实验设计

结果

1 检测群落转变的阈值群落WET试验确定了引起河流细菌群落明显变化的污水浓度，揭示了与废水污染相关的营养变化的潜在阈值（图1b，表S7）。具体来说，细菌群落在nMDS轴1上从高（即50%和90%）到中等（即10%）和低（即0%对照、0.1%和1%）污水浓度的梯度上有所不同（图1b）。营养物浓度（即TN、TKN、NH3、NOx、TP）和BOD在很大程度上与污水浓度呈协变关系（图1c，表S5和6），并与细菌群落的变化显示出强烈的正相关关系（图1d）。细菌群落结构的最大变化发生在中等（>10%）的污水浓度以上，表明有可能从中营养状态过渡到富营养状态。此外，细菌群落沿着污水浓度的梯度变化与参与硝酸盐还原的基因（napA/narG）呈正相关（图1e）。相反，与反硝化作用（nirS）和硫酸盐还原作用（dsrA和phsA）相关的基因与nMDS轴2呈正相关，表明与不同的污水类型有关，而不是污水浓度。现实世界的污水排放也发生了类似的细菌群落变化（图2a）。在群落水平WET测试中，观察到现场采样的群落结构在代表~1%（WWTP 3）、~10%（WWTP 1）、~50%（WWTP 4）和~90%（WWTP 2）污水浓度的污水类型中明显分离（图2b）。具体来说，TN、NOx和TKN在不同的采样点之间具有高度的异质性，在两个采样时间内显示出从高（即WWTP 2）到中等（即WWTP 1和4）和低（即WWTP 3）污水浓度的一致梯度。尽管TN和TKN有一些局部的变化，但与上游背景值相比，排污口下游的营养物浓度（特别是氮氧化物）普遍增加（图2b）。

图1. 群落WET测试-(a)整个研究河口的污水处理厂位置；(b)细菌群落的nMDS排序；(c)环境变量，(d)营养物质，和(e)基因驱动群落转变。

图2. 微生物实地调查-(a)细菌群落的nMDS排序；(b)污水处理厂排放污水中主要营养物质的平均浓度；(c)在(a)中推动群落转变的环境变量。2 营养转变的指标在群落WET测试中观察到群落优势的变化与污水浓度有关（图3）。在所有样品中，Burkholderiales（Betaproteobacteria）是最丰富的细菌目，约占序列的20%以上，而Frankiales（Actinobacteria）在丰富的细菌目中占前10%，约占序列的3%。一般而言，Burkholderiales的丰度随着污水浓度的增加而增加，而Frankiales则相反。这些差异可以用两个潜在的关键类群来解释：Malikia spp.（占7.5%；36%的OTUs属于Burkholderiales）和hgcI_clade（占2.7%；98%的OTUs属于Frankiales）。Malikia spp.受中等污水浓度（1-10%）刺激，生长稳定在较高浓度（10-90%），表明其与中营养和富营养化条件的潜在亲和力（图4，图S5a）。相比之下，hgcI_clade丰度在贫营养条件下（低污水浓度）稳定，在污水浓度高于1%时被抑制。网络分析确定了Malikia spp.和hgcI_clade、功能基因丰度和群落WET测试中环境条件之间的统计联系（图5a、b）。Malikia spp.与BOD、narG基因（硝酸盐减少）以及营养浓度（包括TN和NOx）呈强正相关，与TKN和TN:TP呈弱正相关。相比之下，hgcI_clade与营养浓度（包括TN、TKN和NOx）、TN:TP、narG和napA基因（硝酸盐减少）呈强负相关，并与phoD基因（产生生物可利用磷）、nirS基因（反硝化）和dsrA基因（硫酸盐还原）呈弱正相关。此外，Malikia spp.和hgcI_clade与Burkholderiales、Rhodobacterales、Pseudomonadales和Sphingobacteriales的其他不太丰富的属有密切的联系，这为微生物组内的潜在相互作用提供了一些额外的见解。

特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“明珠号”用户上传并发布，本平台仅提供信息存储服务。