环境微生物的宏基因组学研究新进展_孙欣
网络出版时间:2013-07-02 17:00
网络出版地址:http://www.cnki.net/kcms/detail/11.3247.Q.20130702.1700.001.html
生物多样性 2013, 21 (4): 1–1 Doi: 10.3724/SP.J.1003.2013.08050
Biodiversity Science http: //www.biodiversity-science.net 环境微生物的宏基因组学研究新进展
孙 欣 高 莹 杨云锋*
(清华大学环境学院, 环境模拟与污染控制国家重点联合实验室, 北京 100084)
摘要: 宏基因组学以环境中微生物的基因组的总和为研究对象, 从而规避了传统方法中绝大部分微生物不能培养的缺陷, 因此近年来在环境微生物学研究中得到了广泛应用。本文重点介绍了宏基因组学技术中关键的两类技术: 即以罗氏454及Illumina为代表的高通量测序技术和以基因芯片(GeoChip)的应用。测序技术可以发现新物种和新基因, 但由于测序深度有限, 定量性差, 且易受污染物干扰。芯片技术很好地克服了这些局限, , 对宏, 今后将两类技术结合起来的综合研究会越来越多。另外, 颈, 关键词: 宏基因组学, 生物信息学, 高通量测序,
Xin Sun, Ying Gao, Yunfeng Yang*
sity, Beijing 100084
Abstract:on integration of both technologies and development of bioinformatics tools.
Key words: metagenomics, bioinformatics, high-throughput sequencing, GeoChip
微生物是地球上分布最为广泛的类群, 存在于各种生境, 在物质合成、降解、碳氮等元素地球化学循环等方面具有十分重要的生态功能(Zhou et al., 2010)。同时, 微生物也是一切高等生物体内不
—————————————————— 收稿日期: 2013-02-26; 接受日期: 2013-05-09 基金项目: ∗
通讯作者 Author for correspondence. E-mail: [email protected]
可或缺的部分。已有的研究表明寄生在人体上的微生物广泛参与人体内消化、免疫和毒素降解等重要生理过程, 对人体健康和发育有显著影响(Backhed et al., 2004)。但由于微生物个体微小、新陈代谢旺
2 生 物 多 样 性 Biodiversity Science 第21卷
盛、扩散能力强及易发生变异, 目前人类对微生物的作用机理仍缺乏充分了解。此外, 环境中可培养的微生物仅占自然界微生物的极少部分(
1998年, Handelsman首次提出了宏基因组(Metagenome)概念, 认为应该针对环境样品中细菌和真菌的基因组总和进行研究(Handelsman et al., 1998)。宏基因组学(Metagenomics)是将环境中全部
Palsson, 2012)培养的困难, 律, 重要成果。
势和研究重点。表1 高通量测序和基因芯片技术的性能比较
Table 1 Comparison of high throughput-sequencing and GeoChip technologies
方法 Technologies 准确性 Accuracy 全面性 Coverage 信息深度 Depth 定量性 Quantification 发现新物种
Detecting new species/genes 受污染物干扰
Interference by contaminants 受群落主要物种干扰
高通量测序Sequencing 高 High 高 High 高 High 低 Low 有 Yes 高 High 高 High
基因芯片Microarray高 High 高 High 高 High 高 High 无 No 低 Low 低 Low
410个功能基因类别, 以及包括调控碳、氮、磷、硫等物质循环在内的152,414个功能基因。
高通量测序和基因芯片等高通量宏基因组学技术为微生物研究提供了极大地数据量, 如何从这些海量数据中挖掘有效信息成为宏基因组学研究的一大难题。特别是随着高通量测序和基因芯片技术成本不断下降、通量逐渐提高、准确度越来越有保障, 生物信息学(Bioinformatics)将成为制约微生物研究的瓶颈(Simon & Daniel, 2011; Logares et al.,
2 (表1)测序技术), 罗氏454测序技术和Illumina测序技术是目前应用最为广泛的两项技术。罗氏454测序技术是最早得到商业化的第二代技术。基因片段的读取长度是将序列匹配到相应数据库产生基因注释的关键因素(Wommack et al., 2008)。与Illumina测序读取片段相比, 罗氏454测序每次运行读取的片段较长(约400碱基对) (Hugenholtz & Tyson, 2008), 因此在获得微生物群落信息方面发挥了不小的作用
第4期 孙欣等: 环境微生物的宏基因组学研究新进展 3
2012)。生物信息学主要是通过对宏基因组数据进行模型或网络的构建, 分析微生物群落内部以及微生物与环境之间相互作用的信息(Faust & Raes, 2012)。最近, Deng等(2012)研究人员基于宏基因组学技术的高通量数据成功构建了分子生态网络(Molecular Ecological Networks, MENs), 该网络可根据数据固有特性自动选择阈值, 可较好地反应环境中微生物之间的相关性, 并且对高通量技术普遍存在的高噪音问题有很好的耐受性。
高通量测序和基因芯片技术的优缺点见表1。高通量测序准确度高, 对环境微生物群落的主要物种的识别真实、可靠,结合先进的生物信息学方法可以发现新物种;但其分析方法较为复杂,并且由于通量的限制, 信息深度、定量性还不够好, 不易发现群落中丰度较低的微生物。此外,在研究动植物体内的微生物群落时, 动植物的DNA也会被测序, 从而增加了测序成本。基因芯片则与高通量测序互补, 虽然基因芯片不能发现新基因, 但其高通序技术都无法相比的(Zhou et al., 2004)群有不同的反应机制, 因此微生物群落的结构与功能需要进一步深入探讨。
Zhou等(2012)基于功能基因芯片的长期增温实验表明, 土壤微生物群落结构在增温条件下发生了显著改变, 分解易降解碳的基因变得活跃, 而分解难降解碳的基因并没有显著改变, 保证了土壤碳存储的相对稳定。通过构建微生物的分子生态学网络, Deng等(2012)发现不同气温条件下, 微生物基因在网络中扮演的角色以及相互作用规律发生了明显改变。
另外, CO2浓度升高的效应。CO(He et al., 2010)。2可操作分类单元,OTU)的丰度显著增加。CO2浓度的显著影响, 且不同 (Zhou et al., 2010, 2011)。
, 尤其是对活性污泥中微生物的研究, 不仅有助于深入了解反应器处理污染物的作用机理, 更可以指示反应器的性能, 为系统运行提供预警和管理措施。
Ye等(2012)基于Illumina高通量测序的研究揭示了不同反应器中微生物整体新陈代谢路径相似, 但参与特定糖类代谢和膜运输的基因显著不同。在不同污水处理反应器和不同采样时间条件下, 微生物的降解基因丰度和多样性有显著差异, 这一结果为监测和评估活性污泥降解有机污染物和净化废水能力提供了重要依据(Fang et al., 2013)。此外, Illumina技术的应用还包括对饮用水氯消毒的微生物研究。研究发现, 微生物群落结构显著受到氯消毒的影响, 抗性微生物和微生物的抗性基因都得到浓缩, 其中变形菌(Proteobacteria)是优势抗性微生物(Shi et al., 2013)。Ye和Zhang(2013)利用罗氏454测序技术也有效揭示了活性污泥中微生物的优势种群, 为研究活性污泥中的微生物群落结构组成提供了重要信息。
3 3.1 气候变化
受关注。其中, (如碳、氮、磷、硫等), (Austin et al., 2009)。近年来, 变化响应和反馈的研究提供了全新的视角, 并取得了相当大的进展。
例如, Danovaro等(2011)的研究表明, 海洋中病毒的结构、功能以及病毒与宿主的相互作用都受到全球气候变化的影响, 并反作用于全球气候变化和物质循环。另外, Simister等(2012)研究了珊瑚礁微生物群落对升温的响应, 发现处于生长状态的珊瑚礁上的微生物群落不受温度升高的影响, 而坏死珊瑚礁上的微生物的群落结构和组成发生了改变。上述研究结果都说明微生物群落的复杂性, 不同的种
4 生 物 多 样 性 Biodiversity Science 第21卷
总之, 宏基因组学技术为研究微生物群落结构与功能之间, 工程系统功能与微生物群落功能之间的关系提供了有效手段, 极大推动了工程系统的机理研究。 3.3 极端环境
高温、高寒、酸碱等极端环境中生活的微生物比普通环境下的微生物更难分离、培养和研究, 而宏基因组学技术在极端环境微生物的研究中显示出了极大的优势。
利用高通量罗氏454测序, Chu等(2010)发现北极的微生物群落与其他地区的微生物群落没有本质不同, 土壤pH值是决定微生物群落的最主要因素, 而空间距离不是预测土壤多样性差异大小的可靠标准。Mackelprang等(2011)基于454测序技术的研究表明, 当永久冻土随气温升高而融化时, 微生物群落也随之出现迅速、明显的变化;其碳氮循环功能基因的变化, 与永久冻土里甲烷释放等现象存在相关性。通过组装序列, 科学家在不分离微生物的情况下, 技术上的难点,
Wang等(2009), 的成熟热泉中, 件下, , 毒丰度增加, 的相关基因却受到了抑制 et al., 2013)。 3.4 人体肠道
人体肠道中各种微生物约有1013–1014个, 总基因组数量大概是人体基因组的100倍(Gill et al., 2006b)。已有研究表明肠道微生物群落对人体健康十分重要, 其群落的组成变化与肥胖症、炎性肠疾病、糖尿病都有一定的相关性(Turnbaugh et al., 2006; Willing et al., 2010; Qin et al., 2012)。宏基因组学方法在肠道微生物群落研究中的应用, 大大推进了人类对肠道微生物组多样性和功能方面的认识, 为深入了解人体肠道微生物创造了条件。2006年,
Gill等(2006a)首先利用大规模鸟枪法测序分析了两名健康成年人粪便中的菌群, 首次对人体肠道微生物多样性有了全方位的了解。之后, 华大基因运用深度鸟枪法测序对中国345人(171人患有II型糖尿病)的肠道细菌DNA进行分析, 发现Ⅱ型糖尿病患者的肠道微生物环境恶劣, 表现为中度肠道微生物失调, 其中产丁酸盐细菌丰度降低, 而致病菌以及其他与还原硫酸盐和氧化应激耐受有关的微生物的功能增加(Qin et al., 2012a)。基于Illumina测序技术平台, 科学家们分析了来自美国和欧洲的207人的205种粪便样品, 发现肠道微生物的基因差异很大, , 但群落核心部 et al., 2012)。另一项运用, 人类肠道微生物发生剧烈变化。虽然, , 且, 人类对其认识还很不全面
, 但基因芯片有大量的针对人体肠道微, 可以预计如能获得适当的肠道微, 基因芯片应用于肠道微生物研究不存在技术问题。事实上基因芯片有一子类型为HummChip, 是专门针对人体微生物设计的。 3.5 石油污染
如果原油或其他石油制品在开采、炼制、贮运和使用过程中进入环境, 则容易造成环境污染, 严重影响土壤和水的生态环境和质量, 甚至危害人类健康。目前, 利用微生物降解对石油污染进行生物修复越来越受到关注, 其主要思路是通过调控土壤或水体的微生物生态环境, 改变微生物群落结构, 以提高微生物降解石油的活性和能力。对此学者已开展了对石油污染的土壤或水体中微生物群落特征的研究, 希望能够找到在降解污染过程中起作用的关键微生物或功能基因。
Kostka等(2011)利用高通量测序技术研究了2010年墨西哥湾石油污染事件对沿海沙滩的影响, 发现石油污染对微生物群落的丰度和组成有明显的扰动, 而γ变形菌(Gamma-proteobacteria)中的食碱菌属(Alcanivorax)、海杆菌属(Marinobacter)和α
第4期 孙欣等: 环境微生物的宏基因组学研究新进展 5
变形菌(Alpha-proteobacteria)中的红杆菌科(Rhodobacteraceae)中的微生物对自然清除石油污染起了关键的作用。这一成果被Dos Santos(2011)使用454测序的工作所部分证实, 海细菌属(Marinobacterium), 海杆菌属(Marinobacter)和解环菌属(Cycloclasticus)等微生物种群在石油污染的土壤中丰度增加, 因此这些微生物可以用来作为表征石油污染的关键指示类群。
Liang等(2009b)运用基因芯片(GeoChip 2.0)技术分析对比了用臭氧氧化处理和生物增效降解处理石油污染的土壤微生物群落结构特点, 发现臭氧氧化处理中的微生物调控碳、氮、硫及有机物降解的关键功能基因多样性降低, 而在生物增效处理中这些基因的多样性又能够恢复。Liang等(2009b)用该项技术研究石油污染的土壤中微生物群落结构, 发现细菌、古菌和真菌所占的比例显著下降, 调控碳氮固定和碳降解的功能基因丰度下降, 但与分解儿茶酚等物质相关的功能基因丰度升高(Liangal., 2009a), 复的潜力。Liang等(2011)中国5地区的微生物群落结构相似, 关关系。Hazen(2010)4.0)和系统发育芯片, , 在一步的研究表明, 丰度增加, 循环、金属抗性以及与噬菌体复制相关的功能基因丰度都增加(Lu et al., 2012)。海洋本身存在的微生物在自然分解石油污染方面显示出了巨大的潜力。 3.6 生物冶金
生物冶金是利用微生物的生物浸出作用分离和提取金属的技术。它具有流程短、成本低和污染小等特点, 虽然与其他方法相比效率较低, 但是在低品位和复杂的矿产资源的处理中仍得到了广泛应用。
Kuang等(2013)等利用454测序研究了分布于中
国华东、华南的酸性金属矿藏的59个微生物群落,发现微生物群落结构组成与地理距离的远近关系不大, 主要受周围环境影响。与Chu(2010)对北极微生物群落结构的研究结果相一致的是, 其中pH值是最重要的影响因素。在弱酸性环境中, 变形菌(Betaproteobacteria)是主要类群, 而α-变形菌(Alpha-proteobacteria)、广古菌(Euryarchaeota)、γ-变形菌(Gamma-proteobacteria)和硝化螺菌(Nitrospira)更适应强酸性环境。在高度酸性的环境中(pH 0–1), 微生物群落组成非常简单(Jones et al., 2012), 70%以上微生物细胞为硫杆菌(), 15%为热原体目(, 5%左右为酸微菌科((Acidithiobacillus)拥有, 因此(申丽等, 2008)。此外, Xie等(2011), 检测到大量关键(包括碳氮降解基因等), 说明在酸性环境, 发现微生物群落结构形成与酸矿水中金属离子浓度相关, 该研究为深入了解酸矿水微生物代谢潜力提供了直接证据。目前, 针对酸矿水中微生物群落结构特点已开发一类专一性的功能基因芯片。其检测结果与微生物纯培养的特异性试验结果相比较, 具有良好的特异性、灵敏性和定量性, 在研究酸矿水中微生物群落结构方面有较大的潜力, 有助于揭示基因与嗜酸性微生物和微生物在酸性环境群落组成之间的关系(Yin et al., 2007)。
4 展望
宏基因组学在微生物研究中已经占据了重要的地位。由于高通量测序技术和基因芯片技术各有优缺点, 因此结合两者同步进行研究将可得到比较全面的信息。而对于高通量测序, 其中的Illumina测序因其低错误率、低成本及高通量等优势, 显示出了极大发展潜力, 因此在今后的工作中可优先考虑。
6 生 物 多 样 性 Biodiversity Science 第21卷
随着科学技术的飞速发展, 大数据时代已经到来。如何进行有效的数据挖掘成为绝大多数科研领域的核心问题。虽然基于生物信息学来构建模型和网络等方法, 都已应用于微生物宏基因组学数据分析中, 并取得了一定成果,但随着技术的进步, 数据量也会越来越庞大, 如何更快捷更深入更有效地挖掘数据, 获得尽可能准确和丰富的信息, 是当前面临的巨大挑战。
宏基因组学技术在不远的将来有望进一步优化。如454焦磷酸测序的通量需要进一步提高, Il-lumina的片段读取长度需要进一步加长, 基因芯片的假阳性问题也需要克服。随着这些技术的发展, 环境微生物学已逐步从生物学领域延伸到包括生物、环境、地理、统计、计算机、自动化等在内的多个学科的交叉领域。因此需要多学科领域的研究人员展开更广泛、更深入的合作; 同时, 也需要科研人员具备多种学科的相关知识, 这对宏基因组学的研究人员来说是珍贵的机遇也是巨大的挑战。同时, 展的巨大动力, 在其推动下, 纱将会被人类慢慢揭开。 参考文献
plantation. , USA, 101, 15718–15723. by assembling paired-end illumina reads. Applied and Environmental Microbiology, 77, 3846–3852.
Chu H, Fierer N, Lauber CL, Caporaso J, Knight R, Grogan P (2010) Soil bacterial diversity in the Arctic is not fundamentally different from that found in other biomes. Environmental Microbiology, 12, 2998–3006.
Claesson MJ, Jeffery IB, Conde S, Power SE, O’Connor EM, Cusack S, Harris HMB, Coakley M, Lakshminarayanan B, O’Sullivan O (2012) Gut microbiota composition correlates with diet and health in the elderly. Nature, 488, 178–184. Danovaro R, Corinaldesi C, Dell'anno A, Fuhrman JA, Middelburg JJ, Noble RT, Suttle CA (2011) Marine viruses and global climate change. FEMS Microbiology Review, 35,
993–1034.
Deng Y, Jiang YH, Yang Y, He Z, Luo F, Zhou J (2012) Molecular ecological network analyses. BMC Bioinformatics, 13, 113.
Dos Santos HF, Cury JC, Do Carmo FL, Dos Santos AL, Tiedje J, van Elsas JD, Rosado AS, Peixoto RS (2011) Mangrove bacterial diversity and the impact of oil contamination revealed by pyrosequencing: bacterial proxies for oil pollution. PLoS ONE, 6, e16943.
Fang H, Cai L, Yu Y, Zhang T (2013) Metagenomic analysis reveals the prevalence of biodegradation genes for organic pollutants in activated sludge. Bioresource Technology, 129, 209–218.
Faust K, Raes J (2012) Microbial interactions: from networks to models. , 10, 538–550. , 312
Science, 330, 204–208.
The ISME Journal, 1, 67–77.
He ZL, Piceno Y, Deng Y, Xu MY, Lu ZM, Desantis T, Andersen G, Hobbie SE, Reich PB, Zhou JZ (2012) The phylogenetic composition and structure of soil microbial communities shifts in response to elevated carbon dioxide. The ISME Journal, 6, 259–272.
He ZL, Xu MY, Deng Y, Kang SD, Kellogg L, Wu LY, van Nostrand JD, Hobbie SE, Reich PB, Zhou J (2010) Metagenomic analysis reveals a marked divergence in the structure of belowground microbial communities at elevated CO2. Ecology Letters, 13, 564–575.
Howitt MR, Garrett WS (2012) A complex microworld in the gut: Gut microbiota and cardiovascular disease connectivity. Nature Medicine, 18, 1188–1189.
Hugenholtz P, Tyson GW (2008) Microbiology: metagenomics. Nature, 455, 481–483.
Jones DS, Albrecht HL, Dawson KS, Schaperdoth I, Freeman KH, Pi Y, Pearson A, Macalady JL (2012) Community genomic analysis of an extremely acidophilic sulfur-oxidizing biofilm. The ISME Journal, 6, 158–170. Kellenberger E (2001) Exploring the unkown-The silent revolution of microbiology. EMBO Reports, 2, 5–7.
Kostka JE, Prakash O, Overholt WA, Green SJ, Freyer G, Canion A, Delgardio J, Norton N, Hazen TC, Huettel M (2011) Hydrocarbon-degrading bacteria and the bacterial
第4期 孙欣等: 环境微生物的宏基因组学研究新进展 7
Shen L (申丽), Liu XD (刘学端), Qiu GZ (邱冠周) (2008) 16s rDNA based microbial diversity analysis of eleven acid mine drainages obtained from three Chinese copper mines. Chinese Journal of Biotechnology (生物工程学报), 24, 968–974. (in Chinese with English abstract)
Shi P, Jia S, Zhang X, Zhang T, Cheng S, Li A (2013) Metagenomic insights into chlorination effects on microbial antibiotic resistance in drinking water. Water Research, 47, 111–120.
Simister R, Taylor MW, Tsai P, Fan L, Bruxner TJ, Crowe ML, Webster N (2012) Thermal stress responses in the bacterial biosphere of the Great Barrier Reef sponge, Rhopaloeides odorabile. Environmental Microbiology, 14, 3232–3246. future trends. , 77, 1153–1161.
Nature, 444, uranium-contaminated aquifer. Environmental Microbiology, 11, 2611–2626.
Waldron PJ, Wu L, Van Nostrand JD, Schadt CW, He Z, Watson DB, Jardine PM, Palumbo AV, Hazen TC, Zhou J (2009) functional gene array-based analysis of microbial community structure in groundwaters with a gradient of contaminant levels. Environmental Science & Technology, 43, 3529–3534.
Wang F, Zhou H, Meng J, Peng X, Jiang L, Sun P, Zhang C, Van Nostrand JD, Deng Y, He Z, Wu L, Zhou J, Xiao X (2009) GeoChip-based analysis of metabolic diversity of microbial communities at the Juan de Fuca Ridge hydrothermal vent. Proceedings of the National Academy of Sciences, 106, 4840–4845.
Willing BP, Dicksved J, Halfvarson J, Andersson AF, Lucio M, Zheng Z, Järnerot G, Tysk C, Jansson JK, Engstrand L (2010) A pyrosequencing study in twins shows that gastrointestinal microbial profiles vary with inflammatory bowel disease phenotypes. Gastroenterology, 139, 1844–1854. e1.
Wommack KE, Bhavsar J, Ravel J (2008) Metagenomics: read length matters. Applied and Environmental Microbiology, 74, 1453–1463.
Xie J, He Z, Liu X, Liu X, Van Nostrand JD, Deng Y, Wu L, Zhou J, Qiu G (2011). GeoChip-Based Analysis of the
community response in Gulf of Mexico beach sands impacted by the Deepwater Horizon oil spill. Applied and Environmental Microbiology, 77, 7962–7974.
Kuang JL, Huang LN, Chen LX, Hua ZS, Li SJ, Hu M, Li JT, Shu WS (2013) Contemporary environmental variation determines microbial diversity patterns in acid mine drainage. The ISME Journal, 7, 1038–1050.
Liang Y, Li G, Van Nostrand JD, He Z, Wu L, Deng Y, Zhang X, Zhou J (2009a) Microarray-based analysis of microbial functional diversity along an oil contamination gradient in oil field. FEMS Microbiology Ecology, 70, 324–333.
Liang Y, Nostrand JDV, Wang J, Zhang X, Zhou J, Li G (2009b) Microarray-based functional gene analysis of soil microbial communities during ozonation and biodegradation of crude oil. Chemosphere, 75, 193–199.
Liang Y, Van Nostrand JD, Deng Y, He Z, Wu L, Zhang X, Li G, Zhou J (2011) Functional gene diversity of soil microbial communities from five oil-contaminated fields in China. The ISME journal, 5, 403–413.
Logares R, Haverkamp THA, Kumar S, Lanzén A, Nederbragt AJ, Quince C, Kauserud H (2012). Environmental microbiology through the lens of high-throughput DNA sequencing: Synopsis of current platforms and bioinformatics approaches. Methods, 91, 106–113.
Journal, 6, 451–460.
, 7, , 368–371. A, Zhong S, Li X, Chen W, Xu R, Wang M, Feng Q, Gong M, Yu J, Zhang Y, Zhang M, Hansen T, Sanchez G, Raes J, Falony G, Okuda S, Almeida M, LeChatelier E, Renault P, Pons N, Batto J-M, Zhang Z, Chen H, Yang R, Zheng W, Li S, Yang H, Wang J, Ehrlich SD, Nielsen R, Pedersen O, Kristiansen K, Wang J (2012) A metagenome-wide association study of gut microbiota in type 2 diabetes. Nature, 490, 55–60.
Schloissnig S, Arumugam M, Sunagawa S, Mitreva M, Tap J, Zhu A, Waller A, Mende DR, Kultima JR, Martin J, Kota K, Sunyaev SR, Weinstock GM, Bork P (2013) Genomic variation landscape of the human gut microbiome. Nature, 493, 45–50.
8 生 物 多 样 性 Biodiversity Science 第21卷
Functional Gene Diversity and Metabolic Potential of
Microbial Communities in Acid Mine Drainage. Applied and Environmental Microbiology, 77, 991–999.
Xing WL (邢婉丽), Chen J (程京) (2004) Biochip Technology (生物芯片技术). Tsinghua University Press, Beijing. (in Chinese)
Yang Y, Wu L, Lin Q, Yuan M, Xu D, Yu H, Hu Y, Duan J, Li X, He Z, Xue K, Van Nostrand JD, Wang S, Zhou J (2013) Responses of the functional structure of soil microbial community to livestock grazing in the Tibetan alpine grassland. Global Change Biology, 19, 637–648.
Ye L, Zhang T (2013) Bacterial communities in different sections of a municipal wastewater treatment plant revealed by 16S rDNA 454 pyrosequencing. Applied Microbiology and Biotechnology, 97, 2681–2690.
Ye L, Zhang T, Wang T, Fang Z (2012) Microbial structures, functions, and metabolic pathways in wastewater treatment bioreactors revealed using high-throughput sequencing. Environmental Science & Technology, 46, 13244–13252.
Yin H, Cao L, Qiu G, Wang D, Kellogg L, Zhou J, Dai Z, Liu X (2007) Development and evaluation of 50-mer oligonucleotide arrays for detecting microbial populations in Acid Mine Drainages and bioleaching systems. Journal of Microbiological Methods, 70, 165–178.
Zengler K, Palsson BO (2012) A road map for the development of community systems (CoSy) biology. Nature reviews. Microbiology, 10, 366–372.
Zhou J, Deng Y, Luo F, He Z, Tu Q, Zhi X (2010) Functional molecular ecological networks. MBio, 1, e00169–10.
Zhou J, Deng Y, Luo F, He Z, Yang Y (2011) Phylogenetic molecular ecological network of soil microbial communities in response to elevated CO2. MBio, 2, e00122–11
Zhou J, Thompson DK, Xu Y, Tiedje JM (2004) Microbial Nature 责任编辑: 周玉荣)