Vielfalt und Wechselwirkungen mikrobieller Funktionsgene unter unterschiedlichen Umweltbedingungen: Erkenntnisse aus einem Membranbioreaktor und einem Oxidationsgraben

Scientific Reports Band 6, Artikelnummer: 18509 (2016) Diesen Artikel zitieren

3026 Zugriffe

20 Zitate

Details zu den Metriken

Der Einfluss von Umweltbedingungen auf die Vielfalt und Interaktionen mikrobieller Gemeinschaften hat ein enormes Interesse an der mikrobiellen Ökologie geweckt. Hier stellten wir fest, dass bei identischen Zuflüssen, aber unterschiedlichen Betriebsparametern (hauptsächlich Konzentrationen an suspendierten Feststoffen in gemischter Flüssigkeit (MLSS), Feststoffretentionszeit (SRT) und Konzentrationen an gelöstem Sauerstoff (DO)) zwei vollwertige kommunale Abwasserbehandlungssysteme mit Oxidationsgraben ( OD) und Membranbioreaktor (MBR)-Prozesse enthielten einen Großteil der gemeinsamen Gene (87,2 %), wiesen jedoch insgesamt unterschiedliche funktionelle Genstrukturen auf, wie aus zwei Datensätzen von 12-Tage-Zeitreihen hervorgeht, die von einem funktionellen Gen-Array – GeoChip 4.2 – generiert wurden. Assoziationsnetzwerke der Kerngene des Kohlenstoff-, Stickstoff- und Phosphorkreislaufs in jedem System, basierend auf der Zufallsmatrixtheorie (RMT), zeigten unterschiedliche topologische Eigenschaften und die MBR-Knoten zeigten einen Hinweis auf eine höhere Konnektivität. MLSS und DO haben sich durch statistische Analysen als wirksam bei der Gestaltung funktioneller Genstrukturen der Systeme erwiesen. Es wurde angenommen, dass höhere MLSS-Konzentrationen, die zu einer geringeren Ressourcenverfügbarkeit des MBR-Systems führen, positive Wechselwirkungen wichtiger funktioneller Gene fördern. Zusammengenommen zeigen diese Ergebnisse die Unterschiede im Funktionspotenzial einiger Bioprozesse, die durch unterschiedliche Umweltbedingungen verursacht werden, und legen nahe, dass ein höherer Stress aufgrund der Ressourcenbeschränkung die positiven Geninteraktionen im MBR-System erhöhte.

Abwasserbehandlungsanlagen (WWTPs) sind die größten Anwendungen der Bioverfahrenstechnik zur häuslichen und industriellen Abwasserbehandlung, wobei mikrobielle Konsortien die zentrale Rolle spielen. Funktionen auf Systemebene (z. B. biologischer Abbau und Mineralisierung organischer Schadstoffe sowie Stickstoff- und Phosphorkreislauf) und die Stabilität des Ökosystems werden durch das Wachstum, die Aktivitäten und die Interaktionen äußerst unterschiedlicher mikrobieller Populationen erreicht. Als einzigartiges künstliches mikrobielles Ökosystem, das chemisch und physikalisch genau definiert ist, gelten Kläranlagen als fruchtbares Testfeld für eine Reihe grundlegender ökologischer Fragen1.

Umweltheterogenität, definiert als räumliche und zeitliche Variation der physikalischen, chemischen und biologischen Umwelt, ist eine grundlegende Eigenschaft von Ökosystemen2. Seine Rolle bei der Gestaltung der Vielfalt und Zusammensetzung mikrobieller Gemeinschaften wird allgemein geschätzt und ist ein interessantes Thema. Kläranlagen sollen geeignete Umweltbedingungen schaffen, um die Häufigkeit mikrobieller Populationen, insbesondere der funktionell wichtigen Gruppen, auf einem normalen Niveau für die Systemleistung und -stabilität zu halten. Daher konzentrieren sich zahlreiche Studien auf die Beziehung zwischen der Vielfalt der mikrobiellen Gemeinschaft und den Umweltbedingungen, hauptsächlich basierend auf 16S-rRNA-Genen oder spezifischen funktionellen Genen. Sie offenbaren die Unterschiede in der mikrobiellen Diversität und Zusammensetzung, die sich aus den Differenzierungen von beispielsweise der Konzentration des chemischen Sauerstoffbedarfs (CSB inf)3, der Konzentration gelösten Sauerstoffs (DO)4 und der Feststoffretentionszeit (SRT)5 ergeben. Insbesondere wurde vorgeschlagen, dass die mit hohen SRTs betriebenen Bioreaktoren mit festem Volumen stark mit Organismen gesättigt sein werden, die in der Lage sind, knappe Ressourcen effizient zu nutzen („K-Strategen“), während niedrige SRTs zur Anreicherung schnell wachsender Organismen beitragen werden angepasst für eine hohe Ressourcenauslastung („R-Strategen“)6. Einige K-Strategen wie Nitrospira sp., Nitrosomonas sp. und Taxa, die phylogenetisch mit Planctomycetes und Chloroflexi assoziiert sind, waren nachweislich nur bei SRTs ≥ 12 Tagen in einem Abwasseraufbereitungssystem vorhanden, in dem unterschiedliche SRTs (30 Tage, 12 Tage und 3 Tage) und entsprechend unterschiedliche Konzentrationen an suspendierten Feststoffen in gemischter Flüssigkeit (MLSS) vorlagen in verschiedenen Phasen angewendet5.

Für ein vollständiges Bild der mikrobiellen Ökologie eines Ökosystems reicht die Beschreibung der Bestandsvielfalt nicht aus. Mikrobielle Interaktionen sind auch ein zentrales Thema der mikrobiellen Ökologie, durch die verschiedene Gemeinschaften bessere Leistungen erbringen können als die leistungsstärksten Arten allein. Da sich Hochdurchsatztechniken einer überwältigenden Beliebtheit erfreuen und eine große Menge an Daten gesammelt wurde, wurden mikrobielle Interaktionen taxonomischer Gruppen, die Kläranlagen bewohnen, erst kürzlich anhand ihrer räumlichen7 und zeitlichen8 Koexistenzmuster aufgedeckt. Die Klärung der Auswirkungen von Umweltschwankungen auf mikrobielle Interaktionen ist für ein systematisches Verständnis der mikrobiellen Ökologie von Kläranlagen erforderlich, was es Ingenieuren auch ermöglichen könnte, solche Gemeinschaften effizienter zu strukturieren.

Derzeit sind kommunale Kläranlagen hauptsächlich auf die Entfernung von organischem Kohlenstoff, Stickstoff und Phosphor ausgelegt. Üblicherweise werden Membranbioreaktoren (MBRs) und konventionelle Belebtschlamm-Bioreaktoren (CAS) eingesetzt (einschließlich der Systeme, die modifizierte Belebtschlammverfahren anwenden, wie z. B. sequentielle Batch-Reaktoren (SBR), anaerob-axoisch-oxische (A2O) und Oxidationsgräben (OD)). Behandlungsprozesse mit unterschiedlichen Betriebsparametern. MBRs werden typischerweise bei höheren MLSS-Konzentrationen, längeren SRTs mit Membranfiltration und höheren DO-Konzentrationen aufgrund einer höheren Belüftungsintensität betrieben, um höhere Scherkräfte zur Kontrolle der Membranverschmutzung zu erzeugen. Höhere MLSS-Konzentrationen, die zu einem geringeren Verhältnis von Nahrung zu Mikroorganismen (F/M) führen, setzen MBR-Gemeinschaften aufgrund der Ressourcenknappheit einem höheren Nährstoffstress aus. Die mikrobielle Vielfalt und Wechselwirkungen von MBRs können sich daher von denen von CAS-Bioreaktoren unterscheiden. Darüber hinaus sind zwar vollwertige MBR- und CAS-Systeme für die kommunale Abwasserbehandlung beide dazu gedacht, die langsam wachsenden Populationen wie Nitrifizierer zu unterstützen, bestimmte K-Strategen könnten jedoch in den MBRs mit längeren SRTs tatsächlich im Vorteil sein. Unterschiedliche DO-Konzentrationen können auch zu spezifischen Unterschieden in der Zusammensetzung mikrobieller Gemeinschaften führen. Untersuchungen zu den Unterschieden mikrobieller Populationen von CAS- und MBR-Systemen sollten eine gute Möglichkeit sein, die Zusammenhänge zwischen Umweltgradienten und mikrobieller Ökologie zu verstehen. Darüber hinaus ist die Charakterisierung der in technischen Systemen vorhandenen mikrobiellen Gemeinschaften hilfreich, um die Funktion des Systems zu verstehen.

Bestehende Forschungsarbeiten geben Aufschluss über die Differenzierung taxonomischer Strukturen9,10 und die Vielfalt bestimmter funktioneller Gene (z. B. Nitrifikations- und Denitrifikationsgene) von CAS- und MBR-Systemen11. Um jedoch mikrobielle Funktionspotenziale im Zusammenhang mit Systemprozessen direkt ansprechen zu können, ist es von entscheidender Bedeutung, weitere Kategorien mikrobieller Funktionssignaturen zu untersuchen, wie z. B. Strukturgene, die für Stoffwechselwege, Energetik und Regulierungskreisläufe relevant sind12. Abgesehen von der mikrobiellen Vielfalt wurde noch nie über die ökologischen Wechselwirkungen von Mikroben in MBR-Systemen berichtet, geschweige denn über die Interpretation, wie sich mögliche mikrobielle Wechselwirkungen von Ökosystemen mit Gradienten der Substratverfügbarkeit unterscheiden.

In dieser Studie haben wir uns auf zwei vollwertige MBR- und OD-Systeme konzentriert, die parallel in einer Kläranlage mit identischem Zufluss betrieben werden. Nach Angaben des chinesischen Ministeriums für Wohnungsbau und Stadt-Land-Entwicklung war die OD-Technologie bis Ende 2013 das am weitesten verbreitete Behandlungsverfahren in kommunalen Abwasseraufbereitungsanlagen (MWTPs) Chinas (mit einem Anteil von 26,7 %). in der Anzahl). Die kumulierte Behandlungskapazität der OD-Systeme lag in China an zweiter Stelle (mit einem Anteil von 25,2 %), gefolgt von der der A2O-Systeme (mit einem Anteil von 36,5 %). Untersuchungen der beiden Behandlungssysteme sind wichtig, um nicht nur die Zusammenhänge zwischen Umweltgradienten und mikrobieller Ökologie, sondern auch die Funktionsweise der MWTP in vollem Umfang zu verstehen. Für jedes System wurden 12 aufeinanderfolgende tägliche Proben gesammelt und die gesamte funktionelle Genvielfalt, die direkt mit dem mikrobiellen Funktionspotenzial jeder Probe zusammenhängt, mithilfe eines umfassenden funktionellen Gen-Microarrays – GeoChip 4.2 – analysiert. Mögliche funktionelle Geninteraktionen wurden durch den Aufbau eines Assoziationsnetzwerks unter Verwendung eines RMT-Algorithmus (Random Matrix Theory)13 aufgedeckt. Die spezifischen wissenschaftlichen Fragen, mit denen wir uns befassen, sind: (1) Wie ist die funktionelle Genvielfalt und Zusammensetzung der MBR- und OD-Systeme? (2) wie wichtig funktionelle Gene in jedem System möglicherweise miteinander verbunden sind; (3) wie Umweltvariablen die zeitlichen Anordnungsmuster der gesamten funktionellen Gene beeinflussen. Wir glauben, dass dies eine erste Untersuchung darstellt, die die Unterschiede der funktionellen Gendiversität und mögliche mikrobielle Wechselwirkungen von MBR- und OD-Systemen aufdeckt. Außerdem wird es einen nützlichen Einblick in die Auswirkungen von Umweltbedingungen auf die Ökologie der mikrobiellen Welt geben.

Die beiden Systeme behandelten identisches kommunales Abwasser. Die Unterschiede in den Behandlungsprozessen und Umgebungsbedingungen der beiden Systeme sind in der Online-Ergänzungstabelle S1 dargestellt. Die CSB-inf-Konzentrationen betrugen 399,4 ± 77,7 mg/L; Die Gesamtstickstoffkonzentration (TN inf) im Zufluss betrug 44,2 ± 5,9 mg/L; Die Gesamtkonzentrationen an Ammoniak (NH4 + -N inf) im Zufluss betrugen 34,1 ± 5,4 mg/L und die Konzentrationen an Gesamtphosphor (TP inf) im Zufluss betrugen 5,1 ± 1,3 mg/L (Ergänzungstabelle S2 online). Die pH-, Temperatur- und DO-Konzentrationen des Bioreaktors des MBR-Systems betrugen 6,92 ± 0,07, 19,1 ± 0,7 °C bzw. 2,95 ± 0,46 mg/L und die der OD-Systeme betrugen 7,05 ± 0,10, 19,3 ± 0,7 °C und 1,69 ± 0,51 mg/L (Ergänzungstabelle S3 online). Die MLSS-Konzentration des OD-Systems wurde bei etwa 4.500 mg/L und die des MBR-Systems bei etwa 7.000 mg/L gehalten. Die SRT des MBR-Systems betrug etwa 20,5 Tage und die des OD-Systems etwa 16,2 Tage. Die beiden Systeme zeigten relativ stabile Behandlungseffizienzen. Das MBR-System zeigte eine höhere CSB-Entfernungseffizienz, während das OD-System eine bessere TN-Entfernungsleistung aufwies (Ergänzungstabelle S3 online).

Insgesamt wurden 36.420 funktionelle Gene nachgewiesen, wobei 35.060 Gene im OD-System und 33.117 Gene im MBR-System vorhanden waren. Die Gene waren an 16 Bioprozessen beteiligt, darunter Kohlenstoffkreislauf, Stickstoffkreislauf, Phosphorkreislauf und bakterielle Phagen. Die α-Diversitätsindizes (Tabelle 1) legen nahe, dass die beiden Systeme eine hohe funktionelle Gendiversität aufwiesen und das OD-System eine höhere mikrobielle Diversität aufwies. Ein Großteil der funktionellen Gene (87,2 %) wurde von den beiden an jeder Kategorie beteiligten Systemen gemeinsam genutzt. Trotz der gemeinsamen Gene verfügte jedes System über einige einzigartige Gene, die jeder Kategorie zugeordnet waren. Die nur im MBR-System vorhandenen Gene machten 3,7 % aus und für das OD-System betrug der Wert 9,1 %.

Die beiden Systeme zeigten ähnliche relative Häufigkeitsverteilungen jeder Kategorie funktioneller Gene. Das OD-System zeigte insgesamt etwas höhere relative Häufigkeiten der Gene, die mit bakteriellen Phagen (p < 0,05, absoluter Wert von Cohens d = 0,89), Stickstoffkreislauf (p < 0,001, absoluter Wert von Cohens d = 1,31) und Phosphorverwertung (p < 0,05, absoluter Wert von Cohens d = 1,31) assoziiert sind < 0,05, absoluter Wert von Cohens d = 0,99) (Abb. 1a).

Relative Häufigkeit der funktionellen Gene, die an bestimmten Bioprozessen beteiligt sind.

(a) jede Kategorie funktioneller Gene, (b) jede Unterkategorie von Kohlenstoffkreislauf-Genen, (c) jede Unterkategorie von Stickstoffkreislauf-Genen und (d) jede Unterkategorie von Phosphorverwertungsgenen. Fehlerbalken stellen die Standardabweichung der relativen Häufigkeit jeder Kategorie oder Unterkategorie von Genen in den 12 Proben desselben Systems dar. Signifikante Unterschiede zwischen den Systemen, die durch die Varianzanalyse mit wiederholten Messungen (ANOVA) angezeigt werden, werden durch ein Sternchen über den Balken angezeigt: „*“ (P < 0,05), „**“ (P < 0,01), „***“ (P < 0,001).

Um die Einzelheiten der funktionalen Potenzialdifferenzierung der beiden Systeme zu klären, haben wir uns auf die Vielfalt von drei wichtigen funktionellen Genkategorien konzentriert – Kohlenstoffkreislauf, Stickstoffkreislauf und Phosphornutzung, da die Entfernung von Kohlenstoff-, Stickstoff- und Phosphorschadstoffen die Hauptaufgabe von ist MWTPs.

Insgesamt wurden 4.129 Gene entdeckt, die mit dem Kohlenstoffkreislauf assoziiert sind, wobei 3.976 Gene im OD-System und 3.735 Gene im MBR-System vorhanden waren. Unter ihnen waren mit einem Anteil von 76,6 % die Gene für den Kohlenstoffabbau vorherrschend. Diese Gene spielten eine Rolle bei der Entfernung mehrerer Polysaccharide wie Stärke, Zellulose und Chitin. Kohlenstoffabbaugene kamen im MBR-System etwas häufiger vor als im OD-System (p <0,05, Cohens d = 0,95) (Abb. 1b).

Insgesamt wurden 2.983 Gene entdeckt, die mit dem Stickstoffkreislauf assoziiert sind, darunter die Gene, die an der Ammonifikation (12,9 %), der Nitrifikation (14,2 %), der Denitrifikation (43,4 %), der Anammox (0,2 %) und anderen (29,3 %) beteiligt sind. Die nachgewiesenen 424 Nitrifikationsgene bestanden aus 408 amoA-Genen und 16 hao-Genen, von denen 55,9 % von mutmaßlich heterotrophen Nitrifizierern wie Pseudomonas putida stammten. Darüber hinaus stammten 11,3 % der Nitrifikationsgene aus der Ordnung der Nitrosomonadales, darunter Nitrosomonas (sieben Gene), Nitrosospira (15 Gene) und Nitrosovibrio (ein Gen), die allgemein bekannten Ammoniak oxidierenden Bakterien (AOB) in Kläranlagen. Die Gene von Nitrosospira wiesen innerhalb des MBR eine geringfügig höhere relative Häufigkeit auf (p < 0,05, absoluter Wert von Cohens d = 0,88), wobei die prozentuale Änderung der relativen Häufigkeit 8,3 % betrug. Außerdem wurden archaeale Gene nachgewiesen, die 18,4 % der Nitrifikationsgene ausmachen. Von den 1295 nachgewiesenen Genen, die mit der Denitrifikation assoziiert sind, stammten 88,5 % aus nicht kultivierten Isolaten. Die relative Häufigkeit der Denitrifikationsgene des OD-Systems war etwas höher als die des MBR-Systems (p <0,01, absoluter Wert von Cohens d = 1,09) (Abb. 1c).

Insgesamt wurden 528 Gene entdeckt, die mit der Phosphorverwertung assoziiert sind, darunter ppk-Gene (37,3 %), ppx-Gene (57,6 %) und Phytase-Gene (5,1 %). Polyphosphatkinase (ppk) ist für die Polyphosphat (polyP)-Synthese verantwortlich und ppk-Gene zeigten keine signifikanten Unterschiede in der relativen Häufigkeit innerhalb der beiden Systeme (Abb. 1d). Exopolyphosphatase (ppx) ist ein hochprozessives Enzym, das den anaeroben Hydrolyseprozess terminaler Reste von langkettigem PolyP zu Phosphat (Pi) katalysiert. Die relative Häufigkeit von ppx-Genen war im OD-System signifikant höher als im MBR-System (p <0,001, absoluter Wert von Cohens d = 1,39) (Abb. 1d). Phytase katalysiert die schrittweise Freisetzung von Phosphat aus Phytat, der Hauptspeicherform von Phosphor in Pflanzensamen und Pollen14. Phytase-Gene wiesen im MBR-System eine etwas höhere relative Häufigkeit auf als im OD-System (p <0,05, Cohens d = 0,96) (Abb. 1d).

Das Ergebnis der nichtmetrischen mehrdimensionalen Skalierung (NMDS) zeigte, dass die Proben aus jedem System gruppiert waren (Abb. 2). Darüber hinaus zeigten Unähnlichkeitstests, dass die beiden Systeme unterschiedliche Strukturen der gesamten funktionellen Gene, der Gene für den Kohlenstoffabbau, der Gene für den Stickstoffkreislauf und der Gene für den Phosphorkreislauf aufwiesen (Tabelle 2). Der Manteltest ließ keine signifikanten Korrelationen zwischen der Schadstoffentfernungseffizienz (CSB, TN und NH4 + -N) und den gesamten funktionellen Genstrukturen vermuten. Da die Phosphorentfernung der Systeme nicht nur auf biologischen Prozessen beruhte, wurde die Effizienz der Phosphorentfernung bei der Analyse nicht direkt mit funktionellen Genstrukturen verknüpft.

Nichtmetrische multidimensionale Skalierungsanalyse (NMDS) der gesamten funktionellen Gene der mikrobiellen Gemeinschaften in den untersuchten 24 Proben.

Die Proben aus demselben Abwasserbehandlungssystem wurden gruppiert.

In jedem System zeigten die Proben keine offensichtlichen Muster im NMDS-Diagramm und die Häufigkeit jeder Kategorie funktioneller Gene wies während der 12 Tage geringfügige Schwankungen auf (Abb. 1), was darauf hindeutet, dass es keine offensichtliche tägliche Abfolge der gesamten funktionellen Gene gab.

Eine kanonische Korrespondenzanalyse (CCA) wurde durchgeführt, um die Auswirkungen von neun Umgebungsvariablen auf die gesamten funktionellen Genstrukturen zu bewerten, einschließlich SRT, MLSS-Konzentrationen, DO-Konzentrationen, pH-Wert und Temperatur der Bioreaktoren, CSB-Inf-Konzentrationen, NH4 + -N-Inf-Konzentrationen, TN-Inf-Konzentrationen und TP-Inf-Konzentrationen. SRT wurde durch seinen Wert des Varianzinflationsfaktors (VIF) als redundanter Faktor bewertet und somit eliminiert, wenn eine MLSS-Konzentration vorhanden war. Ein CCA-Ordinationsbiplot der gesamten funktionellen Gene und der verbleibenden Umgebungsvariablen, die entlang der ersten beiden Ordinationsachsen angeordnet sind, wurde erstellt, indem die Achsen auf lineare Kombinationen von Umgebungsvariablenbewertungen beschränkt wurden (Abb. 3). MLSS und DO wurden als wirksame Faktoren bewertet, die die gesamten funktionellen Genstrukturen der beiden Systeme im CCA-Diagramm beeinflussen. Das Mantel-Testergebnis zeigte signifikante Zusammenhänge zwischen den gesamten funktionellen Genstrukturen und MLSS (r = 0,4281, P = 0,001), SRT (r = 0,4281, P = 0,001) und DO (r = 0,2795, P = 0,001). Der Manteltest ergab keine signifikanten Korrelationen zwischen funktionellen Genstrukturen und Abwassereigenschaften sowie der Temperatur und dem pH-Wert des Bioreaktors (Daten nicht angegeben).

Kanonische Korrespondenzanalyse (CCA) der Signalintensitäten der gesamten funktionellen Gene und Umweltattribute.

Der Betrag der erklärten kumulativen Variation für Achse 1 und Achse 2 betrug 43,3 % bzw. 12,0 %.

In jedem System wurde die Koexistenz einer Reihe von Genen festgestellt. Im OD-System waren in allen 12 täglichen Proben 50,9 % der Gene vorhanden. Für das MBR-System lag der Wert bei 47,6 %. Detaillierte Informationen zu den koexistenten Genen an den 12 Probenahmetagen jedes Systems sind in der Online-Ergänzungstabelle S4 aufgeführt. Wir betrachten diese koexistenten Gene als die wichtigsten funktionellen Gene jedes Systems. Mögliche Wechselwirkungen dieser Kerngene, die am Kohlenstoff-, Stickstoff- und Phosphorkreislauf beteiligt sind, wurden durch Netzwerkkonstruktion auf Basis eines RMT-Algorithmus aufgedeckt. Folglich wurde ein Netzwerk von 1.116 Knoten und 1.741 Links (4,2 % negativ und 95,8 % positiv) für das MBR-System und ein Netzwerk von 1.426 Knoten und 1.462 Links (9,4 % negativ und 90,6 % positiv) für das OD-System erhalten.

Die beiden Netzwerke zeigten allgemeine topologische Merkmale ökologischer Netzwerke, einschließlich Skalenfreiheit, kleiner Welt und Modularität (Ergänzungstext S1 online). Die topologischen Strukturen der beiden Netzwerke unterschieden sich erheblich, einschließlich der durchschnittlichen geodätischen Entfernung, des durchschnittlichen Clusterkoeffizienten, der Modularität und der Transitivität (Tabelle 3). Die durchschnittliche Konnektivität, der durchschnittliche Clusterkoeffizient und die Transitivität des MBR-Netzwerks waren höher als die des OD-Netzwerks. Die Verbindungen zwischen den Knoten, deren Konnektivität in jedem Netzwerk an erster Stelle stand, sind in Abb. 4 dargestellt. Nur 22,0 % (458) der Knoten wurden von den beiden Netzwerken gemeinsam genutzt. Signifikante Unterschiede wurden in der Konnektivität (p = 9,51 × 10−6) und den Clusterkoeffizienten (p = 2,19 × 10−8) dieser gemeinsam genutzten Knoten in den beiden Netzwerken beobachtet, wie durch gepaarte t-Tests deutlich wurde.

Unterschiedliche Netzwerkinteraktionen wichtiger funktioneller Gene in den beiden Systemen.

(a) Netzwerkinteraktionen der funktionellen Gene, deren Konnektivitäten im MBR-System an erster Stelle standen. (b) Netzwerkinteraktionen der funktionellen Gene, deren Konnektivitäten im OD-System an erster Stelle standen. Die Farben der Knoten weisen auf unterschiedliche funktionelle Gene hin. Eine blaue Linie zeigt eine positive Interaktion zwischen zwei Knoten an und eine rote Linie zeigt eine negative an. Die Knoten in dieser Abbildung sind Gene, die mit dem Kohlenstoffkreislauf, dem Stickstoffkreislauf und der Phosphorverwertung in Zusammenhang stehen.

Im MBR-Netzwerk wurden 200 Module und im OD-Netzwerk 295 Module erkannt. In jedem Modul waren verschiedene Kategorien oder Unterkategorien funktioneller Gene enthalten. Für jedes Netzwerk wurden die meisten Knoten als periphere Knoten bewertet, die fast immer nur wenige Verbindungen zu den Knoten innerhalb ihrer Module haben und aus ökologischer Sicht Spezialisten darstellen. Einige der Knoten wurden in jedem System als Modul-Hubs definiert, die in hohem Maße mit mehreren Knoten in ihren eigenen Modulen verbunden waren. Im MBR-Netzwerk wurden 12 Modul-Hubs entdeckt, bestehend aus den Genen, die am Kohlenstoffabbau (66,7 %), der Nitrifikation (8,3 %), der Denitrifikation (8,3 %), der Stickstofffixierung (8,3 %) und der dissimilatorischen N-Reduktion (8,3 %) beteiligt sind. Im OD-Netzwerk wurden 16 Modulknoten erkannt, die aus den Genen bestehen, die mit Kohlenstoffabbau (37,5 %), Kohlenstofffixierung (12,5 %), Phosphorverwertung (18,8 %), Denitrifikation (12,5 %) und Stickstofffixierung (12,5 %) zusammenhängen. und Unähnlichkeits-N-Reduktion (6,3 %). Im MBR-Netzwerk wurde nur ein Connector (in hohem Maße mit mehreren Modulen verbunden) erkannt, der mit der Stickstoffammonifizierung in Zusammenhang steht, und im OD-Netzwerk wurden keine Connectors erkannt. Aus ökologischer Sicht sind Modul-Hubs und Steckverbinder Generalisten. Keiner der Modul-Hubs oder Anschlüsse der beiden Netzwerke war identisch. Die Details der Modul-Hubs und Anschlüsse jedes Netzwerks sind in der Online-Ergänzungstabelle S5 aufgeführt.

Für jedes Netzwerk wurden die Beziehungen zwischen der Knotenkonnektivität und sieben Umgebungsvariablen (DO, pH-Wert und Temperatur der Bioreaktoren, CSB-Inf, NH4 + -N-Inf, TN-Inf und TP-Inf) untersucht. Im OD-Netzwerk zeigte keine der Gensignifikanz (GS) der Umgebungsvariablen eine signifikante Korrelation mit der Knotenkonnektivität. Im MBR-Netzwerk zeigte der GS des Bioreaktor-pH eine schwache Verbindung zur Knotenkonnektivität (Ergänzungstabelle S6 online).

Es wurde eine hohe Ähnlichkeit der gesamten funktionellen Gene der beiden Systeme festgestellt. Es ist bekannt, dass die Entfernung von im Abwasser enthaltenen organischen und anorganischen Schadstoffen (z. B. PO43− und Schwermetalle) in hohem Maße von der Koexistenz mehrerer wichtiger Mikrobengruppen und dem Vorkommen bestimmter Mikrobenarten abhängt7,15. Die beiden Systeme wurden beide für die Entfernung organischer Kohlenstoff-, Stickstoff- und Phosphorschadstoffe konzipiert. In beiden Systemen können an jedem Bioprozess mehrere überlappende funktionelle Gene beteiligt sein. Außerdem wurde Inokulumschlamm aus dem OD-System für die Inbetriebnahme des MBR-Systems verwendet. Die ursprünglichen MBR-Populationen stammten aus der OD-Gemeinschaft. Außerdem würde identisches Abwasser die Ähnlichkeit der Gemeinschaften erleichtern, da die Bioreaktorgemeinschaften im Vergleich zu den Populationen der Systeme, die unterschiedliche Zuflüsse erhalten, von den Unterschieden in der Substratzusammensetzung und Quellgemeinschaft ausgenommen wären. Darüber hinaus führten identisches Abwasser und identischer Standort zu ähnlichen Temperaturen und pH-Werten der Bioreaktoren, wodurch der Gemeinde ähnliche physikalisch-chemische Bedingungen geboten wurden. Ähnliche Ergebnisse wurden in den konventionellen Anlagen zur verstärkten biologischen Phosphorentfernung (EBPR) und MBR in Dänemark erzielt, die einen Großteil gemeinsamer 16S-rRNA-Gene aufwiesen10.

Allerdings zeigten sich geringfügige Unterschiede in der Häufigkeit bestimmter Kategorien und Unterkategorien funktioneller Gene der beiden Systeme. Sie können auf die gemeinsamen Unterschiede in den Umgebungsbedingungen dieser beiden Arten von Behandlungsprozessen zurückzuführen sein. Es wurde vermutet, dass MBRs eine bessere Desinfektionsfähigkeit haben als CAS-Systeme16. Es wurde angenommen, dass die Phagenentfernung in einem MBR größtenteils durch die Ansammlung von Biofilmen auf der Membranoberfläche erreicht wird, wodurch die Porengröße der Membran physikalisch verringert, Phagen chemisch adsorbiert und die Phagenprädation durch andere Mikroorganismen biologisch ermöglicht wird17. Daher kann es sein, dass bakterielle Phagen im MLSS der Membrantanks (den MBR-Proben) in geringer Häufigkeit und möglicherweise weniger häufig vorkommen als in den OD-Proben. Die längere SRT des MBR-Systems könnte die Anreicherung einiger Mikroben ermöglichen, die für den Abbau hochmolekularer Verbindungen wie Polysaccharide und Proteine verantwortlich sind. Darüber hinaus kann die höhere Konzentration an MLSS im MBR-System zu einem Anstieg der Konzentration an kolloidalem Material führen, was eine neue Nahrungsquelle für die Mikroorganismen darstellt, die diese Verbindungen abfangen können. Dies wird durch die Tatsache bestätigt, dass die Konzentrationen von Polysacchariden im Überstand der Membrantanks des MBR-Systems (2,4–6,5 mg/l) höher waren als die der Belebungstanks des OD-Systems (1,3–5 mg/l). von April 2011 bis März 2012 (unveröffentlichte Daten). Daher könnten die Kohlenstoffabbaugene in den MBR-Proben häufiger vorkommen. Mögliche Gründe für die Unterschiede in der Häufigkeit von Genen für den Stickstoffkreislauf sind folgende. Die höhere Häufigkeit der Nitrifikationsgene von Nitrosospira im MBR-System könnte auf das niedrigere F/M-Verhältnis zurückzuführen sein, da Nitrosospira vermutlich bei relativ geringen Substratkonzentrationen im Vergleich zu Nitrosomonas bevorzugt wird19. Die höhere Häufigkeit von Denitrifikationsgenen im OD-System könnte auf die niedrigere DO-Konzentration und das höhere F/M-Verhältnis zurückzuführen sein. Ersteres kann die Denitrifizierung fördern und letzteres könnte den Denitrifizierern den Zugang zu leichter biologisch abbaubaren Kohlenstoffquellen ermöglichen. Mögliche Erklärungen für die Unterschiede in der Häufigkeit von Phosphorverwertungsgenen sind unten aufgeführt. Die höhere Häufigkeit von ppx-Genen im OD-System ist möglicherweise hauptsächlich auf die niedrigere DO-Konzentration zurückzuführen, die dem anaeroben Hydrolyseprozess terminaler Reste von langkettigem PolyP zu Phosphat (Pi) zugute kommen kann. Es wurde vermutet, dass Phytase für ein ausgewogenes Wachstum von Bakterienzellen nicht erforderlich ist, sondern als Reaktion auf eine Nährstoff- oder Energieeinschränkung synthetisiert werden kann20. Die höhere Häufigkeit von Phytase-Genen des MBR-Systems könnte auf eine schwerwiegendere Situation der Nährstoff- oder Energiebeschränkung zurückzuführen sein, mit der die MBR-Gemeinschaft konfrontiert war. Diese signifikanten Unterschiede in der Häufigkeit bestimmter funktioneller Gengruppen (z. B. höhere Häufigkeit von Kohlenstoffabbaugenen im MBR-System und höhere Häufigkeit von Denitrifikationsgenen im OD-System) zeigten spezifische Auswirkungen von Umweltgradienten auf das Funktionspotenzial spezifischer Bioprozesse. Sie können in gewissem Maße die beobachteten Unterschiede in der Systemleistung bei der CSB- und TN-Entfernung erklären. Es wurden auch unterschiedliche Strukturen der gesamten funktionellen Gene und spezifische Kategorien funktioneller Gene der beiden Systeme aufgedeckt. Dies kann auf die Existenz einzigartiger Gene jedes Systems und die Häufigkeitsdifferenzierung bestimmter Gene zurückzuführen sein. Es wurden jedoch keine signifikanten Zusammenhänge zwischen der Systemfunktion und den gesamten funktionellen Genstrukturen festgestellt. Die möglichen Gründe könnten sein, dass die einzigartigen funktionellen Gene jedes Systems oder die Gene mit unterschiedlicher Häufigkeit möglicherweise nicht so eng mit der Entfernung von COD, TN und NH4+-N verknüpft sind.

Zusätzlich zu den Differenzierungen der funktionellen Genhäufigkeiten und -strukturen wurden engere Interaktionen/Kopplungen, insbesondere engere positive (erleichternde) Interaktionen innerhalb der MBR-Gemeinschaft, durch die höhere durchschnittliche Konnektivität, den durchschnittlichen Clusterkoeffizienten, die Transitivität und die positiven Interaktionsprozentsätze des MBR-Netzwerks nahegelegt. Dies kann auf die niedrigeren F/M-Verhältnisse der Substrate Kohlenstoff, Stickstoff und Phosphor im MBR-System zurückzuführen sein. Für die MBR-Populationen könnte die Linderung der Belastung durch Substratknappheit durch Zusammenarbeit mit den Nachbarn eine gute Wahl sein. Beispielsweise könnten die Kohlenstoffabbaugruppen die Verfügbarkeit von leicht abbaubarem organischem Kohlenstoff für Denitrifizierer erhöhen. Daher sind die Abbaupopulation für organischen Kohlenstoff und die Denitrifizierer im MBR möglicherweise enger miteinander verbunden als im OD-System. In ähnlicher Weise könnte erwartet werden, dass die Erleichterung das dominierende Nettoergebnis bei mäßigem Stressniveau ist, das durch Ressourcen in den Pflanzen verursacht wird21, und es wurde festgestellt, dass positive Wechselwirkungen zwischen Pflanzenarten bei mäßigem Niederschlagsstressniveau vorherrschend waren22. Es wurden keine Überlappungen der generalistischen Knoten innerhalb der beiden Netzwerke festgestellt, was darauf hindeutet, dass verschiedene Knoten (Gene) wichtige Rollen innerhalb oder zwischen Modulen des MBR- und OD-Systems spielten.

Die CCA enthüllte, dass MLSS und DO die Hauptfaktoren für die Gestaltung der funktionellen Genstrukturen der beiden Systeme waren, was durch den Mantel-Test bestätigt wurde. Wie oben erläutert, könnte der höhere MLSS des MBR-Systems, der zu niedrigeren F/M-Verhältnissen führte, K-Strategen wie Nitrosospira begünstigen, gegen Denitriferen selektieren und Phytase-Gene im MBR-System fördern. Außerdem führte dies zu mehr Polysacchariden im Überstand, was möglicherweise zur höheren Häufigkeit von Kohlenstoffabbaugenen des MBR-Systems beiträgt. Die höheren Belüftungsraten des MBR-Systems können gegen Denitrifikatoren und ppx-Gene selektieren. Aufgrund der numerischen Korrelation zwischen SRT- und MLSS-Konzentrationen bei der Durchführung des CCA wurde SRT bei Vorhandensein von MLSS nicht als redundante Variable bewertet und aus dem CCA-Diagramm ausgeschlossen. Andererseits deutet die signifikante Korrelation zwischen SRT und den funktionellen Genstrukturen im Manteltest darauf hin, dass SRT einige Auswirkungen auf die funktionellen Genstrukturen haben könnte. Insbesondere könnte, wie oben erläutert, die längere SRT des MBR-Systems dazu beitragen, einige Organismen zu fördern, die in der Lage sind, Polysaccharide abzubauen, beispielsweise Chloroflexi5,23. Dies könnte eine Erklärung für die höhere Häufigkeit von Kohlenstoffabbaugenen sein. In früheren Untersuchungen wurde gezeigt, dass kurze SRTs Auswirkungen auf mikrobielle Gemeinschaften von Kläranlagen haben. Es wurde angezeigt, dass ein System, das mit einer SRT von 3 Tagen betrieben wird, keine Nitrospira sp. beherbergt. und Nitrosomonas sp.5. Es wurde gezeigt, dass ein anderes System, das mit SRTs von 10 Tagen, 3 Tagen und 5 Tagen betrieben wurde, bei einem höheren SRT24 vielfältigere mikrobielle Populationen aufwies. Unterschiedliche SRTs der beiden Systeme führten jedoch nicht zu signifikanten Unterschieden in der Häufigkeit von Nitrifikationsgenen (Abb. 1c). Der mögliche Grund könnte sein, dass die SRTs der beiden Systeme (20,5 Tage und 16,2 Tage) beide das Gedeihen der Nitrifikanten ermöglichen könnten. Neben den Auswirkungen von Betriebsparametern auf die funktionellen Genstrukturen deuteten ein geringer Prozentsatz gemeinsamer Knoten, unterschiedliche topologische Strukturen und unterschiedliche topologische Rollen der Knoten in den beiden Netzwerken darauf hin, dass Differenzierungen von Betriebsparametern auch mögliche mikrobielle Interaktionen der beiden Systeme veränderten. Der höhere MLSS des MBR-Systems erhöhte den Ressourcenlimitierungsstress und kann somit die positiven Wechselwirkungen zwischen den funktionellen Genen verstärken, die mit dem Kohlenstoff-, Stickstoff- und Phosphorkreislauf verbunden sind. Die möglichen Auswirkungen von Behandlungsprozessen und Umgebungsvariablen auf die Diversität und Wechselwirkungen der funktionellen Gene in den beiden Systemen sind in der Online-Ergänzungstabelle S1 zusammengefasst.

Die Abwassereigenschaften sowie die Temperatur und der pH-Wert des Bioreaktors, die anfällig für Schwankungen des Zuflusses waren, spielten bei der Gestaltung der gesamten funktionellen Genstrukturen eine relativ geringe Rolle. Darüber hinaus zeigten keine signifikanten oder nur wenige schwachen Verbindungen zwischen diesen Variablen und der Topologie jedes Netzwerks, dass sie die möglichen mikrobiellen Interaktionen nicht beeinflussen können. Der Grund könnte darin liegen, dass die beiden Systeme während der Probenahmetage geringe Schwankungen in den Abwassereigenschaften und grundsätzlich stabile Temperatur- und pH-Werte aufwiesen. Darüber hinaus könnten einige nicht gemessene Einflussvariablen möglicherweise auch zu erheblichen Veränderungen der funktionellen Genvielfalt beitragen und mögliche Wechselwirkungen der wichtigsten funktionellen Gene in jedem System beeinflussen.

Wenn eine Langzeitprobenahme durchgeführt wird, werden größere Gradienten anderer Parameter, beispielsweise der Bioreaktortemperatur und des pH-Werts, abgedeckt. Die wichtigsten Umweltvariablen, die die mikrobielle Ökologie beeinflussen, können unterschiedlich sein. Eine Langzeituntersuchung an einer einzelnen Kläranlage unter Verwendung von Hochdurchsatzsequenzierung zeigte die Bedeutung von Temperatur und Salzgehalt für die Steuerung der saisonalen Dynamik der Gattungen mit deutlich veränderten Häufigkeiten über einen Zeitraum von mehr als vier Jahren25. Eine andere Studie wies auf das Fehlen starker Korrelationen zwischen Umweltfaktoren und mehreren persistenten operativen Taxonomieeinheiten (OTUs) in einer Kläranlage hin. Umweltbedingungen (hauptsächlich SRT und anorganischer Stickstoff) erklärten teilweise die phylogenetischen Unterschiede und beeinflussten indirekt die Bakterienzusammensetzung8. Diese Studien legen nahe, dass die effektiven Variablen, die die Strukturen mikrobieller Gemeinschaften prägen, fallspezifisch sein können. Es liegen jedoch nur wenige Langzeituntersuchungen zu den Gemeinschaften von MBRs und Belebtschlammsystemen vor. In dieser Forschung wurde auch nicht erörtert, welche Variablen maßgeblich zu den beobachteten Differenzierungen der mikrobiellen Vielfalt führten11. Es wird empfohlen, im Rahmen weiterer Studien Langzeitbeprobungen (z. B. monatlich, saisonal und jährlich) der Gemeinschaften in MBRs und Belebtschlammsystemen durchzuführen, um tiefgreifende Diskussionen über den Zusammenhang zwischen mikrobieller Ökologie und Umweltgradienten bei großen Umweltgradienten zu ermöglichen sowohl hinsichtlich der physikalisch-chemischen als auch der betrieblichen Parameter.

Zusammenfassend haben wir in dieser Studie gezeigt, dass die Unterschiede in den Betriebsparametern (MLSS, SRT und DO) zweier parallel betriebener MBR- und OD-Systeme tatsächlich nicht nur die Funktionspotenziale bestimmter Bioprozesse, sondern auch die mikrobiellen Wechselwirkungen beeinflussten. Diese Ergebnisse geben einen nützlichen Einblick in die Auswirkungen unterschiedlicher Umweltbedingungen auf die mikrobielle Ökologie. Kläranlagen sind gut kontrollierte mikrobielle Ökosysteme, von denen wir jedoch nur die Spitze des Eisbergs kennen. Weitere Studien zu diesen Systemen, die darauf abzielen, wichtige ökologische Fragen zu beantworten und die Systeme zu verstehen, um sie besser entwerfen und betreiben zu können, sind von großer Bedeutung.

Die beiden vollwertigen Abwasseraufbereitungsanlagen befinden sich in einer Kläranlage in Wuxi, Provinz Jiangsu in China. Eine davon ist eine orale OD und die andere ist ein MBR, gekoppelt mit einem anaerob-anoxisch-oxischen Prozess (A2O-MBR). Sie behandeln identisches Abwasser (Haushalt : Industrie = 0,6 : 0,4) im gleichen Maßstab (50.000 m3/Tag), und der MBR-Schlamm wurde ursprünglich mit dem OD-Schlamm beimpft. Die Entfernung organischer Kohlenstoff- und Stickstoffschadstoffe aus den Systemen wurde durch biologische Prozesse erreicht, und die Entfernung von Phosphor erfolgte sowohl durch biologische Prozesse als auch durch chemische Fällung. Sie waren vor der Probenahme mindestens ein Jahr und drei Monate lang mit guter Behandlungseffizienz und Stabilität operiert worden26,27.

Vom 10. bis 21. April 2011 wurden an 12 aufeinanderfolgenden Tagen einmal täglich MLSS-Proben aus den aeroben Zonen des OD-Systems und aus den Membrantanks des A2O-MBR-Systems entnommen. An jedem Tag wurden jeweils 50 ml MLSS gesammelt Website. Jede Probe wurde in ein steriles 50-ml-Eppendorf-Röhrchen gegeben und 10 Minuten lang bei 14.000 g zentrifugiert. Die Pellets wurden zur Analyse bei –80 °C gelagert. Tägliche Messungen wurden durchgeführt, um die Schadstoffkonzentrationen von 24-Stunden-Mischproben von Zu- und Abflüssen sowie Temperaturen, pH-Wert und Sauerstoffkonzentrationen der Belüftungszonen jedes Systems zu bestimmen. Die ungefähren Werte der MLSS-Konzentrationen und der SRT wurden vom Anlagenpersonal bereitgestellt.

Mikrobielle genomische DNA wurde aus den Pellets von Belebtschlammproben durch eine Kombination aus Einfrieren und Natriumdodecylsulfat (SDS) zur Zelllyse wie zuvor beschrieben28 extrahiert. Die extrahierten Produkte wurden dann mit dem Wizard® SV Genomic DNA Purification Kit (Promega, Madison WI) gereinigt.

1 μg DNA wurde wie zuvor beschrieben29 markiert, gereinigt und getrocknet. Die gesamte markierte DNA wurde wie zuvor beschrieben in 10 μl Hybridisierungslösung resuspendiert und mit GeoChip 4.2 auf einer MAUI-Hybridisierungsstation (BioMicro, Salt Lake City, UT, USA) bei 42 ° C mit 40 % Formamid 16 Stunden lang hybridisiert. Microarrays wurden mit einem ScanArray 5000 Microarray Analysis System (PerkinElmer, Wellesley, MA, USA) bei 100 % Laserleistung gescannt.

Die Signalintensitäten der Spots wurden mit ImaGene 6.0 (Biodiscovery Inc., El Segundo, CA, USA) gemessen. Die Datenvorverarbeitung wurde online durchgeführt (ieg.ou.edu). Der Anteil der thermophilen Sonden (Negativkontrollen) in jeder Probe wurde durch die Entfernung von Flecken mit geringer Qualität auf weniger als 5 % gesenkt. Die Gene, die nur in drei oder weniger Proben von zwölf Proben desselben Systems nachgewiesen wurden, wurden entfernt, um potenzielles Rauschen zu vermeiden. Für jede Probe wurden die Intensitäten der Gene dann in die natürliche logarithmische Form umgewandelt und durch die mittlere Signalintensität dividiert.

Detaillierte Informationen zu den erkannten Genen und ihren Signalintensitäten finden Sie im Gene Expression Omnibus (www.ncbi.nlm.nih.gov/geo/, Zugangsnummer GSE 67307).

Um die Unähnlichkeiten mikrobieller Gemeinschaften aufzudecken, wurden drei nichtparametrische multivariate statistische Tests durchgeführt, darunter nichtparametrische multivariate Varianzanalyse (ADONIS), Ähnlichkeitsanalyse (ANOSIM) und Multiple Response Permutation Procedure (MRPP) sowie eine NMDS-Analyse. Um zu testen, ob sich die Diversitätsindizes und die Häufigkeit jeder funktionellen Genkategorie und bestimmter Unterkategorien oder phylogenetischer Gruppen in den beiden Systemen unterschieden, wurde eine Varianzanalyse mit wiederholten Messungen (ANOVA) durchgeführt. Cohens d wurde angewendet, um das Ausmaß der Behandlungseffekte zu beurteilen. Eine herkömmliche Regel besteht darin, einen Cohens d von 0,8 als groß zu betrachten, was darauf hindeutet, dass 79 % der Kontrollgruppe einen Wert haben würden, der unter dem der Versuchsperson in der Versuchsgruppe liegt31,32. Um die Auswirkungen von Umweltfaktoren auf die gesamten funktionellen Gemeinschaftsstrukturen zu bewerten, wurden ein CCA- und ein Kaminsimstest durchgeführt. In CCA wurde der VIF für jedes Umgebungsattribut verwendet, um die Multikollinearität zwischen erklärenden Variablen zu identifizieren. Der Faktor mit einem VIF-Wert über 20 wurde als redundante Einschränkung betrachtet und entfernt. Alle oben genannten statistischen Analysen wurden mit R-Code (http://www.r-project.org/) durchgeführt.

Um mögliche mikrobielle Wechselwirkungen der mit dem Kohlenstoff-, Stickstoff- und Phosphorkreislauf verbundenen Gene aufzudecken, wurden zwei mikrobielle Assoziationsnetzwerke basierend auf RMT unter Verwendung einer umfassenden Molecular Ecological Network Analysis Pipeline (MENAP) (http://ieg2.ou.edu/MENA/) aufgebaut. )13. Es wurde eine Ähnlichkeitsmatrix der „Pearson-Korrelation in Zeitreihen (1 Zeitpunkt mit Verzögerung zulassen)“ angewendet. Für jedes System wurden nur die Gene, die in allen 12-Wochen-Proben nachgewiesen wurden (Mehrheitsregel), für den Netzwerkaufbau aufbewahrt. Dieser Filterschritt entfernte schlecht dargestellte funktionelle Gene und reduzierte die Netzwerkkomplexität33. Für jedes Netzwerk wurden 100 entsprechende Zufallsnetzwerke mit derselben Netzwerkgröße und durchschnittlichen Anzahl von Links generiert. Der Z-Test wurde verwendet, um die Unterschiede der Indizes zwischen den konstruierten Netzwerken und Zufallsnetzwerken zu testen. Um die Modularitätseigenschaft zu charakterisieren, wurde jedes Netzwerk durch die Fast Greedy Modularity Optimization in Module aufgeteilt. Die topologischen Rollen verschiedener Knoten wurden durch Konnektivität innerhalb des Moduls (zi) und Konnektivität zwischen Modulen (Pi) in die folgenden vier Unterkategorien unterteilt: (i) periphere Knoten; (ii) Steckverbinder; (iii) Modul-Hubs; und (iv) Netzwerk-Hubs34. Zum Vergleich zwischen den Netzwerkindizes verschiedener Systeme wurde der Student-t-Test unter Verwendung der aus entsprechenden Zufallsnetzwerken abgeleiteten Standardabweichungen verwendet. Der gepaarte T-Test wurde durchgeführt, um Vergleiche zwischen den topologischen Strukturen der gemeinsamen Knoten der beiden Netzwerke anzustellen. Die Beziehungen zwischen der Topologie des mikrobiellen Netzwerks und den Umwelteigenschaften wurden auf indirekte Weise untersucht, indem die Korrelation zwischen dem GS und der Konnektivität der Knoten gemessen wurde12. Cytoscape_3.2.1 wurde für die Netzwerkvisualisierung der Knoten verwendet, deren Konnektivität die ersten fünf Plätze belegte.

Zitierweise für diesen Artikel: Xia, Y. et al. Vielfalt und Wechselwirkungen mikrobieller Funktionsgene unter unterschiedlichen Umweltbedingungen: Erkenntnisse aus einem Membranbioreaktor und einem Oxidationsgraben. Wissenschaft. Rep. 6, 18509; doi: 10.1038/srep18509 (2016).

Daims, H., Taylor, MW & Wagner, M. Abwasserbehandlung: ein Modellsystem für mikrobielle Ökologie. Trends Biotechnologie. 24, 483–489 (2006).

Artikel CAS Google Scholar

Scheiner, S. & Willig, M. Eine allgemeine Theorie der Ökologie. Theor. Ökologisch. 1, 21–28 (2008).

Artikel Google Scholar

Han, H., Zhang, Y., Cui, C. & Zheng, S. Einfluss des CSB-Gehalts und der HRT auf die mikrobielle Gemeinschaft in einem von Hefen dominierten Belebtschlammsystem. Bioresour. Technol. 101, 3463–3465 (2010).

Artikel CAS Google Scholar

Yadav, TC, Khardenavis, AA & Kapley, A. Veränderungen in der mikrobiellen Gemeinschaft als Reaktion auf den Gehalt an gelöstem Sauerstoff in Belebtschlamm. Bioresour. Technol. 165, 257–264 (2014).

Artikel CAS Google Scholar

Vuono, DC et al. Störung und zeitliche Aufteilung der Belebtschlamm-Metagemeinschaft. ISME J. 9, 425–435 (2014).

Artikel Google Scholar

Pianka, ER Zur R- und K-Auswahl. Bin. Nat. 104, 592–597 (1970).

Artikel Google Scholar

Ju, F., Umgebung. Mikrobiol. 16, 2421–2432 (2014).

Artikel CAS Google Scholar

Ju, F. & Zhang, T. Bakterienanordnung und zeitliche Dynamik im Belebtschlamm einer groß angelegten kommunalen Kläranlage. ISME J. 9, 683–695 (2015).

Artikel CAS ADS Google Scholar

Hu, M., Wang, X., Wen, X. & Xia, Y. Mikrobielle Gemeinschaftsstrukturen in verschiedenen Kläranlagen, wie durch 454-Pyrosequenzierungsanalyse aufgedeckt. Bioresour. Technol. 117, 72–79 (2012).

Artikel CAS Google Scholar

Saunders, AM, Larsen, P. & Nielsen, PH Vergleich nährstoffentfernender mikrobieller Gemeinschaften in Belebtschlamm aus großtechnischen MBRs und konventionellen Anlagen. Wasser. Wissenschaft. Technol. 68, 366–371 (2013).

Artikel CAS Google Scholar

Wan, CY et al. Biodiversität und Populationsdynamik von Mikroorganismen in einem vollwertigen Membranbioreaktor für die kommunale Abwasserbehandlung. Wasserres. 45, 1129–1138 (2011).

Artikel CAS Google Scholar

Yang, Y. et al. Die mikrobielle Genvielfalt entlang eines Höhengradienten des tibetischen Graslandes. ISME J. 8, 430–440 (2014).

Artikel CAS Google Scholar

Deng, Y. et al. Molekularökologische Netzwerkanalysen. BMC Bioinformatics 13, 1–20 (2012).

Artikel Google Scholar

Konietzny, U. & Greiner, R. Molekulare und katalytische Eigenschaften von Phytat-abbauenden Enzymen (Phytasen). Int. J. Lebensmittelwissenschaft. Technik. 37, 791–812 (2002).

Artikel CAS Google Scholar

Nielsen, PH et al. Ein konzeptionelles Ökosystemmodell mikrobieller Gemeinschaften in Anlagen zur verbesserten biologischen Phosphorentfernung. Wasserres. 44, 5070–5088 (2010).

Artikel CAS Google Scholar

Di Fabio, S., Lampis, S., Zanetti, L., Cecchi, F. & Fatone, F. Rolle und Eigenschaften problematischer Biofilme bei der Entfernung und Mobilität von Spurenmetallen in einem Membranbioreaktor im Pilotmaßstab. Prozessbiochem. 48, 1757–1766 (2013).

Artikel CAS Google Scholar

Ueda, T. & Horan, NJ Schicksal einheimischer Bakteriophagen in einem Membranbioreaktor. Wasserres. 34, 2151–2159 (2000).

Artikel CAS Google Scholar

Çiçek, N., Franco JP, Suidan, MT, Urbain, V. & Manem, J. Charakterisierung und Vergleich eines Membranbioreaktors und eines herkömmlichen Belebtschlammsystems bei der Behandlung von Abwasser, das hochmolekulare Verbindungen enthält. Wasserumgebung. Res. 71, 64–70 (1999).

Artikel Google Scholar

Schramm, A., de Beer, D., Wagner, M. & Amann, R. Identifizierung und Aktivitäten in situ von Nitrosospira und Nitrospira spp. als dominante Populationen in einem nitrifizierenden Wirbelschichtreaktor. Appl. Umgebung. Mikrob. 64, 3480–3485 (1998).

CAS Google Scholar

Konietzny, U. & Greiner, R. Bakterielle Phytase: Mögliche Anwendung, In-vivo-Funktion und Regulierung ihrer Synthese. Braz. J. Mikrobiol. 35, 11–18 (2004).

Artikel CAS Google Scholar

Maestre, FT, Callaway, RM, Valladares, F. & Lortie, CJ Verfeinerung der Stress-Gradienten-Hypothese für Wettbewerb und Erleichterung in Pflanzengemeinschaften. J. Ecol. 97, 199–205 (2009).

Artikel Google Scholar

Maestre, FT & Cortina, J. Nehmen positive Interaktionen mit abiotischem Stress zu? Ein Test aus einer halbtrockenen Steppe. Proz. R. Soc. London. B 271, S331–S333 (2004).

Artikel Google Scholar

Miura, Y. & Okabe, S. Quantifizierung der zellspezifischen Aufnahmeaktivität mikrobieller Produkte durch nicht kultivierte Chloroflexi durch Mikroautoradiographie kombiniert mit Fluoreszenz-in-situ-Hybridisierung. Umgebung. Wissenschaft. Technol. 42, 7380–7386 (2008).

Artikel CAS ADS Google Scholar

Duan, L., Moreno-Andrade, I., Huang, C.-l., Xia, S. & Hermanowicz, SW Auswirkungen einer kurzen Feststoffretentionszeit auf die mikrobielle Gemeinschaft in einem Membranbioreaktor. Bioresour. Technol. 100, 3489–3496 (2009).

Artikel CAS Google Scholar

Ju, F., Guo, F., Ye, L., Xia, Y. & Zhang, T. Metagenomische Analyse saisonaler mikrobieller Schwankungen von Belebtschlamm aus einer groß angelegten Kläranlage über 4 Jahre. Env. Mikrobiol. Rep. 6, 80–89 (2014).

Artikel CAS Google Scholar

Jiang, L., Zhang, W., Hu, B., Chen, H. & Yang, W. Entwurf für die Modernisierung des Wiederaufbauprozesses der Chengbei-Kläranlage in der Stadt Wuxi. Wasser- und Abwassertechnik 35, 29–34 (2009).

Google Scholar

Yang, W., Chen, H. & Chen, H. Anwendung des Membranbioreaktorprozesses in der Kläranlage Wuxi Chengbei. China Water & Wastewater 28, 117–120 (2012).

CAS Google Scholar

Zhou, J., Bruns, MA & Tiedje, JM DNA-Gewinnung aus Böden unterschiedlicher Zusammensetzung. Appl. Umgebung. Mikrob. 62, 316–322 (1996).

CAS Google Scholar

Lu, Z. et al. Mikrobielle Genfunktionen angereichert in der Tiefseeölfahne Deepwater Horizon. ISME J. 6, 451–460 (2012).

Artikel CAS Google Scholar

Wu, L., Liu, Appl. Umgebung. Mikrob. 72, 4931–4941 (2006).

Artikel CAS Google Scholar

Cohen, J. Statistical Power Analysis for the Behavioral Sciences (2. Auflage), (Lawrence Eribaum Associates, 1988).

McGough, JJ & Faraone, SV Abschätzung des Ausmaßes der Behandlungseffekte: Über p-Werte hinausgehen. Psychiatrie 6, 21–29 (2009).

PubMed Google Scholar

Barberan, A., Bates, ST, Casamayor, EO und Fierer, N. Verwenden von Netzwerkanalysen zur Untersuchung von Koexistenzmustern in Bodenmikrobengemeinschaften. ISME J. 6, 343–351 (2012).

Artikel CAS Google Scholar

Olesen, JM, Bascompte, J., Dupont, YL & Jordano, P. Die kleinste aller Welten: Bestäubungsnetzwerke. J. Theor. Biol. 240, 270–276 (2006).

Artikel MathSciNet Google Scholar

Referenzen herunterladen

Wir danken Dr. Wolfgang Sand von der Universität Duisburg-Essen für die schriftliche Verbesserung des endgültigen Manuskripts in englischer Sprache. Diese Studie wurde vom NSFC (51178239) und dem Sonderfonds des State Key Joint Laboratory of Environmental Simulation and Pollution Control (14L03ESPC) unterstützt.

Staatliches gemeinsames Schlüssellabor für Umweltsimulation und Verschmutzungskontrolle, Fakultät für Umwelt, Tsinghua-Universität, 100084, Peking, VR China

Yu Xia, Man Hu, Xianghua Wen, Xiaohui Wang, Yunfeng Yang und Jizhong Zhou

Institut für Umweltgenomik und Abteilung für Botanik und Mikrobiologie, University of Oklahoma, OK, Norman, USA

Jizhong Zhou

Sie können diesen Autor auch in PubMed Google Scholar suchen

YX führte eine statistische Analyse der GeoChip-Daten durch und verfasste den Manuskriptentwurf. MH führte die DNA-Extraktion und Datenvorverarbeitung durch. Xianghua Wen war einer der Experimentdesigner, überwachte die Datenanalyse und überarbeitete das Manuskript. Xiaohui Wang führte Probenahmen, Umweltdatenmessungen und GeoChip-Hybridisierung durch. YFY gab einige Vorschläge zur Datenanalyse und Überarbeitung des Manuskripts. JZZ half bei der Gestaltung der Experimente und stellte das Tool GeoChip 4.2 zur Verfügung.

Die Autoren geben an, dass keine konkurrierenden finanziellen Interessen bestehen.

Dieses Werk ist unter einer Creative Commons Attribution 4.0 International License lizenziert. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative-Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe nichts anderes angegeben ist; Wenn das Material nicht unter der Creative-Commons-Lizenz enthalten ist, müssen Benutzer die Erlaubnis des Lizenzinhabers einholen, um das Material zu reproduzieren. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/

Nachdrucke und Genehmigungen

Xia, Y., Hu, M., Wen, X. et al. Vielfalt und Wechselwirkungen mikrobieller Funktionsgene unter unterschiedlichen Umweltbedingungen: Erkenntnisse aus einem Membranbioreaktor und einem Oxidationsgraben. Sci Rep 6, 18509 (2016). https://doi.org/10.1038/srep18509

Zitat herunterladen

Eingegangen: 26. August 2015

Angenommen: 19. November 2015

Veröffentlicht: 08. Januar 2016

DOI: https://doi.org/10.1038/srep18509

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein Link zum Teilen verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt

Grenzen der Umweltwissenschaft und -technik (2023)

Wissenschaftliche Berichte (2021)

Angewandte Mikrobiologie und Biotechnologie (2020)

AMB Express (2017)

Durch das Absenden eines Kommentars erklären Sie sich damit einverstanden, unsere Nutzungsbedingungen und Community-Richtlinien einzuhalten. Wenn Sie etwas als missbräuchlich empfinden oder etwas nicht unseren Bedingungen oder Richtlinien entspricht, kennzeichnen Sie es bitte als unangemessen.