凌恩客户文章：利用肠道微生物群预测养殖海参的产地和品质

本文主要是介绍凌恩客户文章：利用肠道微生物群预测养殖海参的产地和品质，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

期刊：Environmental Microbiology

影响因子：5.491

发表时间：2022

样本类型：海参及海参肠道

客户单位：辽宁省海洋水产科学研究院周遵春团队

一、研究背景

肠道微生物有助于食物消化代谢和宿主健康，它可能适合追踪海参产地和预测其质量性状。海参（仿刺参，Apostichopus japonicus）是亚洲常见的一种具有极高营养和经济价值的水产物种，自从上世纪80年代开始，海参养殖产业在我国快速发展，已经成为了我国海水养殖业非常重要的组成部分。本研究利用高通量测序技术探究了海参肠道微生物群与其产地和品质之间的关系。

二、实验设计

从中国八个产地采集海参，包括辽宁、河北、山东和福建，是我国海参的主要养殖区。本研究分别采集了DLE、DLW、JZ、QHD、DY、YT、QD和XP海岸线共8个地区池塘或底播养殖的海参个体，共计289头，分别收集海参体壁组织和肠道内容物，测定了海参的基本营养成分含量和肠道菌群组成结构。

三、实验结果

1、不同产地海参肠道微生物比较

比较了肠道微生物群的Chao1、Shannon、Pielou_e和Faith_pd的4个α多样性指数，总的来说，8种产地的海参的肠道微生物群组成存在显著差异，来自DLW（辽宁大连西岸地区）的海参具有最为丰富、多样和均匀的肠道细菌群落。

主坐标分析（PCoA）表明，不同产地的海参肠道微生物群被分开（图1B），不同产地是影响海参肠道微生物群的主要因素，比宿主体重和性别引起的影响更大，表明地理位置是海参肠道菌群组成结构的重要影响因素。

图1 不同产地的海参肠道微生物群比较

变形菌门是所有样本中的优势菌门（图2A），约占肠道微生物群总数的70%，其它主要细菌门分别为拟杆菌门、放线菌门、疣微菌门。使用ANOVA比较了不同产地海参肠道的细菌丰度差异（图2C），DLE、JZ和DY样本中α-变形菌门的相对丰度显著较高。

图2 不同产地的海参肠道微生物组成

2、利用肠道微生物群预测海参产地

根据检测到属的相对丰度进行网络分析，结果表示在同一地区样本中丰度较高的微生物具有明显相关性，主要微生物的聚类模块有明显的地域分布，该结果进一步表明地理位置对海参肠道菌群的显著影响（图3A-C）。网络分析模块hub识别中，Pseudonocardiaceae、 Legionellales,、Persicirhabdus、Dinoroseobacter等被归类为模块枢纽，与各自模块内的节点高度连接。

利用随机森林模型，确定了海参肠道微生物群的组成以及与其产地相关的密切程度。同时，个体的肠道微生物群可用于预测其产地，准确率为97.6%（图3D），这表明产地位置可能是海参肠道菌群差异最重要的影响因素。随机森林模型包括了20个对不同产地海参区分贡献明显的肠道细菌属，其中Actibacter、 Desulfococcus、Lutimonas、 Aureitalea 和 Cupriavidus最为重要（图3E），这表明不同产地海参肠道菌群中均含有几种只在其产地特异性富集的细菌属。

图3 肠道微生物群预测海参产地

3、海参肠道菌群群落构建机制

使用中性群落模型（NCM）和零模型的方法分析随机性和确定性因素在不同产地海参肠道菌群群落构建过程中的贡献大小（图4A）。除了XP地区，基于NCM确定70%以上不同产地肠道微生物群落的群落结构。肠道微生物群落物种扩散在QD地区最高，证明了随机过程在不同产地的海参肠道微生物组成结构方面是非常重要。

整体来说，包括Dispersal limitation、Homogenizing dispersal和Drift在内的随机性因素是对海参肠道菌群的贡献更为明显，而特异性的选择性压力等确定性因素的贡献比例相对较低。

零模型的分析表明，地理限制和随机的生态飘变是海参肠道菌群变化的主要驱动力。

图4 海参肠道微生物群落构建机制

4、不同产地海参品质性状比较

研究测定了海参9个品质性状（体壁组织中蛋白质、脂肪、糖类、皂苷、胶原蛋白、维生素A、维生素E、牛磺酸和硫酸软骨素的含量）以比较不同产地海参的品质差异（图5A），结果表明，来自大连东岸的海参在样品中整体质量最高，河北秦皇岛和福建霞浦海参品质最差。此外，使用Mantel test和普氏分析评估了品质性状与20个基于海参产地的细菌指标的关系（图5B），得到不同品质性状与肠道微生物群之间呈显著相关的结论。以上结果表明，海参肠道菌群与其自身营养成分密切相关，同时海参的产地对其具有显著的影响。

利用随机森林模型表明，一些关键的海参品质性状，例如皂苷、脂肪和牛磺酸含量，同样可以使用基于肠道菌群的随机森林模型进行预测，预测的准确率能够达到80%左右（图6）。