大數據時代土壤微生物地理學研究綜述

靳一丹,陸雅海

北京大學,城市與環境學院,北京 100871

生物地理學是一門旨在記錄和理解生物多樣性空間格局的科學,其目的是揭示生物的豐度和組成的產生和維持機制[1—3]。幾個世紀以來,生物學家一直在探索大型生物的生物地理分布格局[4—5]；直到1934年,荷蘭學者Baas-Becking提出了著名觀點“萬物無所不在,但由環境選擇”(Everything is everywhere: but the environment selects),首次將微生物與自然環境聯系起來,推動了微生物生物地理學的發展[6]。“微生物”通常指細菌域、古菌域的成員和真核生物域的微小成員,它們在地球上數量極多、分布廣泛,是地球生物多樣性的重要組成部分[1,7]。土壤含有地球上最多樣的微生物組,它們在物質分解、元素生物地球化學循環、植物生產力和生物健康中扮演著重要角色[8—11]。理解形成土壤微生物生物地理分布格局的原因及其可能產生的結果,不僅有助于理解物種進化過程(如物種形成)和生態過程(如物種演替、群落發展、物種的傳播和維持),還可以為調節生物多樣性和生態系統復雜性的機制提供重要信息[12—14]。

受到傳統觀察手段的技術限制,許多早期研究認為土壤微生物多樣性分布的空間變化是“背景噪音”[4]。隨后出現的分子生物學技術提高了環境微生物識別的速度和準確性,這類技術與大數據分析的耦合大大推動了土壤微生物生物地理學的發展[15—16]。國際上,中國和美國對近代土壤微生物生物地理學研究的貢獻度最大,其中土壤細菌最受關注；我國的相關研究正在逐年增加,其研究方向主要為農業、生態與環境科學(圖1)。由此可見,土壤微生物生物地理學在國際上和我國國內都處于廣受關注且快速發展的階段。本文首先闡述土壤微生物生物地理學的研究進展,接下來重點介紹分子生物學技術和大數據分析的應用,并對土壤微生物生物地理學未來的發展方向進行展望。

圖1 國際期刊和我國出版期刊的發文數量隨時間的變化Fig.1 The number of published articles across time in international journals and in Chinese journals

1 土壤微生物生物地理學研究進展

1.1 土壤微生物地理分布格局的發現及其與大型生物之間的異同

土壤微生物地理分布格局的探索經歷了“從否定到肯定”的過程。在21世紀前,依賴于顯微鏡和富集培養技術,科學家們發現一些原生生物具有世界性分布的特點[5,17]。21世紀后,在純培養和分子生物學技術的幫助下,人們發現土壤微生物也具有地方性特點并呈現出地理分布格局[10,18]。分子生物學技術提高了環境微生物的識別分辨率,這些微生物表現出的生物地理格局否定了以往認為土壤微生物群落是一個沒有空間結構的“黑匣子”觀點。微生物的生物地理學概念晚于動植物兩個世紀,判斷兩者是否存在共通模式和原理將有助于在現有的宏觀生物地理學體系下發展適用于土壤微生物的理論框架,且微生物地理研究也可對現有的生物地理學理論進行補充和驗證[2,6]。土壤微生物和大型生物(特別是植物)常常密切相關,我們可以合理推測微生物與大型生物的生物地理存在一定關聯[1,19]。相關研究進展包括以下三方面。①從生物的分布格局來看：土壤古菌和真菌的多樣性與許多大型生物表現出一致的趨勢,且真菌的全球分布格局還符合動植物的Rapoport法則[10—11]。這可能是由于土壤真菌與植物之間具有更密切的聯系(如共生關系),導致其地理分布受到植物分布的制約[10]。②從生物的生態模式來看：常被用于大型生物生態學研究的“種-面積關系”和“共現模式”其實也適用于微生物[9,20]。③從造成生物分布格局的原因來看：研究發現,一些驅動微生物多樣性模式的因素可能與解釋大型生物多樣性模式的一些基本過程類似[21—22]。由此可見,土壤微生物與大型生物在生物地理分布上有一些共同點。

然而,仍有一些研究展示了土壤微生物(主要是細菌)與大型生物在地理分布上的不同。Bahram等人通過全球表土微生物組調查發現,土壤細菌的分類多樣性和基因功能多樣性都不符合大型生物普遍的生物多樣性緯度梯度格局[11]。除了緯度梯度,一些土壤微生物的多樣性在海拔、降水梯度和不同土地利用類型上的分布特點也與大型生物不同[23—25]。微生物的微小體型、單細胞特點、繁殖方式和生理特征都與大型生物有明顯的不同；且由于生存環境的差異,某些土壤微生物的生物地理分布主要由土壤特性控制[26]。這些都可能導致土壤微生物生物地理分布不同于大型生物。

由此可見,土壤微生物與大型生物的生物地理格局不完全一致,需要發展出更具包容性的生物地理學概念和理論來解釋這些差異。為了完成這個目標,不僅需要考察土壤微生物的分布和多樣性,更重要的是將微生物信息與環境信息聯系起來,從而探索產生土壤微生物地理分布格局的內在機制。

1.2 土壤微生物生物地理分布格局的驅動因素

傳統生物地理學和微生物生物地理學都認為當代環境因素(包括生物和非生物因素)和歷史事件(包括擴散限制和過去的環境條件)是研究生物分布格局的兩大主題[1,27]。基于以上兩個主題,Martiny等人構建了一個微生物生物地理學框架,其中包括四個假說：①微生物在空間中隨機分布；②微生物的生物地理學反映了當代環境變化的影響；③所有的空間變化都來自于歷史事件的持續影響；④微生物的分布是歷史事件和當代環境共同影響的結果[1]。基于以上框架,研究者們就導致土壤微生物分布格局的兩大主題進行了探索。

1.2.1當代環境因素

非生物因素包括氣候和土壤特性,其中土壤特性對土壤微生物的組成和分布起著至關重要的作用[28—29]。土壤pH是一個有效的生境“篩選器”：研究發現土壤pH與某些微生物類群的豐度密切相關,且被認為是土壤細菌群落的最佳預測因子[25,30—31]。除了pH,土壤養分變化也會在不同程度上影響土壤微生物的群落組成和多樣性[28]。除了土壤特性,氣候(如氣溫和降水)則可能是通過改變土壤分解速率,從而間接地影響土壤微生物的地理分布[32]。

生物因素包括微生物本身的特征和環境中其他生物的影響。微生物的定殖、物種形成和滅絕都直接受到其生活史特征的影響,它們龐大的種群規模和快速增長的特點為遺傳多樣性提供了巨大的潛力[7]。土壤中不同生物群落(包括微生物和較大體積的生物)間存在相互作用,例如：真菌緊密聯系的群落特點可能導致它們具有更強的環境變化抵抗能力[33]；植物根系分泌物和凋落物不僅改變土壤養分條件,而且深刻影響土壤微生物與植物之間的共生關系。這些都是影響土壤微生物分布格局的生物因素[34]。

1.2.2歷史事件

擴散為生物個體(及其所代表的類群)被動或主動地從一個地點移動到另一個地點并成功定居的過程[3]。長遠的擴散距離、不利環境條件以及地理屏障等都會導致不同地理位置微生物組成和多樣性的差異[35,36]。歷史事件和當代環境因素并不相互排斥,它們共同驅動形成土壤微生物群落的空間格局,但它們的相對重要性仍存爭議,需要進行更系統化的比較[18,27,37]。

1.3 土壤微生物群落的構建規則

基于當代環境因素和歷史事件的微生物生物地理學框架有助于解釋土壤微生物的地理分布格局,而探索微生物群落的構建規則有助于深入理解土壤微生物群落結構的形成和演替。目前認為微生物群落的構建受到確定性過程和隨機性過程這兩種基本生態過程的影響[38]：在確定性過程中,物種受到非生物和生物因素的選擇作用,將具有其獨特的生態位,能通過競爭生存下來；而在隨機性過程中,則涉及物種隨機的出生、死亡、擴散和遺傳漂變事件,許多物種存在于相同或重疊的生態位中,但由于它們的競爭能力處于緊密平衡狀態而不會相互淘汰。

實際上,確定性過程和隨機性過程同時影響土壤微生物群落的構建,它們的相對重要性則會因觀察角度的不同而產生差異[39—40]。從空間尺度上看,隨機性過程可能對較小范圍內土壤細菌群落的構建起主導作用；但在較大范圍內,起主導作用的則是確定性過程[38]。從時間尺度上看,細菌群落的構建在土壤演替早期受隨機性過程的控制；隨著演替的進行,確定性過程的相對重要性逐漸增加[40—41]。除了觀察的時空差異,微生物個體大小也會使觀察結果發生變化[14]。基于以上差異,研究者們構建了各種概念模型[14,40,42],用于系統地了解生態系統中微生物群落的形成和演替特征(圖2)。

圖2 微生物群落構建概念模型Fig.2 Conceptual model of microbial community assembly圖片根據Dini-Andreote等人[40]、Wang等人 [42]和Luan等人 [14]的研究

2 分子生物學技術推動土壤微生物生物地理學快速發展

2.1 分子生物學技術對土壤微生物生物地理研究的重要性

分子生物學技術以具有特異性的DNA片段為研究對象,可以檢測環境微生物的豐度和多樣性[43—44]。自1998年宏基因組學概念的提出,以核酸為研究對象的分子生物學技術被廣泛應用于環境微生物研究中[45]。與傳統微生物研究方法相比,結合生物信息學的現代分子生物學技術分辨率更高,能不依賴培養技術而直接獲得自然環境中的微生物信息,既可以為純培養條件(如培養基成分、培養溫度等)的優化提供幫助,也可以從分子水平上判斷環境微生物的豐度和多樣性。

圖3 基于已有數據庫(綠色流程)和采樣(棕色流程)的土壤微生物生物地理學研究示意圖Fig.3 Diagram of the researches in soil microbial biogeography based on existing databases (green pipelines) or on new studies (brown pipelines)其中一些圖片根據Thompson等人[46]、Mardis等人[47]、van den Hoogen等人[48]、Ma等人[15]和Garcia-Pichel等人[49]的研究

在分子生物學技術研究初期,主要用于土壤微生物生地理研究的是基因克隆文庫和基因指紋圖譜技術,然而這些技術具有成本較高、工作量大、耗時長的缺陷,且不能提供微生物數量和基因表達水平方面的信息,因此不適合用于觀察和監測復雜環境中微生物多樣性的時空動態變化[30,45]。與之相比,隨后出現的高通量測序技術,一次能對幾十萬至幾百萬條DNA分子進行序列測定,具有速度快、成本低的優點[50]。基于這些優點,高通量測序目前已成為研究各種尺度下土壤微生物生物多樣性、地理分布格局和群落構建演化機制的首選技術(圖3)。

2.2 高通量測序(High-throughput sequencing)平臺

高通量測序平臺的代表是Roche公司的454測序儀、Illumina公司的Solexa測序儀和Applied Biosystem公司的SOLiD測序儀[51]。以下簡要介紹目前應用最廣的Roche 454測序平臺和Illumina測序平臺。

2.2.1Roche 454測序平臺

Roche 454平臺利用微乳液PCR和焦磷酸測序技術確定核酸的堿基序列,具有測序讀長較長(最長1000 bp)、耗時短的優點[52]。通過識別小亞基rRNA基因序列的差異,454焦磷酸測序技術被廣泛應用于土壤微生物生物地理研究中,包括微生物多樣性分析、探索微生物地理格局、構建微生物預測模型等[30,53]。然而,Roche 454測序平臺存在通量相對較低、試劑成本高、重復堿基聚合區域測序錯誤率高的問題,這些缺陷限制了焦磷酸測序被應用于大樣本量的研究中[52]。

2.2.2Illumina測序平臺

Illumina平臺利用橋式擴增和合成測序技術確定核酸的堿基序列,是目前高通量測序應用最廣泛的平臺,具有通量高、低成本的優點[52]。Illumina公司包括HiSeq、MiSeq、NextSeq、NovaSeq等平臺,前兩個平臺的使用較多。這些平臺的主要區別在于總輸出和最大讀取長度,如較新的HiSeq 4000系統一次運行的通量可達1.5 Tb,但讀取長度僅限于150 bp；而MiSeq系統的最大讀取長度為500—550 bp,但輸出量受限(15Gb)[54—55]。可綜合考慮研究目的、通量要求、測序成本后再選擇合適的Illumina平臺。得益于Illumina測序平臺通量高、成本較低的特點,全球尺度的土壤細菌(16S rRNA基因測序)、古菌(16S rRNA基因測序)、真菌(ITS基因測序)多樣性調查得以實現[19,49]。

3 大數據分析實現了多樣品與大尺度的微生物生物地理研究

3.1 大型國際微生物計劃

隨著基因測序領域的快速發展,人類對微生物多樣性及其功能有了新的認知。然而,由于不同微生物組的研究之間缺乏合作,“碎片化”的測序數據和背景數據缺乏標準分析方法,使大規模微生物組的研究受到限制。為了解決這一問題,各種國際微生物計劃自21世紀以來被相繼提出,如海洋微生物普查計劃(International Census of Marine Microbes, ICoMM)、人類微生物組計劃(Human Microbiome Project, HMP)[56]、地球微生物組計劃(Earth Microbiome Project, EMP)[57]、全球土壤生物多樣性倡議(Global Soil Biodiversity Initiative, GSBI)等,其中EMP和GSBI大大推動了土壤微生物多樣性研究領域的發展。

3.1.1地球微生物組計劃(EMP)

EMP(http://www.earthmicrobiome.org)成立于2010年,其目的是通過對地球微生物群落的大規模取樣,得到全球未培養微生物多樣性目錄(包括樣本信息及其元數據),并使用標準化流程來探索影響微生物群落結構的生物地理學原理[57]。在全球五百多名科學家的共同努力下, EMP在2017年發表了他們的第一個薈萃分析成果,包括新建立的環境微生物基因序列參考數據庫,并提出了整合不同研究數據的新思路,將微生物多樣性的探索推向前所未有的規模[46]。該成果已被廣泛應用于各類環境微生物研究中：如Zhang等人通過比較EMP發布的序列和來自公共數據庫的基因組數據,揭示了地球生物群落原核基因組測序的現狀[16]；Ma等人則通過提取EMP數據庫中14種環境的大量測序信息,繪制了地球微生物的共存網絡[15]；而Luan等人則利用EMP的測序數據和分析平臺,揭示了微生物群落構建與生物有機體大小之間的關系[14]。除了以上研究,EMP的數據也大大推動了測序數據分析工具、分析平臺的開發和測試以及模型構建的進程[58—59]。

3.1.2全球土壤生物多樣性倡議(GSBI)

GSBI(www.globalsoilbiodiversity.org)發起于2011年,其目標是通過全球科學家的合作,整合跨學科成果,向公眾提供信息并推廣到環境政策中,為當前和未來土壤可持續性研究創建平臺。與EMP不同的是,GSBI旨在更好地利用已有的土壤生物多樣性和生態系統服務方面的知識,而不是開始新的研究。至今,全球性的土壤微生物研究的對象包括細菌[60]、真菌[10]和原生生物[48],這些研究成果對繪制全球土壤微生物地圖集、探尋驅動多樣性和地理分布格局因素、研究群落構建機制和構建預測模型具有重大貢獻。

3.2 微生物序列數據庫和測序數據分析平臺的興起

不斷推進的大型國際微生物計劃使全球環境微生物數據量呈爆炸式增長,隨之產生了各種微生物序列數據庫,其中信息的挖掘離不開生物信息學和計算機科學的支持[61—62]。為了滿足生命科學日益增長的計算需求,各類微生物測序數據分析平臺快速興起,成為了不具備專業生物信息學和編程技能的研究人員深入分析大型數據集的有力工具,大大節約了數據分析和結果可視化的時間(圖3)。以下是一些近期興起的環境微生物序列數據庫和測序數據分析平臺以及它們在微生物研究中的應用。

3.2.1全球真菌數據庫(GlobalFungi)

GlobalFungi數據庫(https://globalfungi.com/)是目前最全面的全球真菌數據平臺,包含所有陸地生境中的真菌群落信息,且具有網頁交互界面實現查詢結果的可視化[63]。GlobalFungi數據庫于2021年5月1日發布了最新版本3(Release 3),包括超過十一億的真菌內轉錄間隔區(ITS)序列和兩億多個ITS序列變體,這些序列來自于367個研究的三萬多個具有地理信息和元數據的樣品。GlobalFungi數據庫既可以被用于全球真菌的生態與地理研究,也可以作為特定真菌類群的輔助研究工具[64—65]。該數據庫還允許作者提交尚未涵蓋的研究數據,并以這種方式為真菌系統學、生物地理學和生態學提供資源。

3.2.2陸地宏基因組數據庫(TerrestrialMetagenomeDB)

TerrestrialMetagenomeDB數據庫(https://webapp.ufz.de/tmdb/)建立于2020年,是第一個專門的陸地宏基因組數據庫,不僅包含全球范圍各種生物群落和材料的宏基因組測序數據,還包含生物樣品的元數據和測序技術的元數據[66]。TerrestrialMetagenomeDB數據庫目前已更新到2.0版本,包括來自SRA(Sequence Read Archive)和MG-RAST(Metagenome Rapid Annotation using Subsystem Technology)的兩萬多個陸地宏基因組,并對它們的數據集進行了內容補充和格式統一。該數據庫的特點是具有用戶友好型界面,既可以使用關鍵詞搜索,也可以直接從地圖上按照地點快速選取感興趣的宏基因信息,用于后續新舊數據的融合分析或薈萃分析。

3.2.3原核生物信息數據庫及生境預測平臺(ProkAtlas)

雖然原核生物在全球各種生境中廣泛分布,但它們有各自的環境偏好,從而形成全球微生物的多樣性格局。在這個背景下,2020年出現了一款名為ProkAtlas(https://msk33.github.io/prokatlas.html)的原核生物信息數據庫,可以通過網頁交互作業對給定原核生物群落的生境進行預測[67]。為了避免擴增子測序引物引起的偏差,ProkAtlas數據庫使用的是從五千多個宏基因組項目中提取的三十多萬個16S rRNA基因序列,其主要來源為根際、土壤和海洋等環境樣品。利用這些宏基因組項目的元數據,可以將基因與生境進行關聯,從而對“微生物群落適應的環境類型”、“微生物的生境廣譜性”以及“該微生物祖先或后代的居住生境范圍”等問題進行解答。

3.2.4微生物組學分析和可視化平臺(Anvi′o)

Anvi′o(Analysis and visualisation platform for ‘omics data)是一個開源的、先進的微生物組學分析和可視化平臺,主要用于泛基因組分析,也適用于宏基因組學、宏轉錄組學和系統基因組學及其綜合分析。該平臺包含一百多個可單獨執行任務的程序,具有靈活性、交互性和模塊化的特點,滿足用戶構建分析工作流程的需求[68]。在基因組和泛基因組分析流程中,Anvi′o可以識別并區分密切相關的微生物基因組中的核心基因和附屬基因；而在宏基因組分析流程中,Anvi′o可以獲得微生物的群落組成并完成可視化[69—70]。除了‘以上完整的工作流程,Anvi′o的各個模塊還可以被單獨使用：如進行宏基因組分箱、基因組精煉、基因組完整性考察等。得益于30多位開發者的貢獻,Anvi′o平臺目前擁有超過八萬行Python和JavaScript代碼,用于滿足微生物學家復雜的需求。

3.2.5微生物組學數據平臺(MicrobiomeAnalyst)

MicrobiomeAnalyst(https://www.microbiomeanalyst.ca/)是一個微生物組學數據的分析網站,目前具有標記基因數據分析、鳥槍數據分析、公共數據投影和分類集群富集分析四個模塊,即使不具備專業編程技能的人員也可以利用該平臺對微生物組學數據進行預處理、統計分析、功能分析、薈萃分析和可視化[71]。目前,MicrobiomeAnalyst平臺已被廣泛運用于自然環境(如土壤、沉積物、海洋)微生物和腸道微生物的研究中[72—75]。

3.2.6在線微生物分析平臺(Qiita)

Qiita(https://qiita.ucsd.edu/)是一款開源、簡便、快速的在線微生物分析平臺,既包括QIIME等測序數據的分析流程,也具有面向全球的公開數據庫,可以幫助用戶對多個具有多組學數據的研究進行跟蹤,適合初學者使用[76]。Qiita不僅擁有超過十萬個擴增子數據集和超過五百個配對的宏基因組和代謝組學數據集,還具有標準化的技術、數據和分析工具,提供了一個大規模數據整合研究的框架,減輕了微生物生態研究者的技術負擔[77]。Qiita平臺允許使用最新的分析技術快速重新分析已存儲的數據集,即使是非生物信息學家也能夠使用標準化流程輕松地進行數據分析和薈萃分析。除了土壤微生物生物地理學研究[78],Qiita在環境污染、人類疾病與健康、分子生物學方法探索中也起到重要作用[79—81]。

3.2.7宏基因組全球目錄平臺(gcMeta)

宏基因組全球目錄(Global Catalogue of Metagenomics, gcMeta)平臺是中國科學院微生物組學研究計劃(CAS-CMI)的一部分,也是世界微生物數據中心(WDCM)的合作數據庫[82]。gcMeta(https://gcmeta.wdcm.org/)平臺具有自己的數據庫,包括四萬多個宏基因組數據、九萬多個擴增子數據、一千多個宏轉錄組數據和三千多個基因組數據,涵蓋人類腸道、宿主微生物、土壤等諸多研究領域；除此之外,gcMeta也提供網頁版的數據分析工具(如組裝、注釋、可視化等)和工作流程(如基因組注釋、宏基因組分類等)。未來,gcMeta平臺有望對與人類疾病與健康有關的微生物的研究起到重要貢獻[83—84]。

4 展望

4.1 微生物分類分辨率的統一與優化

在大多數微生物測序數據的分析中,微生物類群的劃分依賴于一個或多個基因組區段的核苷酸序列的相似性(即聚類法),這種人為設置相似度閾值的聚類方法會使微生物類群因分類分辨率的高低而變化,這種靈活性使得解釋生物地理格局的過程更加復雜[3]。針對這類問題,有研究者在土壤微生物生物地理研究中選擇使用擴增子序列變體(Amplicon Sequence Variants, ASVs)——而不是使用傳統的聚類結果(Operational Taxonomic Units, OTUs)——對微生物進行分類[15,46]。ASVs是基于測序區段序列差異的分類結果,可以作為一種穩定的分類標識符,與OTUs相比具有可重復使用的優勢,即使在未來也可以與16S rRNA基因或基因組數據庫進行比較[46,85]。因此,未來建議使用ASVs代替傳統的OTUs聚類方式來對微生物進行分類,或是針對研究目的對微生物聚類分類系統的分辨率進行統一與優化,一方面有利于來源于不同數據庫信息的整合,另一方面可以避免由于分類分辨率過低而低估了微生物的地理分布特點。

4.2 利用微生物生物地理學來驗證或構建生態模型

隨著大型國際微生物計劃的不斷推進,全球土壤微生物數據量呈爆炸式增長,各種新興數據庫和數據分析平臺的推廣有助于各類微生物系統模型的構建,這些模型將對驗證生態學猜想和預測土壤生態變化起到重要作用。

與大型生物相比,以微生物作為觀察對象的優點之一是其可以被用于進行可控且可重復的試驗。首先,微生物培養試驗和生理生化試驗為直接檢驗某些生態學猜想(特別是那些野外無法檢驗的大型生物的猜想)提供了可能性,從而幫助人們更深入地理解生物多樣性的形成過程[49,86]。其次,通過微生物生物地理研究和試驗驗證而構建的微生物系統模型可以成為研究生態學的有用工具[59]。至今,全球尺度下的土壤微生物研究不僅包括繪制各類土壤微生物的全球分布圖譜[60,87],還包括微生物組內的營養結構調查[88],這些研究將對全球環境變化導致的土壤生態變化的預測起到重要作用[89]。在未來有關土壤微生物模型構建的研究中,一方面可以結合來自EMP、GSBI等計劃發布的測序數據,綜合考慮各種環境背景；另一方面還需關注土壤、氣候以及其他生物與微生物之間的相互關系,構建更精確的土壤微生物預測模型。需要注意的是,數據量增大的同時構建模型的噪聲也會增加,結果可能導致模型準確性不增反減[90]。對于目前指數增長且來源多樣的各類環境微生物測序數據,需要選擇合適的去噪手段(如平滑處理、分類處理等)對它們進行前處理后再增大模型輸入的數據量,這樣不僅可以提高模型的準確性,未來在其他研究中還可以重復利用這些測序數據[91—92]。

4.3 發展基于基因功能的微生物生物地理學

在至今絕大多數的土壤微生物生物地理學研究中,分子生物學技術多被用于揭示復雜環境中微生物的系統發育多樣性,而忽略了其功能多樣性。實際上,真正驅動相關生態過程的是這些微生物所表現出來的功能。因此,了解自然環境中微生物功能特性的梯度(即基因地理學)將有助于從功能機理上理解微生物群落和自然地理之間的關系[93—94]。

實際上,Weiher和Keddy早在1995年就提出了基于特征的群落構建的模型,強調了物種具有的特征(而不是物種在分類學上的差異)對于群落構建的重要性[95]。這種基于功能特征的微生物生物地理學方法的潛力逐漸受到重視,因為研究功能特性與環境梯度的關系將有助于從機理上理解微生物群落和自然環境之間的關系[2,96]。隨著分子生物學技術的不斷發展,功能基因定量PCR技術和微陣列基因芯片技術被用于識別土壤中的功能基因,從而探索功能基因與環境梯度之間的聯系[97—98]。然而,這類技術受限于已有的基因序列的知識,但自然環境中大量微生物基因的功能是未知的。宏組學(包括宏基因組、宏轉錄組)測序技術是實現該目標的有利工具,因為這類技術可以獲得環境微生物全基因組的序列,從而實現對微生物群落的分類組成和功能特征的描述[55]。現如今,為了探索環境微生物組的功能多樣性,越來越多研究者選擇將宏基因組測序的手段應用于微生物生物地理研究中[99—100]。與擴增子測序相比,宏基因組測序不僅可以獲得更多基因的功能信息,還能提高稀有類群的識別率[101]。需要注意的是,功能基因發生作用的前提是它們的表達,這需要結合宏轉錄組測序等加以研究。由此可見,結合應用各類宏組學測序方法(如Qiita平臺),進行大尺度的、系統性的基因地理學分析,將是未來土壤微生物生物地理學研究的一大發展方向(圖3)。更重要的是,土壤微生物生物地理學在未來還有望形成一個“基因地理學”的分支,基因地理學研究將結合宏觀生態學研究方法與分子生物學手段,不僅有助于更好地理解微生物分布格局下的機制,在將來還有望對地球系統模型的構建做出重要貢獻。