《Applied Soil Ecology》:Microbial network fragmentation at a coal washing hotspot: Assembly mechanisms and stability implications
编辑推荐:
江森华|施扬坤|张静|黄晨宇|李悦|张文博|马景辉|陈楠|舒龙飞|王成|刘菲菲|吴波中国广东省广州市510006,中山大学,环境科学与工程学院,南方海洋科学与工程广东实验室(珠海),广东省环境污染控制与修复技术重点实验室,国家生物控制重点实验室摘要工业活动会释放复杂的污染物混合物
江森华|施扬坤|张静|黄晨宇|李悦|张文博|马景辉|陈楠|舒龙飞|王成|刘菲菲|吴波
中国广东省广州市510006,中山大学,环境科学与工程学院,南方海洋科学与工程广东实验室(珠海),广东省环境污染控制与修复技术重点实验室,国家生物控制重点实验室
摘要
工业活动会释放复杂的污染物混合物,通过多种压力因素改变土壤微生物群落。尽管已有研究探讨了微生物对复合污染的响应,但煤炭工业土壤中共存网络稳定性与微生物组装过程之间的特定机制仍需进一步明确。本研究结合16S rRNA基因测序、微生物共现网络分析以及iCAMP组装建模方法,研究了中国西北部煤炭工业区(采矿/CM、洗选/CW、燃烧/CC、对照/CK)的微生物群落响应。其中,洗选区是复合污染的高发区域,其PAHs含量高达6246.5 μg/kg,重金属含量也较高,同时还存在大量人类粪便来源的微生物(如大肠杆菌属,相对丰度为9.2%)。该区域的土壤β多样性最高,网络稳定性最低,且呈现明显的随机组装特征,反映出生态系统的碎片化状况。而燃烧区在重金属镉浓度为10.8 mg/kg的条件下,微生物组装更具确定性,以耐金属微生物为主,呈现高度均匀的筛选特征。同时受到PAHs和重金属共同污染的采矿区,微生物分类组成变化显著,组装过程以随机因素为主,这很可能是由采矿活动造成的。尽管存在这些明显差异,但这四个区域的α多样性并无显著差别。总体而言,洗选区的复合污染削弱了广谱微生物的凝聚力,而燃烧区持续存在的重金属则促进了确定性筛选作用,使得专性微生物得以稳定存在。我们建议根据不同地区的微生物组装机制及网络脆弱性来制定相应的修复策略。这些研究结果揭示了复合污染下不同生态过程如何影响微生物网络的韧性,为未来基于微生物群的土壤修复方法提供了理论依据。
引言
煤炭仍是全球主要的能源来源,占化石燃料储量的70%以上(Li等人,2021)。然而,从煤炭开采、洗选到燃烧的整个产业链都可能对环境质量和公众健康造成严重威胁(Jahandari等人,2023)。虽然煤炭燃烧产生的空气污染物已得到较多研究(Oberschelp等人,2019),但其对陆地生态系统的长期影响却鲜有关注。在以煤炭为能源的工业区,土壤成为污染物的长期储存地,不断积累多环芳烃、重金属以及来自工业和生活污水的微生物污染物(Xiong等人,2025;Yao等人,2024)。这类复合污染物会显著改变土壤微生物群落的组成和结构,而这些因素对于污染物的降解、养分循环以及整个生态系统的韧性至关重要(Coban等人,2022)。不过,长期暴露于多种污染物对微生物群落组装过程、物种间相互作用以及功能韧性的综合影响仍不十分清楚。这一知识空白制约了针对煤炭污染地区开展基于微生物群落的生态修复策略的制定。
以往关于受污染物污染的土壤的研究表明,重金属、PAHs以及其他污染物都会影响微生物多样性、功能降解能力以及微生物共现网络结构(Wu等人,2022;Xiong等人,2025;Yuan等人,2021)。高度连通且具有模块化结构的微生物网络,再加上关键种,通常具有更强的抗干扰能力、功能稳定性以及应对污染物压力的能力(Bugnot等人,2023;Cornell等人,2023;Wu等人,2022)。尽管越来越多的研究开始关注微生物对复合污染的响应,但许多研究仍然聚焦于单一污染物或浓度梯度。以煤炭为能源的工业区为研究提供了理想的模型,因为这里的采矿、洗选和燃烧过程会同时产生化学污染、物理化学扰动以及人为引入的微生物。通过研究这些不同工艺条件下的微生物网络,可以促使人们从以污染物为中心的分析视角转向基于工艺条件的微生物群落结构与稳定性分析。
除了物种间的相互作用模式外,生态组装理论还为解析决定性因素(如环境选择)和随机性因素(如随机漂变、扩散)在塑造微生物群落中的作用提供了框架(Stegen等人,2015;Zhou和Ning,2017)。在受污染的土壤中,PAHs和重金属等环境因子会筛选出能够耐受压力的微生物,而空间异质性、环境扰动以及污染物分布不均则会增加随机性因素的影响(Santillan等人,2019;Zhou和Ning,2017)。近年来出现的iCAMP等方法能够以高分辨率、基于系统发育分类的方式量化这些过程(Ning等人,2020),从而超越传统的零模型分析方法。iCAMP已被应用于自然环境中的梯度变化研究(如气候变暖现象Ning等人,2020;水体富营养化现象Sun等人,2024b)以及人工系统中(如废水处理Sun等人,2021),但在由多种污染物共同作用形成的工业环境中应用较少。此外,微生物的生态策略也可能影响它们对复杂污染环境的响应:适应范围较广的广谱微生物能够在不同环境中存活,而专性微生物则可能是对特定环境因子或污染物压力的适应结果(Zuo等人,2023)。不过,不同煤炭工业污染环境中的决定性组装过程和随机组装过程与广谱微生物和专性微生物策略之间的关联仍需进一步研究。明确这些与生命策略相关的响应机制,对于预测微生物群落的适应性以及设计有效的修复方案具有重要意义。
本研究旨在探究中国西北部典型煤炭工业区中,不同类型的煤炭相关污染如何影响土壤微生物群落。我们在该地区的四个区域采集了土壤样本,分别是对照区、采矿区、洗选区和燃烧区,这些区域的多环芳烃、重金属含量以及人为引入的微生物负荷各不相同。通过结合16S rRNA基因测序、微生物共现网络分析以及基于iCAMP的生态组装建模方法,我们试图弄清污染物类型和复杂性如何影响微生物多样性、群落结构以及组装机制。本研究为理解微生物群落对复合污染的响应提供了新的见解,也为在受污染土壤中恢复生态稳定性提供了基于过程驱动的策略参考。
章节节选
采样与地点描述
我们在中国西北部一个典型的煤炭工业区的四个地点采集了44份土壤样本,这些地点包括采矿区、洗选区、燃烧区以及对照区。选择这些地点是为了反映在该地区相同环境背景下的不同煤炭相关生产活动,从而便于比较不同环境条件下微生物的响应差异。
洗选区被认定为多个污染区域中的高污染点
这四个区域的污染特征各不相同,其差异主要源于PAHs、重金属以及土壤性质的不同组合(图1A)。对照区作为基准,其重金属含量处于正常水平,PAHs含量也处于中等水平,且以难降解化合物为主(图S1)。采矿区则同时受到PAHs(1035.14 ± 1198.21 μg/kg)和多种重金属(如铅、砷、铬)的污染,这反映了长期采矿活动的影响(图1B-F)。而洗选区的PAHs含量最高,达到了6246.53 ± 3761.75 μg/kg,远高于其他区域。
讨论
工业活动会释放出多种有机毒素、重金属以及微生物污染物,这些物质会对土壤微生物群落产生深远影响(Philippot等人,2021;Wang等人,2024)。虽然对于单一污染物的影响已经有了较多研究(Musah等人,2025;Sun等人,2024a;Xiong等人,2025;Zhang等人,2023a、2023b),但复合污染带来的生态后果仍不明确,这也限制了我们对微生物组装规律的总结与推广。
CRediT作者贡献说明
江森华:论文撰写——审稿与编辑、论文撰写——初稿撰写、数据可视化、方法设计、实验研究、定量分析。施扬坤:论文撰写——审稿与编辑、论文撰写——初稿撰写、数据可视化、方法设计、定量分析、概念构建。张静:论文撰写——审稿与编辑、研究指导。黄晨宇:论文撰写——审稿与编辑、研究指导。李悦:论文撰写——审稿与编辑、研究指导。张文博:论文撰写——审稿与编辑、研究指导。马景辉:论文撰写——审稿。
利益冲突声明
作者声明,他们不存在任何可能影响本文研究结果的已知利益冲突或个人关系。
致谢
本研究得到了以下项目的支持:中国国家重点研发计划(项目编号:2023YFC3709900)、国家自然科学基金(项目编号:42377110)、上海城市生态过程与生态修复重点实验室(项目编号:SHUES2023A03)以及深圳市科技计划(项目编号:KQTD20190929172839621)。