García-García, N., Tamames, J., Linz, A.M.?et al.?Microdiversity ensures the maintenance of functional microbial communities under changing environmental conditions.?ISME J?13,?2969–2983 (2019). https://doi.org/10.1038/s41396-019-0487-8
微觀多樣性可以導致同一物種內(nèi)不同的生態(tài)型。假定這些為這些物種提供時間和空間上的穩(wěn)定性。然而，微生物多樣性在整個微生物群落穩(wěn)定性中的作用仍未得到充分研究。了解微生物群落穩(wěn)定的驅(qū)動因素對于預測社區(qū)對未來干擾的反應是必要的。在這里，我們分析了來自8個不同溫帶沼澤湖的97%OTU和擴增子序列變異（ASV）水平的16S rRNA基因擴增子，發(fā)現(xiàn)同一OTU內(nèi)的生態(tài)型在空間和時間上具有不同的分布模式。我們觀察到這些生態(tài)型適應不同的環(huán)境因素值，如水溫和氧氣濃度。我們的研究結(jié)果表明，OTU內(nèi)存在多個ASV有利于其在不斷變化的環(huán)境條件下的持久性。我們建議，面對環(huán)境因素的波動，微生物多樣性有助于微生物群落的穩(wěn)定性。
我們使用Hellinger變換對數(shù)據(jù)進行了歸一化。這種轉(zhuǎn)換特別適合豐富的數(shù)據(jù)，因為它給低計數(shù)和多零點的變量（OTU或ASV）賦予低權(quán)重[49,50]。然后，我們使用epilimnion和hypolimnion樣本中OTU或ASV的相對豐度進行了去趨勢對應分析（DCA）[51]。Procrustes分析用于比較兩種DCAs[52]。最后，我們使用從非標準化OTU和ASV豐度表計算并應用PERMANOVA測試（adonis）的Bray-Curtis差異，測試樣品是否通過湖泊或混合方式顯著聚集。所有統(tǒng)計分析均使用R版本3.4.4和純素包裝[53]完成。
對不同湖泊的epilimnia和hypolimnia的OTU和ASV中微生物群落組成的去趨勢對應分析（DCA）。每個點代表一個樣本。湖泊用點色表示。中間一欄的Procrustes分析顯示了OTU和ASV級別順序之間的差異。
圖3來自相同OTU的ASV顯示不同的棲息地分布。四個相關OTU的分布和棲息地偏好，本文將進一步討論。OTU 1,2和7對應于普遍存在的淡水進化枝PnecC，acI-B2和bacI-A，而OTU-3對應于來自gamI進化枝的開花者。雷達圖顯示了四個OTU中每一個的三個最豐富的ASV的豐度（超過10000個計數(shù)，對數(shù)標度）和b z分數(shù)。內(nèi)圈的顏色代表湖泊的混合狀態(tài)：綠色代表多晶，藍色代表雙晶，紅色代表meromictic。外圈中的灰色陰影表示熱層（表層和下層）。零值已被繪制為log10（0.01）。z分數(shù)表示每個ASV的環(huán)境偏好。由于z分數(shù)歸一化是針對每個ASV獨立進行的，因此無法在ASV之間定量比較z分數(shù)。紅色虛線表示每個ASV的平均豐度，將正（白色背景）和負（灰色背景）環(huán)境偏好分開，如圖右下角示意性所示
圖4來自相同OTU的ASV在NSB中顯示不同的時間動態(tài)。兩個圖都顯示了每個混合層和年份中20個最豐富的ASV的相對豐度以及它們所屬的OTU的相對豐度。除OTU-1和OTU-3外，分類群呈灰色，其動態(tài)在正文中詳細討論。最豐富的persister OTU（OTU-1，PnecC進化枝）及其相應生態(tài)型隨時間的時間豐度模式。b最豐富的開花OTU（OTU-3，gamI進化枝）及其相應生態(tài)型隨時間的時間豐度模式。在這兩種情況下，中間行顯示沿時間和深度的溫度分布。均勻的垂直溫度分布對應于混合事件。2008年，7月2日至7月10日發(fā)生了人工混合事件，當時觀察到溫度均勻。不同面板中的黑色垂直線表示采樣點
圖6微生物多樣性為淡水生態(tài)系統(tǒng)中的環(huán)境梯度提供了群落穩(wěn)定性。García等[57]提出的淡水模型社區(qū)。b來自模型社區(qū)不同成員進化枝的擴增子序列變體（ASV），根據(jù)其環(huán)境偏好進行分類。c dimictic湖泊樣本中模型群落的低溫/氧氣（LTO）與高溫/氧氣（HTO）生態(tài)型的相對豐度，作為水溫的函數(shù)繪制。符號顏色表示藍色陰影中的溶解氧濃度。符號形狀表示采樣年份。紅色虛線上方的樣本由LTO生態(tài)型主導，反之亦然。顯著的線性回歸（FDR<0.05）和95%置信區(qū)間分別用紅線和陰影灰色區(qū)域顯示。
