。我们进一步将模型与Anderson等人先前编译的167种物种的实证数据结合起来,以模拟当前和未来海洋条件下不同浮游植物功能类型的最佳策略。我们的粗粒度模型被定义为一个受限优化问题,旨在最大化细胞的稳态生长。这里给出了控制模型行为的一般方程,并重点介绍了与本研究相关的过程。有关完整模型方程和优化变量列表(表S1)及参数值(表S2和S4),请参阅方法部分S1和GitHub上的代码(https://github.com/LevineLab/ProteomePhyto/tree/main)。

模型假设细胞在给定温度和氮浓度下呈指数生长。因此,大分子浓度(c)可以假设合成速率(vsynthesis)之和减去降解速率(vdegradation)之和等于细胞生长率μ来获得:??????????=∑??????????????????????∑????????????????????????????????????????=0(方程1)。

每个由给定蛋白质i催化的反应速率遵循Michaelis-Menten型方程:????=??????????????????+????(方程2),其中ki是每个蛋白质的最大转化率,Si是底物浓度,Ki是半饱和常数,pi是蛋白质i的浓度。ki根据文献值计算,并校正到20°C的参考温度。我们假设细胞内的所有反应速率都随温度升高而增加,遵循Arrhenius方程:????????????=????????????????????(方程3),其中????????????是在参考温度Tref(以开尔文为单位)下的最大转化率,Ea是代谢率的热依赖性(以eV为单位),R是玻尔兹曼常数(以K为单位),T是实际温度(以K为单位)。唯一的例外是光合作用的最大速率,我们假设它不随温度变化。所有反应都假设有相同的Ea,除了氮吸收,对于氮吸收,我们根据先前的实证和建模研究将其热依赖性减半。

升温还会导致蛋白质损伤vd随温度升高而增加,但细胞可以投资于减轻热损伤的策略:????=??????????????????????????????,???????=exp?(???????(1?????1??)(方程4),其中????????????是在给定温度下的最大损伤速率,Ed是蛋白质损伤的热依赖性,α是细胞的热损伤缓解能力,pox是抗氧化机制的池。pox被限制在α或更低,因此更高的α使细胞能够建立更多的抗氧化机制pox,从而提高细胞管理氧化应激的效率,但代价是最大的生长率降低(图2B),因为需要更多的细胞内空间和蛋白质组成本来建立pox。我们的模型可以表示两种不同的策略:储存脂质以隔离活性氧或产生抗氧化酶以减少氧化应激。在这里,我们展示了利用脂质储存的模型版本的结果。抗氧化酶的结果在补充材料中以定量形式提供(图S13)。

模型优化了细胞的表面积与体积比。为简单起见,我们假设细胞是球形的,且模型不描述链状或丝状结构。细胞大小是在1)氮转运蛋白所需的表面积与2)细胞内机器(包括光系统、碳储存、细胞核和抗氧化剂)所需的内部空间之间的权衡(见方法部分S1)。该模型可以用于模拟任何形状的浮游植物细胞,但为了简化问题,这里我们假设细胞是球形的。

敏感性分析
实证观察表明,浮游植物物种表现出多样的热生长曲线和对氧化应激的敏感性。为了捕捉这种特征多样性,我们在模拟中改变了两个参数:代谢反应的温度依赖性(Ea)和细胞的热缓解能力(α)。我们利用了之前汇编的167条浮游植物热生长曲线来选择在敏感性分析中测试的Ea值范围。请注意,模型中的Ea值对应于代谢反应,而不一定是文献中通常描述的生长率Ea值。同样,文献中对α值的限制很少。我们在模拟中使用的α值范围是基于之前的研究得出的,该研究发现不同物种对氧化应激的敏感性可以相差10倍。这种敏感性通过F0值的升高和H2O2暴露下氧气产生的减少得到了证实,这与PSII光抑制损伤一致。我们的模型通过模拟受损光系统的浓度来捕捉这种差异敏感性(见图S14)。我们还假设,抗氧化剂的最大浓度越高,与蛋白质损伤相关的能量成本就越低;所有其他参数值在这些分析中保持不变(见表S2)。

我们基于10x10的网格,结合不同的Ea和α值,对100个不同的细胞进行了模拟。我们在每个0.25°C的宽广温度范围内求解模型,以捕捉完整的热生长曲线,并从模拟中得出每种表型的最佳生长温度(Topt)。我们对两种不同的营养条件(氮富集(DIN = 20 μM)和氮缺乏(DIN = 0.1 μM)重复了这个过程。总共,我们模拟了200条热生长曲线,并找到了大约10,000种温度、DIN、Ea和α组合的最佳解(见方法部分S1)。

模型与蛋白质组数据的比较
我们将模型的热应激预测与一项实验进化研究的数据进行了验证,该研究量化了海洋硅藻Chaetoceros simplex的蛋白质组响应。在实验中,比较了三个不同群体之间的蛋白质差异表达:适应对照温度(25°C)的祖先群体、适应热应激(31°C)的祖先群体以及适应热应激(34°C)的温暖进化群体。使用Omicsbox软件(版本1.4.12)对所有鉴定出的蛋白质进行了功能注释和基因本体(GO)富集分析,并采用了Fisher精确检验,假发现率(FDR)为0.05。分析使用了简化选项以提供更具体的GO术语(见表S5)。我们根据特定途径的上调或下调情况,从定性上将我们的模拟结果与蛋白质组数据进行了比较。这扩展了我们之前的工作,提供了实证证据,支持祖先群体和进化群体在营养获取和热缓解之间的权衡。Prochlorococcus对温度升高的响应之前已在Leles和Levine的研究中通过转录组数据得到了验证。为了验证两种不同营养条件下的模型预测,我们将模型输出与文献中不同浮游植物物种在氮富集和氮缺乏条件下的蛋白质组响应值进行了比较(见表S6;方法部分S1)。没有可用的蛋白质组数据来验证复合热和营养压力下的预测。

浮游植物功能类型和纬度模拟
我们在大西洋的一个纬度范围内解决了蛋白质组模型,并在经度范围330°–335°E上进行了空间平均,因为在这一狭窄范围内温度和营养条件相对均匀。我们选择大西洋横断面进行这项分析,因为与太平洋相比,这里铁限制的影响较小,因此更能代表对硝酸盐限制的响应。我们使用了CESM2-WACCM模型的历史和未来SSP5-8.5模拟来构建当前(1980–2000年)和未来(2080–2100年)的温度和硝酸盐浓度平均值,这些平均值都是基于水柱上层20米的。由于光照变化不是本研究的重点,我们使用了300 μmol photon m-2 s-1的恒定光剂量来代表平均混合层条件。

我们参数化了模型以代表四种浮游植物功能类型:Prochlorococcus、Synechococcus、温暖适应的硅藻和寒冷适应的硅藻。选择这四种类型是因为它们对全球初级生产的重要性以及它们在三个关键属性上的差异:1)营养吸收效率,2)热特性,3)热缓解能力。鉴于硅藻的广泛温度范围,我们模拟了两种表型以捕捉寒冷和温暖适应的物种。参数值是基于之前的文献选择的,详细信息见方法部分S1(表S4)。

然后,我们用更多实验数据验证了模型。为了确认我们的参数选择能够模拟这四种类型的总体生理特性,我们将模型预测的最大生长率(μmax)和热曲线的生长(左侧)斜率与Anderson等人之前汇编的167个物种的数据进行了对比。数据集中Topt低于20°C的硅藻物种被归类为寒冷适应的。数据集中的所有Prochlorococcus和Synechococcus物种的Topt都高于20°C。为了进行这种比较(见图3A),我们将数据拟合到Norberg方程中。我们使用对数似然函数拟合每个实验数据集的Norberg方程的参数,然后估计出模型生长率为其最大值20%时的上下温度值。我们通过将最大生长率与最大生长率20%之间的差值除以热最适温度与生长率为最大值20%时的温度之间的差值得出热曲线的上下斜率。

为了参数化我们功能类型之间的热缓解能力差异(α),我们证明模型中受损光系统的浓度大约是温暖适应的硅藻的10倍,这与Drábková等人的发现一致(见图S14)。我们还对Prochlorococcus的热缓解能力进行了敏感性分析(见图S15),表明我们的关键发现,即在大热应激区域较大浮游植物的潜在生态位是成立的,即使我们假设功能类型之间的热缓解能力相等,但具体发生的纬度范围是可变的(见图S8)。由于Prochlorococcus的温度依赖性低于Synechococcus(见表S4),在假设热缓解能力相等的情况下,热应激在较低温度下就会发展。我们还比较了模型中蓝细菌和硅藻的平均细胞大小和营养吸收亲和力,以确保这些反映了实证观察到的差异(见图3B)。最后,我们还评估了蛋白质组模型预测的蓝细菌和硅藻在任何给定纬度下的最高最佳生长率是否反映在该组的更高生物量上,这通过考虑这两种功能类型之间不同温度依赖性的全球模型模拟得到了验证(见图S6)。

量化和统计分析
计算方法已在上面详细描述,更多细节可以在补充材料中找到。优化是使用Julia中的JuMP接口通过Ipopt完成的。所有数据分析和图表都是在R中进行的。所有代码都可以在Zenodo上找到。

补充信息(2)
下载全部内容:
PDF(8.07 MB):文档S1、图S1–S15、表S1–S5和方法部分S1
PDF(13.74 MB):文档S2、文章及补充信息
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号