PHẦN 1 Tiết lộ tác động của môi trường đối với Cistanche Salsa: Từ khu vực hóa sinh thái toàn cầu đến đặc điểm cộng đồng vi sinh vật trong đất

TRỪU TƯỢNG:Để hiểu mối quan hệ quy định giữa môi trường vàCistanche salsa, ở đây chúng tôi đã tích hợp các phương pháp kích thước vĩ mô và vi mô. Từ góc độ vĩ mô, mô hình MaxEnt chỉ ra rằng các quốc gia dọc theo Sáng kiến ​​Vành đai và Con đường, chẳng hạn như Trung Quốc, Ai Cập và Libya, đặc biệt thích hợp cho sự phát triển củaC. salsatừ thời cổ đại (Cực đại băng hà cuối cùng và giữa Holocen) đến tương lai (2 0 50 và 2070). Thử nghiệm Jackknife cho thấy lượng mưa là một yếu tố sinh thái quan trọng ảnh hưởng đến sự phân bố của C. salsa. Từ góc độ vĩ mô, dữ liệu giải trình tự amplicon 16S rRNA cho thấy rằng các cộng đồng vi sinh vật đất của ba kiểu sinh thái (sa mạc-thảo nguyên, đồng cỏ và sa mạc sỏi) là đáng kể (p <0,001). phân="" tích="" hệ="" vi="" sinh="" vật="" cốt="" lõi="" đã="" chứng="" minh="" rằng="" các="" chi="" vi="" khuẩn="" arthrobacter,="" sphingomonas="" và="" bacillus="" được="" làm="" giàu="" đơn="" vị="" phân="" loại="" lõi="">C. salsa. LEfSe và rừng ngẫu nhiên được sử dụng để khai quật Gillisia (sa mạc-thảo nguyên), Flavisolibacter (đồng cỏ) và Variibacter(sỏi-sa mạc) làm dấu ấn sinh học có thể phân biệt giữa các cộng đồng vi sinh vật từ ba kiểu sinh thái. Kết quả dự đoán cho thấy rằng chức năng trao đổi chất của cộng đồng vi sinh vật được phong phú hóa trong các con đường trao đổi chất và xử lý thông tin môi trường. Các phân tích tương quan cho thấy độ cao, lượng mưa của phần ấm nhất (bio18), phạm vi ngày trung bình (bio2) và nhiệt độ trung bình của phần ấm nhất (bio10) là các yếu tố sinh thái quan trọng hình thành nên thành phần của các cộng đồng vi sinh vật trong đất. Công việc này đã cung cấp những hiểu biết mới về mối quan hệ quy định giữa việc phân phối phù hợpC. salsa, các cộng đồng vi sinh vật trong đất, và các động lực sinh thái. Hơn nữa, nó làm sâu sắc thêm sự hiểu biết về sự tương tác giữa thực vật sa mạc và các nhân tố sinh thái trong môi trường khô cằn.

TỪ KHÓA:Cistanche salsa, MaxEnt, giải trình tự amplicon 16S rRNA, cộng đồng vi sinh vật đất, tác động môi trường.

Cistanche Desticola có nhiều tác dụng, click vào đây để biết thêm

Vui lòng liên lạc để biết thêm thông tin:Joanna.jia@wecistanche.com

1. GIỚI THIỆU

Giá trị kinh tế của cây thuốc đã tăng lên nhanh chóng trong những năm gần đây với sự phát triển và tận dụng các loại cây tự nhiên trên toàn thế giới. Nguồn gốc củaCistanche salsalà một cơ quan thực vật có thể ăn được và làm thuốc thường được sử dụng làm thuốc bổ thận, kích thích tình dục, điều trị chống ung thư và chống oxy hóa, nhuận tràng đường ruột, điều trị bảo vệ gan và điều trị chống bức xạ. Các nghiên cứu hóa thực vật hiện đại trên C. salsa đã dẫn đến việc xác định và phân lập một lượng đáng kể các hợp chất hoạt tính sinh học, chẳng hạn như các glycoside phenylethanoid khác nhau, iridoids, alditols và lignin, có giá trị y tế và ăn được.1 Với sự phát triển nhanh chóng của thị trường đối với thuốc và thực phẩm lành mạnh, nhu cầu vềC. salsađã tăng mạnh và đi kèm với việc khai thác quá mức và cướp bóc các nguồn tài nguyên hoang dã. Do đó, việc giới thiệu nghệ thuật quy mô lớn và trồng trọtC. salsađã trở thành một biện pháp quan trọng để bảo vệ tài nguyên hoang dã và làm chậm quá trình sa mạc hóa sinh thái. Tuy nhiên, nghiên cứu về việc nuôi dưỡng nghệ thuật củaC. salsavẫn còn hạn chế.

Môi trường có tác động lớn đến sự sinh trưởng và phát triển của C. salsa.2 Thực vật phát triển trong các môi trường khác nhau, hình thành các kiểu sinh thái khác nhau biểu hiện những thay đổi đáng kể về các thành phần không hoạt động và biểu hiện gen.3,4 Ở cấp độ vĩ mô, nghiên cứu đã phát hiện ra rằng nhiệt độ, ánh sáng, lượng mưa và các loại đất đều có ảnh hưởng đến sự phát triển của thực vật và các thành phần hoạt tính của nó. -chất lượng giống.7 Từ góc độ vĩ mô, thực vật có thể có tác động đáng kể đến các sinh vật đất ngay cả khi chúng có ít hoặc không tiếp xúc trực tiếp với hệ thống đất thông qua rễ của chúng.8,9 Tuy nhiên, nghiên cứu hiện tại về mối quan hệ giữa thực vật và môi trường, bao gồm các yếu tố khí hậu và cộng đồng vi sinh vật trong đất, vẫn chưa rõ ràng.

Mô hình phân bố loài (SDM) là một mô hình thống kê được thiết lập bằng cách sử dụng dữ liệu phân bố loài hiện có và các biến số môi trường để suy ra nhu cầu sinh thái của các loài và dự đoán các khu vực phân bố tiềm năng của chúng, 10,11 khám phá các khu vực sinh trưởng phù hợp bằng cách kết hợp các yếu tố khí hậu và đất, xác định môi trường thích hợp cho cây thuốc, bảo vệ và phát triển một cách khoa học các loài thực vật có nguy cơ tuyệt chủng.12,13 SDMs, chẳng hạn như MaxEnt và biomod2, đã phản ứng thành công các dự đoán về xu hướng phân bố đối với các loài thực vật sinh thái và nguy cấp trong biến đổi khí hậu.14,15

Trình tự amplicon 16S rRNA của các mẫu đất ở tầng sinh quyển thực vật đã được thực hiện để khám phá sự đa dạng của các cộng đồng vi sinh vật, cung cấp những hiểu biết mới về mối quan hệ giữa thực vật và cộng đồng vi sinh vật trong đất.16,17

Trong nghiên cứu này, chúng tôi đã khám phá mối quan hệ giữa môi trường vàC. salsatừ các chiều vĩ mô và vi mô. Chúng tôi đã thực hiện như sau. (1) Chúng tôi đã sử dụng mô hình MaxEnt để dự đoán các khu vực tăng trưởng phù hợp toàn cầu củaC. salsatừ thời cổ đại đến tương lai (các giai đoạn: Cực đại băng hà cuối [LGM], giữa Holocen [MH], hiện tại, 2050 và 2070) và tính toán các khu vực phù hợp ở các mức độ khác nhau, tỷ lệ đóng góp và phạm vi của các biến biểu tượng sinh học phân phốiC. salsa.(2) Kết hợp với điều tra thực địa, chúng tôi đã thu thập ba mẫu đất sinh thái (sa mạc-thảo nguyên, đồng cỏ và sỏi-sa mạc) từ khu vực trồng trọt tốt nhất (Tacheng và Tân Cương) của

C. salsa. Chúng tôi thực hiện giải trình tự amplicon 16S rRNA để khám phá các đặc điểm của các cộng đồng vi sinh vật trong đất. Chúng tôi cũng so sánh sự khác biệt trong quần xã vi sinh vật đất trong ba kiểu sinh thái và xác định các vi sinh vật cốt lõi và dấu ấn sinh học có thể phân biệt giữa ba kiểu sinh thái. (3) Chúng tôi đã tiến hành phân tích tương quan và phân tích dư thừa trên cơ sở sự phong phú của các vi sinh vật cốt lõi, các dấu ấn sinh học và các biến số sinh học để khám phá mối quan hệ quy định giữaC. salsavà môi trường.

Cistanchecó nhiều tác dụng trong việc chống mệt mỏi

2. VẬT LIỆU VÀ PHƯƠNG PHÁP

2.1. Mô hình Niche Sinh thái.

Trong nghiên cứu này, các nguồn tài nguyên đã được sử dụng để tìm kiếm các trang web hiện tại củaC. salsatrên toàn thế giới: (1) GBIF; (3) Cơ sở hạ tầng thông tin mẫu vật quốc gia (4) tài liệu đã xuất bản; và (5) công việc thực địa. Dữ liệu mẫu không có vĩ độ và kinh độ được dựa trên truy vấn kinh độ và vĩ độ trên bản đồ trực tuyến Phương pháp phân tích bu er được sử dụng để hiệu đính và thu thập các điểm phân bố nhằm loại bỏ phần lớn mô phỏng quá mức gây ra bởi tương quan không gian lớn. Độ phân giải không gian của các biến bioclimatic là 2,5 cung-min (khoảng 4,5 km2) và khoảng cách bu-er được đặt thành 3 km. Chỉ có một điểm phân phối được giữ lại khi khoảng cách giữa các điểm phân phối dưới 3 km. Sau khi loại bỏ các điểm trùng lặp, 76 lần xuất hiện, tất cả đều từ khu vực sản xuất chính hãng của C. salsa, được thu thập và sử dụng để phân tích (Hình 1a, Tệp bổ sung 1).

Chúng tôi đã sử dụng 19 biến bioclimatic của WorldClim làm công cụ dự báo môi trường. Dữ liệu các biến bioclimatic hiện tại của nghiên cứu này được thu thập từ dữ liệu giám sát của cơ sở dữ liệu WorldClim phiên bản 1.418 trong thời gian 1960-1990 với độ phân giải 2,5 cung-phút. Các biến bioclimatic cổ đại (LGM và MH) và tương lai (tương lai 2050 và tương lai 2070) có sẵn trong WorldClim phiên bản 1.4 ở độ phân giải 2,5 vòng cung-phút được sử dụng làm yếu tố dự báo cho các mô hình phân bố loài. Để tránh đa cộng tuyến, chúng tôi đã chạy phân tích tương quan trên các điểm nền và loại bỏ một trong các biến trong mỗi cặp bằng Pearson

giá trị tương quan> 0. 819 (Hình S1). Tám biến bioclimatic cuối cùng được đưa vào các mô hình là phạm vi ngày trung bình (bio2), nhiệt độ trung bình của phần ẩm ướt nhất (bio8), nhiệt độ trung bình của phần khô nhất (bio9), nhiệt độ trung bình của phần ấm nhất (bio10) , lượng mưa hàng năm (bio12), lượng mưa của quý khô nhất (bio17), lượng mưa của quý ấm nhất (bio18) và lượng mưa của quý lạnh nhất (bio19).

Chúng tôi đã sử dụng mô hình entropy tối đa của gói phần mềm mã nguồn mở (MaxEnt v.3.4. 0), 20 có thể được tải xuống để xây dựng mô hình phân phối loài choC. salsa. Các thông số sau được sử dụng trong cài đặt cơ bản: hạt giống ngẫu nhiên và tỷ lệ phần trăm thử nghiệm ngẫu nhiên của 25 và 10 lần lặp lại. Bằng cách đặt tỷ lệ phần trăm kiểm tra ngẫu nhiên thành 25 phần trăm, chúng tôi đã chọn ngẫu nhiên 75 phần trăm điểm phân phối cho tập huấn luyện. Bằng cách đặt số lần lặp lại thành 10, chúng tôi đã chạy mô hình 10 lần với các cài đặt giống nhau và lấy trung bình đầu ra của tất cả các lần chạy để thu được kết quả cuối cùng. Diện tích dưới đường cong toán tử nhận (AUC) được sử dụng để đánh giá mức độ tốt của mô hình và mô hình có giá trị AUC cao nhất được coi là mô hình hoạt động tốt nhất. Thủ tục jackknife được sử dụng để đánh giá tầm quan trọng của các biến. Các đường cong đáp ứng được sử dụng để thu được phạm vi của các biến bioclimatic.

ArcGIS được sử dụng để phân tích các biến bioclimatic ảnh hưởng đến sự phân bố của C. salsa và để phân loại và tính toán diện tích thích hợp cho sản xuất.

2.2. Thu thập và mô tả mẫu đất. C. salsa

được phân bố tự nhiên trong ba kiểu sinh thái là sa mạc sỏi, đồng cỏ và sa mạc-thảo nguyên. Vào tháng 4 năm 2017, chúng tôi đã thu thập các mẫu đất và thân cây đại diện cho các kiểu sinh thái chính của C. salsa ở Tacheng, Tân Cương, Trung Quốc (Hình 1b, Bảng 1). Các mẫu sa mạc sỏi được thu thập từ Hejiaoke, Quận Toli (HJ1, HJ2 và HJ3). Các mẫu đồng cỏ được thu thập từ Hạt Yumin (YM1, YM2, YM3 và YM4). Các mẫu thảo nguyên trên sa mạc được thu thập từ Jiang Alhan (JA1, JA2, JA3, JA4, JA5 và JA6). Các mẫu đất mà chúng tôi thu thập đều là từ đất trên bề mặt của C. salsa và vị trí ký sinh trên vật chủ của nó. Mẫu phiếu có

số chứng từ từ 20170510079- DT đến 20170510091- DT đã được gửi vào phòng thảo mộc của Viện Phát triển Cây thuốc tại Học viện Khoa học Y tế Trung Quốc ở Bắc Kinh, Trung Quốc. Sau khi được làm sạch, các mô thân mọng nước được cắt thành từng miếng nhỏ, ngay lập tức được làm đông lạnh trong nitơ lỏng, và sau đó được bảo quản ở nhiệt độ −80 độ cho đến khi chế biến tiếp. Các lõi đất được lấy ở độ sâu 20 cm bằng cách sử dụng

một máy khoan hình trụ bằng thép không gỉ có đường kính 5 cm và sau đó được bảo quản ở -20 độ trong tủ lạnh di động. Sau khi được vận chuyển đến phòng thí nghiệm, các mẫu đất được đưa qua sàng 2 mm để loại bỏ các mô thực vật, rễ, đá và các mảnh vụn khác và sau đó được bảo quản ở nhiệt độ −20 trong tủ lạnh trước khi thực hiện các thí nghiệm tiếp theo.

2.3. Tách chiết DNA và giải trình tự rRNA 16S.

DNA đất được chiết xuất bằng Bộ công cụ phân lập DNA PowerSoil (Phòng thí nghiệm MoBio, Carlsbad, CA) theo hướng dẫn sử dụng. Độ tinh khiết và chất lượng của DNA bộ gen được kiểm tra trên 0. Gel agarose 8 phần trăm. Vùng siêu biến V 3-4 của gen 16S rRNA của vi khuẩn được khuếch đại với cặp mồi 338F (ACTCCTACGGGAGGCAGCAG) và 806R (GGACTACHVGGGTWTCTAAT) .21 Đối với mỗi mẫu đất, trình tự mã vạch 10- chữ số được thêm vào 5 ′ Cuối của mồi thuận và nghịch (Allwegene Co., Bắc Kinh). PCR được thực hiện trên Mastercycler Gradient (Eppendorf, Đức) sử dụng thể tích phản ứng 25 μL chứa 12,5 μL KAPA 2G Robust HotStart ReadyMix, 1 μL mồi chuyển tiếp (5 μM), 1 μL mồi ngược (5 μM), 5 μL DNA (tổng số lượng mẫu là 30 ng) và 5,5 μL H2O. Các thông số chu kỳ như sau: 95 độ trong 5 phút, tiếp theo là 28 chu kỳ 95 độ trong 45 giây, 55 độ trong 50 giây và 72 độ trong 45 giây, với độ giãn cuối cùng ở 72 độ trong 10 phút. Ba sản phẩm PCR trên mỗi mẫu được gộp lại để giảm thiểu sai lệch PCR ở mức phản ứng. Các sản phẩm PCR được hoàn thiện bằng cách sử dụng Bộ chiết xuất gel QIAquick (QIAGEN, Đức) và sau đó được định lượng bằng cách sử dụng PCR thời gian thực. Trình tự sâu được thực hiện trên nền tảng MiSeq bởi Allwegene Co. (Bắc Kinh). Sau khi chạy, phân tích hình ảnh, gọi cơ sở và ước tính lỗi được thực hiện bằng cách sử dụng Đường ống phân tích Illumina Phiên bản 2.6.

2.4. Phân tích dữ liệu giải trình tự 16S rRNA Amplicon.

Tất cả dữ liệu trình tự đã được gửi tới Kho lưu trữ ngắn NCBI (SRA) theo bản gửi SRA SUB7456 0 02. Dữ liệu thô lần đầu tiên được sàng lọc và các trình tự đã được loại bỏ dựa trên các cân nhắc sau: các trình tự ngắn hơn 200 bp có điểm chất lượng thấp (Nhỏ hơn hoặc bằng 20) và chứa các cơ sở không rõ ràng hoặc không khớp với trình tự mồi và thẻ mã vạch. Các lần đọc đủ tiêu chuẩn được phân tách bằng cách sử dụng trình tự mã vạch cụ thể của mẫu và được cắt bằng Đường ống phân tích Illumina Phiên bản 2.6. Sau đó, các tập dữ liệu được phân tích bằng QIIME. Các trình tự được nhóm lại thành các đơn vị phân loại hoạt động (OTU) với mức độ giống nhau là 97 phần trăm 22 để tạo ra các đường cong độ hiếm và tính toán các chỉ số độ phong phú và đa dạng. Công cụ Classi của Dự án Cơ sở dữ liệu Ribosomal được sử dụng để phân loại tất cả các trình tự thành các nhóm phân loại khác nhau, trong đó ngưỡng kết quả được đặt thành 0,7.23 Các phân tích phân cụm được thực hiện trên cơ sở thông tin OTU từ mỗi mẫu bằng cách sử dụng R 3.6.1 để kiểm tra sự tương tự giữa các mẫu khác nhau.24 Ma trận khoảng cách UniFrac giữa các cộng đồng vi sinh vật từ mỗi mẫu được tính toán bằng cách sử dụng hệ số Tayc và được biểu diễn dưới dạng phương pháp nhóm cặp không trọng số với cây phân nhóm trung bình số học, mô tả sự không giống nhau (1- sự giống nhau) giữa các nhiều mẫu.25 Một cây định dạng Newick cũng được tạo ra thông qua phân tích này. Đa dạng alpha được áp dụng để phân tích mức độ phức tạp của đa dạng loài cho một mẫu bằng cách sử dụng bốn chỉ số, cụ thể là Chao1, các loài được quan sát và Shannon và Fisher

chỉ số đa dạng. Các chỉ số này được tính toán bằng phần mềm QIIME (Boulder, CO, USA) bằng Python (v.1.8. 0) (La Jolla, CA, USA) .26 Phân tích đa dạng beta được sử dụng để đánh giá sự khác nhau trong các mẫu sự phức tạp của loài. Đa dạng beta được tính toán bằng cách sử dụng phân tích tọa độ chính (PCoA) và phân tích cụm trong QIIME.27 Phân tích phương sai phân tử (AMOVA) được thực hiện bằng cách sử dụng mẹ.28 Kiểm tra Kruskal-Wallis được sử dụng để tính toán chênh lệch OTU giữa các nhóm (giá trị p<0.05), and="" heat="" maps="" were="" drawn="" using="" pheatmap="" (r="" package).="" core="" microbiome="" analysis="" was="" adopted="" from="" the="" core="" function="" in="" the="" r="" package="" microbiome="" (sample="" prevalence="20%," relative="" abundance="0.01%)" by="" microbiomeanalyst29="" (https://www.="">

Các phương pháp phân tích phân biệt tuyến tính (LDA) và rừng ngẫu nhiên (RF) trong trang web MicrobiomeAnalyst đã được sử dụng để xác định các dấu ấn sinh học vi sinh vật. Lần đầu tiên thực hiện kiểm tra tổng hạng Kruskal-Wallis giai thừa không tham số để xác định các đối tượng địa lý có mức độ phong phú đáng kể có xét đến yếu tố thực nghiệm hoặc loại quan tâm. Tiếp theo, LDA (ngưỡng được đặt thành 2) được thực hiện để tính toán kích thước tối đa của mỗi đối tượng địa lý phong phú theo cấp số nhân. Các tính năng được coi là không thể quan trọng trên cơ sở giá trị p đã điều chỉnh của chúng. Giá trị p-value cuto ff được điều chỉnh mặc định là 0. 05. Phân tích RF được thực hiện bằng gói randomForest5. Phương pháp này sử dụng một tập hợp các cây phân loại, mỗi cây được trồng thông qua lựa chọn tính năng ngẫu nhiên từ một mẫu bootstrap tại mỗi nhánh.

Tax4Fun (gói R, http://tax4fun.gobics.de/) được sử dụng để dự đoán tác động tiêu cực về chức năng vi sinh vật của các vi sinh vật trong các mẫu đất. Bảng OTU Biom của hệ vi sinh vật trong đất đã được sử dụng làm đầu vào cho việc đưa vào hệ số đo của các mẫu đất C. salsa. Sau đó, mức độ phong phú của lớp gen dự đoán được phân tích ở nhóm KEGG Orthology (KO) cấp độ 3. Kết quả từ Tax4Fun được phân tích trong Doby (gói R).

2.5 Phân tích mối tương quan của các cộng đồng vi sinh vật chính và các yếu tố sinh học.

Chúng tôi đã sử dụng ArcGIS để trích xuất số lượng các yếu tố sinh học chính từ 13 điểm lấy mẫu đất. Phân tích dự phòng các chi chính của cộng đồng vi sinh vật (chỉ dấu sinh học, vi sinh vật lõi) và các yếu tố sinh học được thực hiện bằng cách sử dụng

Phần mềm Canoco 5. Việc chuyển đổi dữ liệu log2 được thực hiện thống nhất trước khi phân tích. Hệ số tương quan Spearman được tính toán cho sự phong phú của các dấu ấn sinh học, các vi sinh vật lõi và tích hợp dữ liệu yếu tố sinh học bằng cách áp dụng SPSS. Kết quả phân tích tương quan được vẽ bằng pheatmap (gói R).

Cistanchecó thể chống lão hóa

3. KẾT QUẢ

Dự đoán về sự dịch chuyển phân bố toàn cầu của C. salsa trong các thời kỳ khác nhau. ROC được tính toán cho thấy

rằng giá trị AUC là {{0}}. 977 (Hình S2), cho thấy rằng mô hình phù hợp tốt với dữ liệu. 30 Kết quả mô phỏng tính phù hợp với môi trường sống trong các khoảng thời gian (LGM, MH, hiện tại, 2050 và 2070 ) được minh họa trong Hình 2 và Bảng 2. Sự phù hợp phát triển của C. salsa được chia thành các loại trên cơ sở ngưỡng thống kê: không phù hợp (loại 5: 0−20 phần trăm), cận biên (loại 4: 20−50 phần trăm), khá (hạng 3: 50−75 phần trăm), tốt (hạng 2: 75−

90 phần trăm), và xuất sắc (hạng 1: 90−100 phần trăm). Bài báo này chỉ thảo luận về các khu vực phân bố thích hợp cho lớp 1, lớp 2 và lớp 3. Sự phân bố tiềm năng hiện tại của C. salsa cho thấy loài này phân bố rộng rãi trên ba vùng khí hậu: khí hậu sa mạc ôn đới, khí hậu cận nhiệt đới Địa Trung Hải và sa mạc nhiệt đới các vùng khí hậu. Tất cả các lục địa, ngoại trừ Nam Cực, đều có các khu vực thích hợp cho C. salsa. Các khu vực này chủ yếu phân bố ở trung và tây Á, bắc Phi và rải rác ở trung và tây Bắc Mỹ, trung Nam Mỹ và tây Châu Đại Dương. Các khu vực thích hợp tuyệt vời (loại 1) được phân bố rộng rãi nhất ở Ai Cập (76 750 km2), trong khi các khu vực thích hợp tốt (loại 2) và khá (loại 3) được phân bố rộng rãi nhất ở Trung Quốc (loại 2: {{ 13}} km2 và lớp 3: 1 024 600 km2). Các khu vực phù hợp sinh thái ở Châu Á chủ yếu chỉ giới hạn ở Trung Quốc (loại 1: 45 775 km2), Jordan (loại 1: 16 075 km2), Israel (loại 1: 14 975 km2), Ả Rập Xê Út Ả Rập (lớp 1: 14 925 km2) và Iran (lớp 1: 12 600 km2). Các khu vực thích hợp của C. salsa ở Châu Phi chủ yếu phân bố ở Ai Cập, Libya (lớp 1: 34 400 km2) và Tunisia (lớp 1: 275 km2). Các khu vực thích hợp cho C. salsa ở Nam Mỹ chủ yếu phân bố ở Chile (lớp 1: 16 550 km2).

Từ góc độ không gian (Hình 2), xu hướng thay đổi khu vực phù hợp trong các giai đoạn đầu tiên tăng lên và sau đó giảm xuống với diện tích lớn nhất vào năm 2050 (Hình 3a, Hình S3). Chúng tôi thấy diện tích C. salsa thích hợp trong LGM giảm nhiều so với diện tích trong bốn giai đoạn còn lại. So với hiện tại (4 358 775 km2), diện tích thích hợp đã giảm 50 phần trăm (2 160 975 km2) trong giai đoạn LGM, 10 phần trăm (MH: 3 910 350 km2) trong giai đoạn MH, và tăng 1 phần trăm (4 328 800 km2) trong giai đoạn 2070 và tăng 2 phần trăm (4 428 950 km2) trong giai đoạn 2050. Đáng chú ý, từ hiện tại đến tương lai (từ năm 1960 đến năm 2080), diện tích tuyệt vời (loại 1) cho C. salsa dần dần bị thu hẹp (hiện tại, 243 200 km2; 2050, 232 425 km2; 2070, { {29}} km2).

Cistanchetrích xuất có nhiềuSức khỏelợi ích

3.2. Dự đoán về các khu vực phân bố thích hợp của C. salsa ở Trung Quốc và phạm vi các biến số sinh học.

Các khu vực thích hợp cho sự phát triển của C. salsa ở Trung Quốc chủ yếu bị hạn chế ở tây bắc Tân Cương, trung tâm Nội Mông, bắc Thiểm Tây, bắc Sơn Tây, đông bắc Thanh Hải, bắc Cam Túc và hầu hết Ninh Hạ (Hình 2b). Các khu vực thích hợp nhất ở Trung Quốc chủ yếu phân bố ở Tân Cương, trong đó khu vực tuyệt vời (loại 1) bao gồm 23 650 km2, khu vực tốt (hạng

2) bao phủ 220 950 km2 và khu vực hội chợ (loại 3) bao phủ 189 975 km2. Trong số các khu vực tốt (loại 2), Tân Cương chiếm 60,99 phần trăm, tiếp theo là Nội Mông (86 300 km2) và Cam Túc (24 450 km2) với lần lượt là 23,82 phần trăm và 6,75 phần trăm (Hình 3b). Kết quả của mô hình MaxEnt chỉ ra rằng Tân Cương đặc biệt thích hợp cho sự phát triển của C. salsa. Tuy nhiên, các môi trường sống khác nhau, chẳng hạn như sa mạc sỏi, đồng cỏ và thảo nguyên sa mạc, được tìm thấy trong cùng một khu vực trong các chuyến đi thực địa. Do đó, chúng tôi rất quan tâm đến đặc điểm của các cộng đồng vi sinh vật trong đất và mối quan hệ của chúng với môi trường trong các kiểu sinh thái khác nhau của C. salsa ở Tacheng, Tân Cương, Trung Quốc.

Tầm quan trọng của mỗi biến bioclimatic đối với sự phân bố của C. salsa được thể hiện trong Bảng 2. Tất cả các giá trị là phương tiện của 1 0 lần chạy lặp lại. Ba biến số sinh học hàng đầu có ảnh hưởng lớn nhất đến sự phân bố của C. salsa là lượng mưa của quý khô nhất (bio17), lượng mưa của quý ấm nhất (bio18) và phạm vi ngày trung bình (bio2) với tỷ lệ đóng góp tương đối là 25,81 tương ứng là phần trăm, 17,65 phần trăm và 13,70 phần trăm. Như được chỉ ra bởi đường cong phản ứng thu được bởi mô hình MaxEnt, phạm vi của yếu tố sinh học có thể được tính toán khi xác suất dự đoán vượt quá 0,5. Ví dụ, phạm vi của bio17 là từ −135,30 đến 11,34 mm, của bio 18 là từ −206,60 đến 4,40 mm và của bio2 là từ 11,65 đến 12,50 độ.

3.3. Các quần xã vi sinh vật trong đất từ ​​ba dạng sinh thái của C. salsa thể hiện các cộng đồng vi sinh vật khác biệt và chồng chéo.

Trình tự rRNA 16S dẫn đến 518 217 lần đọc thô, trong đó 441 576 được sàng lọc về chất lượng và độ dài. Tập dữ liệu chứa các chuỗi 11 818 - 26 431 (nghĩa là: 20 150) cho mỗi mẫu. Các bài đọc chất lượng cao được nhóm lại trên cơ sở

>97 phần trăm nhận dạng trình tự thành 2 788 OTU vi sinh vật (Bảng 1).

Cộng đồng vi sinh vật được phân loại thành 34 loài thực vật và 321 chi. Ở cấp độ phylum (Hình 4a), Actinobacteria (DS, 31,94 phần trăm; GD; 46,42 phần trăm; GL, 33,33 phần trăm), Proteobacteria (DS,

23,25 phần trăm; GD, 22,53 phần trăm; GL, 24,68 phần trăm), và Gemmatimonadetes (DS, 17,77 phần trăm; GD, 8,02 phần trăm; GL, 8,36 phần trăm) chiếm ưu thế trong ba kiểu sinh thái. Ở cấp độ chi (Hình 4b), thảo nguyên sa mạc được thống trị bởi Euzebya (4,82 phần trăm) và Arthrobacter (1,74 phần trăm), trong khi các chi ưu thế nhất ở vùng sỏi - sa mạc là Arthrobacter (8,35 phần trăm) và Bacillus (4,95 phần trăm) ). Bacillus (6,89%) và Arthrobacter (5,57%) chiếm ưu thế ở đồng cỏ. 10 cộng đồng vi sinh vật phong phú hàng đầu trên thảo nguyên sa mạc được phân loại thành 8 phyla (Hình 4c), những quần xã ở sa mạc sỏi đá được phân loại thành 7 phyla (Hình 4d), và những quần thể ở đồng cỏ được phân loại thành 10 phyla (Hình 4e ).

Các phép đo về độ đa dạng trong mẫu (-đa dạng) cho thấy sự thay đổi đa dạng từ đồng cỏ sang sa mạc sỏi và sa mạc-thảo nguyên (Hình 4f). Đa dạng của các cộng đồng vi sinh vật đất trong mỗi mẫu được đánh giá trên các chỉ số Shannon, Chao 1, Fisher, và các chỉ số đa dạng loài quan sát được. Các chỉ số Shannon, Chao 1, các loài được quan sát, và các chỉ số Fisher cho rằng -đa dạng của các quần xã đất đồng cỏ

cao hơn so với hai cộng đồng sinh thái còn lại. Kết quả của các đường cong độ hiếm (Hình S5) tương tự như kết quả trên, ngoại trừ YM1 và HJ3. Kết quả AMOVA (Bảng S3) cho thấy có sự khác biệt đáng kể (p <0. 01)="" trong="" số="" ba="" kiểu="" sinh="" thái.="" kết="" quả="" của="" các="" pcoa="" không="" bị="" giới="" hạn="" của="" các="" ô="" 2d="" khoảng="" cách="" unifrac="" không="" trọng="" lượng="" (hình="" 4g)="" chỉ="" ra="" rằng="" các="" mẫu="" đất="" chứa="" vi="" sinh="" vật="" vi="" khuẩn="" từ="" các="" loại="" sinh="" thái="" khác="" nhau,="" ngoại="" trừ="" ym1="" và="" hj3,="" được="" tập="" hợp="" tốt.="" phân="" nhóm="" cây="" đa="" dạng="" khoảng="" cách="" bray="" dựa="" trên="" kết="" quả="" thuật="" toán="" phân="" cụm="" đơn="" (hình="" 4h)="" của="" ba="" mẫu="" đất="" sinh="" thái="" đã="" chứng="" minh="" rằng="" các="" mẫu="" đồng="" cỏ,="" ngoại="" trừ="" ym2,="" được="" nhóm="" chặt="" chẽ,="" các="" mẫu="" đất="" sa="" mạc="" -="" thảo="" nguyên,="" ngoại="" trừ="" ja1,="" được="" tập="" hợp="" chặt="" chẽ,="" và="" các="" mẫu="" đất="" sỏi-sa="" mạc="" được="" tập="" hợp="" chặt="">

3.4. Sàng lọc quần xã vi sinh vật khác biệt của ba kiểu sinh thái của C. salsa.

Các bản đồ nhiệt về sự phong phú của các chi khác nhau (Hình 5a) chỉ ra rằng mức độ phong phú của các chi từ thảo nguyên sa mạc khác với các mẫu từ hai kiểu sinh thái kia. Như được hiển thị trong kết quả của

LEfSe (Hình 5c) và RF (Hình 5d), bản đồ nhiệt nhỏ bên phải cho thấy sự phong phú của các đặc điểm vi sinh vật trong ba kiểu sinh thái ở cấp độ chi. Các chi có thể đại diện cho kiểu sinh thái sa mạc-thảo nguyên bao gồm Gillisia, Illumatobacter, Salegentibacter, Marinimicrobium, v.v. Variibacter là một biểu tượng

cấp độ chi có thể đại diện cho kiểu sinh thái sỏi - sa mạc. Các dấu ấn sinh học trong sinh thái đồng cỏ chứa Flavisolibacter và Agromyces. Sau khi kết quả của hai phương pháp được kết hợp, 11 dấu ấn sinh học đã được chọn (Bảng S4). Hình 5b cho thấy bản đồ nhiệt về sự phong phú của 11 dấu ấn sinh học.

3.5. Sàng lọc hệ vi sinh vật cốt lõi và dự đoán chức năng trao đổi chất của ba kiểu sinh thái của C. salsa.

Biểu đồ Venn (Hình 5e) được vẽ cho các OTU thu được từ tất cả các mẫu đất và kết quả cho thấy ba kiểu sinh thái có chung 1712 OTU. Phương pháp bền vững đã được áp dụng từ chức năng cốt lõi trong hệ vi sinh vật gói R để xác định hệ vi sinh vật lõi trong ba kiểu sinh thái của C. salsa. Hệ vi sinh vật lõi của vi khuẩn này chứa sáu OTU và tương ứng với 19,64% của toàn bộ hệ vi sinh vật. Với việc loại trừ các chi chưa được xác định và các chi trùng lặp, các OTU này được phân loại thành sáu chi và sự phong phú của chúng được vẽ trong một bản đồ nhiệt (Hình 5f).

Các kết quả dự đoán chức năng (Hình 6, Tập tin bổ sung 2) cho thấy rằng các con đường chuyển hóa chức năng của vi sinh vật đất trong ba kiểu sinh thái của C. salsa là giống nhau về carbohydrate và các chuyển hóa axit amin có nhiều trong các con đường trao đổi chất. Quá trình vận chuyển qua màng và truyền tín hiệu cũng rất phong phú trong quá trình xử lý thông tin môi trường.

3.6 Phân tích mối tương quan giữa các cộng đồng vi sinh vật và các biến thể sinh học của ba kiểu sinh thái của C. salsa.

Việc phân tích dư thừa về sự phong phú của hệ vi sinh vật chỉ dấu sinh học, lõi và các biến số sinh học được thực hiện ở cấp độ chi, và phân tích lại được thực hiện trên cơ sở các trường hợp khác nhau. Sự giải thích được điều chỉnh của phương sai là 32,5 phần trăm. Lượng mưa của phần tư ấm nhất (bio18) giải thích cho 23,9 phần trăm cộng đồng vi sinh vật (tr=0. 07). Nhiệt độ trung bình của phần tư ấm nhất (bio10) và khoảng ban ngày trung bình (bio2) có tương quan thuận với Illumatobacter và tương quan nghịch với Bacillus (Hình 7a).

Phân tích tương quan được thực hiện đối với sự phong phú của quần xã vi sinh vật chỉ dấu sinh học, và bảy biến bioclimatic. Kết quả mạng lưới tương quan (Hình 7b) cho thấy Illumatobacter và Salegentibacter (dấu ấn sinh học ở sa mạc-thảo nguyên) có tương quan thuận đáng kể với phạm vi ban ngày trung bình (bio2) và nhiệt độ trung bình của phần ấm nhất (bio10) nhưng tương quan đáng kể với độ cao ( alt) và lượng mưa của quý ấm nhất (bio18). Ngược lại, Agromyces (dấu ấn sinh học trên đồng cỏ) có tương quan thuận với độ cao (alt) và lượng mưa của phần ấm nhất (bio18) nhưng có tương quan nghịch với phạm vi ngày trung bình (bio2) và nhiệt độ trung bình của phần ấm nhất (bio10). Ngoài ra, Arthrobacter (hệ vi sinh vật lõi) có tương quan nghịch đáng kể với khoảng ban ngày trung bình (bio2) và nhiệt độ trung bình của phần ấm nhất (bio10). Rubrobacter có mối tương quan thuận đáng kể với lượng mưa hàng năm (bio12).