微生物功能基因揭示全球生物群系土壤碳温度敏感性(Q10)的非线性响应机制

《Global Change Biology》：Microbial Functional Genes Help Explain Soil Carbon Sensitivity to Temperature Across Global Biomes

　　

土壤微生物呼吸的温度敏感性（Q₁₀）是气候变化背景下全球土壤碳排放的关键影响因子。尽管微生物生物量是Q₁₀值的主要驱动因素，但微生物功能性状在解释Q₁₀值中的作用在很大程度上仍未确定。在此，研究人员将温度梯度培养与宏基因组数据库相结合，该数据库来源于覆盖所有主要生物群系的196个自然生态系统表层土壤样本。研究发现，与碳水化合物代谢和半纤维素降解相关的微生物功能性状（以每百万转录本(TPM)量化）与Q₁₀值显著相关。此外，一旦超过微生物功能性状的阈值，Q₁₀值表现出突变的非线性变化。全球制图进一步提供证据表明，与碳降解相关的微生物功能性状和高Q₁₀值集中在北半球高纬度地区地球上最大的土壤碳库内。这些区域可能代表着气候变暖下土壤碳损失脆弱性的关键热点。研究结果为将宏基因组数据和非线性微生物响应纳入下一代碳-气候模型迈出了新的一步。

土壤是地球上最大的活性碳库，每年通过异养微生物呼吸释放至大气的CO₂量约为人为排放量的5倍。温度敏感性因子Q₁₀（温度每升高10°C微生物呼吸速率的比例增加）是预测变暖情景下土壤碳反馈的核心参数。然而，以往研究主要聚焦于微生物生物量、群落组成以及矿物保护（如矿物结合态有机碳与颗粒态有机碳之比，MAOC:POC）对Q₁₀的影响，微生物功能性状在全球尺度上如何塑造Q₁₀值仍属空白。由于地球系统模型通常假设恒定的Q₁₀，而非线性响应和功能基因丰度的潜在突变可能被系统性低估，研究者迫切需要建立微生物功能基因与Q₁₀之间的定量关联，以识别气候变暖下最脆弱的土壤碳库。

针对上述问题，研究人员整合了全球196个自然生态系统的表层土壤样本（来自Maestre等2022、Delgado-Baquerizo等2021/2019及Eldridge等2023报道的野外调查），其中宏基因组数据来源于Chen等(2026)的公开数据库，Q₁₀值来源于Sáez-Sandino等(2023)的短期培养实验（10h，温度梯度为0、10、20、30°C）；MAOC:POC比值和细菌绝对丰度（qPCR）数据分别覆盖179个与173个子集样本。该研究发表于《Global Change Biology》。研究采用的主要关键技术方法包括：(i)基于MicroResp协议的短期温度梯度培养测定Q₁₀；(ii)Illumina NovaSeq平台宏基因组测序（约10Gb/样本），经fastp质控、MEGAHIT组装、Prodigal基因预测、CD-HIT聚类和Salmon定量后，利用eggNOG-mapper注释KEGG功能基因与CAZy酶家族，以TPM（每百万转录本）标准化功能基因丰度；(iii)随机森林（spatialRF包）识别与Q₁₀关联的关键功能性状，并结合环境变量（WorldClim、SoilGrids等）进行全局制图与空间预测（Mahalanobis距离限制外推）；(iv)基于AIC准则的两步模型选择（线性/二次/GAM比较及阈值模型识别），结合bootstrap重抽样评估非线性关系的稳健性。

3.1 塑造Q₁₀值的主要微生物功能性状

随机森林分析显示，KEGG Level 2水平上的碳水化合物代谢途径是Q₁₀的最强预测因子；在生态功能基因集中，半纤维素降解和淀粉降解位居前列。单个基因水平上，编码木聚糖酶的xylA位列第四，而乙醛酸循环关键酶苹果酰辅酶A裂解酶（mcl）是最重要的预测基因。CAZy分类中与不稳定碳代谢相关的酶（如α-葡聚糖代谢、半纤维素和寡糖降解、糖原/淀粉磷酸化酶）同样具有高预测能力，而羧酸酯酶（参与复杂难降解化合物分解）与Q₁₀呈负相关。此外，蛋白质折叠、翻译和膜转运等细胞维持相关基因也是强预测因子。基于此，研究人员提出了三种互补的代谢策略：碳获取、碳同化与保存、细胞维持与应激响应，其动态平衡可能决定Q₁₀的变异。

3.2 微生物基因阈值塑造Q₁₀值

通过非线性模型选择，研究发现所有主要微生物功能性状与Q₁₀的关系均呈显著非线性：Q₁₀随TPM归一化丰度上升而增加，但一旦越过特定阈值，进一步的功能基因丰度增加反而导致Q₁₀下降。这些阈值在森林、草地、灌丛和苔原等多种生态系统类型中均有分布，表明该现象并非局限于单一生物群系。阈值后Q₁₀的降低可归因于微生物在资源受限或环境胁迫下将能量更多分配给细胞维持和胁迫耐受而非呼吸代谢。

3.3 与Q₁₀相关的微生物基因全球热点

研究生成了全球双变量图谱，发现高Q₁₀值和高TPM丰度的碳降解功能基因高度共现于北半球高纬度地区（如欧洲、西伯利亚和北美），这些区域恰好是地球上最大的土壤碳库。相反，干旱和极干旱生态系统（撒哈拉、美国西部和澳大利亚中部）表现出高功能基因丰度但低Q₁₀值，暗示极端水分限制下微生物维持基础代谢但呼吸温度敏感性降低。预测不确定性分析表明，高纬度热点区域的模型变异较低，支持这些热点区域的预测稳健性。

3.4 土壤病毒动态在塑造Q₁₀值中的新见解

基于173个样本的qPCR数据，随机森林分析显示细菌丰度（16S rRNA基因拷贝数）是仅次于病毒信息处理基因（KEGG Level 2）的第二强Q₁₀预测因子。病毒信息处理基因丰度与Q₁₀呈负线性关系，而细菌丰度与Q₁₀呈非线性关系（转折点为9.53 log₁₀ copies g^?1 soil），且病毒信息处理基因丰度与细菌丰度负相关。这些关联提示病毒-微生物互作可能通过调控微生物生物量间接影响Q₁₀，但尚需实验验证其因果机制。

3.5 甲烷循环微生物功能性状与MAOC:POC比值的关联

在179个土壤子集中，甲烷氧化和产甲烷途径被识别为MAOC:POC比值的最重要预测因子，且两者与该比值均呈正线性关系。这可能反映了产甲烷古菌等微生物通过生物量和坏死物质形成促进矿物结合态有机碳的积累，也可能与积水、缺氧等共享环境条件同时驱动甲烷循环微生物群落和有机碳稳定化有关，尤其在高纬度和多年冻土生态系统中具有潜在重要性。

该研究的讨论部分指出，短期标准化培养（10h）避免了长期培养中底物耗竭和微生物生理状态改变带来的偏差，但无法捕捉微生物驯化、群落演替和水分-矿物相互作用等长期过程；与全球meta分析比较显示，其Q₁₀中位数为1.1–1.6，低于长期培养实验的报道值。未来需将长期增温实验与宏基因组分析结合，以深化对微生物功能性状调控Q₁₀机制的认识。

研究结论可翻译为：通过将温度梯度培养与覆盖所有主要生物群系的宏基因组分析相结合，本研究识别出了与Q₁₀值相关联的微生物功能性状。结果表明，微生物功能性状可归纳为三种互补的代谢策略：碳获取、碳同化与保存，以及细胞维持与应激响应。碳水化合物代谢和半纤维素降解是全球Q₁₀格局的最强预测因子，凸显了微生物碳获取的潜在重要性。在碳限制或胁迫条件下，微生物群落可能将更多资源分配给碳保存、细胞维持（如蛋白质折叠和膜生物合成）及胁迫耐受途径。Q₁₀值与微生物功能性状之间呈现非线性关系，当TPM归一化基因丰度越过特定阈值时出现突变，且这些阈值存在于多种生态系统类型中。全球制图进一步揭示，高Q₁₀值和碳降解微生物基因高丰度区域集中于北半球高纬度地区，这些区域蕴含全球最大的土壤碳库，可能构成未来增温条件下土壤碳损失的潜在脆弱性热点。在土壤子集中，甲烷氧化和产甲烷途径与MAOC:POC比值强相关，提示甲烷循环微生物性状可能参与土壤碳稳定化。此外，病毒信息处理基因和细菌丰度也是Q₁₀的强预测因子，提示病毒-微生物互作可能通过影响微生物生物量间接调节Q₁₀。总体而言，该研究为将微生物功能性状纳入全球土壤碳动态模型奠定了基础，并提出了连接微生物代谢、甲烷循环和病毒-微生物互作与土壤呼吸温度敏感性的可检验假设。