《Fisheries Research》:Spatiotemporal distribution and habitat suitability of the anadromous fish Coilia nasus revealed by environmental DNA and MaxEnt modelling
编辑推荐:
摘要传统方法在监测溯河性鱼类Coilia nasus时存在检测率低以及季节性禁渔期间难以进入水域的局限。为此,我们开发了一种针对该物种的特异性环境DNA(eDNA)检测方法,并将其与最大熵模型结合,用于研究中国浙江省中北部沿海水域中C. nasus的时空分布及栖息地适宜性。我们在
摘要
传统方法在监测溯河性鱼类Coilia nasus时存在检测率低以及季节性禁渔期间难以进入水域的局限。为此,我们开发了一种针对该物种的特异性环境DNA(eDNA)检测方法,并将其与最大熵模型结合,用于研究中国浙江省中北部沿海水域中C. nasus的时空分布及栖息地适宜性。我们在公开数据库、eDNA检测结果以及渔业调查资料中找到了39条高质量的出现记录,用于模型校准。研究结果显示出明显的季节性变化:夏季杭州湾的eDNA浓度达到峰值,表明鱼类正在迁徙;而秋季沿岸地区的eDNA浓度上升,则反映了鱼类在产卵后的聚集现象。最大熵模型(平均测试AUC值为0.864)指出,最低盐度、最低磷酸盐浓度以及平均温度是决定栖息地适宜性的关键环境因素。整个东海中仅有5.07%的区域被判定为高度适宜的栖息地,这些区域主要集中在长江口和杭州湾等河口地带。值得注意的是,与仅基于传统调查数据的模型相比,结合eDNA与最大熵模型的方法预测出的高度适宜栖息地面积更大(5.07%对比4.09%)。这一发现表明,eDNA数据有助于发现那些可能被传统调查方法遗漏的潜在适宜区域。我们的综合框架为传统监测方法提供了有力补充,可应用于C. nasus及其他数据匮乏的溯河性物种的空间保护规划与可持续渔业管理中。
引言
有效的渔业管理与生物多样性保护需要掌握物种的时空分布及种群状况的准确信息(Ahmed等人,2025;?evik和?evik,2025)。传统的数据收集方法包括拖网调查、水下摄影、声纳探测、社会调查以及文献回顾,其中拖网调查最为常用(Hammerl等人,2024)。然而,这些方法可能会破坏鱼类栖息地,带来高昂的运营成本,还需要大量人力以及专业的分类学知识(Anish等人,2021),并且在夏季禁渔期或禁止捕捞的保护区内使用则不太现实。
相比之下,环境DNA技术作为一种成本低、无侵入性且高效的辅助工具应运而生。多项研究证实,即便目标物种的生物量极低,基于eDNA的方法也能实现精准检测(Wilcox等人,2016;Xin等人,2022)。方法的不断进步使得eDNA技术得以应用于多个领域,包括生物多样性评估(Li等人,2022)、入侵物种与濒危物种的监测(Budd等人,2023;Kalogianni等人,2023;Wang等人,2026)、产卵迁徙轨迹的追踪(Takeuchi等人,2019)以及生物量的定量估算(Doi等人,2017)。eDNA浓度与生物量之间存在较强相关性,这为其定量应用提供了依据(Itakura等人,2019;Tillotson等人,2018)。例如,Sun等人(2023)通过平行进行的eDNA检测与拖网调查,得到了高度一致的Fenneropenaeus chinensis生物量估算结果,从而证明了eDNA可作为密度测定的可靠替代指标。同样,Salter等人(2019)也发现,基于eDNA得出的大西洋鳕鱼(Gadus morhua)数量估计值与拖网调查数据具有统计一致性。不过也有一些研究得出了不一致或更为复杂的结果(如Altermatt等人,2025;Iacaruso等人,2025),这凸显出进一步优化方法的必要性。尽管如此,eDNA技术在水资源评估方面仍具有明显优势,比如操作高效、简单便捷,且对环境的干扰极小,因此堪称渔业管理及大规模资源调查的重要工具。
物种分布模型能够预测栖息地适宜性,并量化物种出现情况与环境变量之间的关系(Klaassen等人,2025)。随着计算能力的提升以及环境数据存储库的不断完善(如Bio-ORACLE),物种分布模型的应用范围也在不断扩大,使其能够在更广泛的空间尺度上得到应用(Karp等人,2025)。这类模型的常见用途包括确定物种的适宜栖息地(Hernández-Urcera等人,2021)以及为保护策略提供依据(Manna等人,2020),其作用效果在很大程度上取决于模型的性能。在各类物种分布模型算法中,最大熵模型在多项综合研究中表现优于其他大多数方法(Mahmoud等人,2024)。最大熵模型是通过基于物种出现记录与环境变量来估算最大熵概率分布,从而预测物种的分布情况(Renner和Warton,2013)。该模型的一个显著优势在于,即便只有物种出现记录且样本量有限,也能生成可靠的预测结果(Phillips等人,2006)。正因具备这种稳定性,最大熵模型已被广泛用于预测诸如Katsuwonus pelamis、Cephalopholis fulva以及Thunnus obesus等鱼类的栖息地分布(Pittman和Brown,2011;Yang等人,2021;Zhang等人,2021)。如今,将eDNA技术与物种分布模型相结合已成为海洋生物地理学领域的关键研究方向。在某些条件下,eDNA能够弥补传统调查方法的不足,提高检测概率;同时,通过纳入环境变量,这一整合框架还能进一步提升物种分布及栖息地适宜性的预测精度,进而提高监测管理的效率(Chevrinais等人,2025;Sanchez等人,2025)。例如,Wang等人(2026)就将eDNA与最大熵模型结合,成功预测出了中国鲟鱼(Acipenser sinensis)在东海的潜在适宜栖息地范围。
Coilia nasus,即日本鳀鱼,属于鰕虎鱼科的一种溯河性鱼类。这种中小型洄游鱼类具有很高的经济价值,因其风味鲜美且营养丰富而备受青睐。它分布于西北太平洋地区,包括中国、韩国和日本境内(Li等人,2024)。在中国,它的分布范围涵盖渤海、黄海、东海、长江口以及流入这些海域的河流的中下游区域(Dong等人,2014)。历史上,长江流域曾是捕获C. nasus最多的地区,在长达十年的禁渔令实施之前,该物种一直是长江中下游及河口地区重要的商业鱼类(Dai等人,2020)。每年春季,这些鱼类都会从沿海水域经河口进入长江中下游的湖泊中产卵(Yang等人,2021)。
在本研究中,我们开发并验证了一种针对C. nasus的特异性eDNA检测方法(包括引物和探针组合),用以研究该物种在浙江沿海水域的横向与纵向分布情况。我们确定了与其eDNA分布相关的关键环境因素,更重要的是,还将基于eDNA获得的物种出现数据与传统的调查记录相结合,构建了一个基于最大熵模型的栖息地适宜性模型,并将其与仅基于传统数据的模型进行对比,以此量化eDNA数据所带来的贡献。最终,我们的研究为渔业评估提供了一种具有前景的“eDNA-最大熵模型”框架,同时也为其他数据匮乏的水生物种的资源调查提供了可行的操作方案。这些研究结果有望为制定针对性的放流策略以及设计更具空间针对性的保护措施,从而实现C. nasus的可持续管理提供依据。
章节节选
开发针对C. nasus的特异性引物与探针
由于线粒体细胞色素(Cyt b)基因具有种间差异性以及种内保守性,因此被选用于eDNA检测。我们从NCBI下载了C. nasus及其近缘物种(Coilia mystus、C. rebentischii、C. reynaldi、C. macrognathos、C. dussumieri、C. lindmani、Engraulis japonicus以及Stolephorus commersonnii)的完整线粒体基因组序列(相关登录号见补充表S2)。这些序列是通过SeqMan软件进行比对的(DNASTAR,2021;见补充图)
引物与探针的特异性
我们为检测C. nasus的环境DNA开发了一种特异性定量PCR检测方法。该检测方法所使用的引物和TaqMan探针可用于扩增线粒体细胞色素基因的一个129碱基对的片段。引物序列分别为:正向引物5′-GTAGACAACGCCACCCTAACC?3′,反向引物5′-GTTTAGTCCTGCTGGGTTATTTGAG?3′。而TaqMan探针的序列为5′6-FAM- TCTTCACCTCCTATTCCTT?3′-MGB(该探针由中国上海的Sangon Biotech公司合成)。
通过BLAST分析验证了该引物与探针的计算机模拟特异性
时空分布特征与生态学推断
通过基于eDNA的调查,我们发现C. nasus的eDNA分布存在明显的季节性变化,这一现象与其溯河性生活史特征相符(如Li等人,2024的研究)。秋季(11月)的eDNA浓度和检测率均显著高于夏季(8月)(p值<0.01),这很可能是由于鱼类在冬季来临之前会聚集在沿海水域觅食,以积累能量度过寒冬(Li等人,2024)。夏季的eDNA信号在空间上的分布情况为
结论
本研究证明了将eDNA技术与物种分布模型(最大熵模型)相结合,可用于分析溯河性鱼类C. nasus的栖息地生态特征。我们发现了与该物种迁徙生活史相关的明显季节性分布变化,同时确定最低盐度、温度和磷酸盐浓度是其栖息地适宜性的关键决定因素。更重要的是,通过模型对比可知,纳入eDNA数据后,对于适宜栖息地的评估更为全面
CRediT作者贡献说明
夏媛:撰写——初稿、验证、软件应用、方法设计、研究实施、数据整理。徐凯达:资源协调、研究实施。江瑞金:资源协调、研究实施。王晓燕:撰写——审阅与编辑、方法设计、资金筹集。张洪亮:撰写——审阅与编辑、资源协调、研究实施。毛梦琪:软件应用、研究实施、数据整理。赵云豪:验证、软件应用、数据整理。周永东:撰写——审阅与编辑、资源协调、研究实施。
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财务利益关联或个人关系。
致谢
本研究得到了中国国家重点研发计划(编号:2023YFD2401901)、中国国家自然科学基金(编号:41806180)以及舟山市科学技术局(编号:2025C31034、2025C31038)的资助。
夏媛|张洪亮|毛梦琪|赵云豪|周永东|徐凯达|江瑞金|王晓燕
中国浙江省舟山市316022,浙江海洋大学海洋设施水产养殖国家工程研究中心