Rhizosphere soil bacterial communities and nitrogen cycling affected by deciduous and evergreen tree species

Deciduous and evergreen trees differ in their responses to drought and nitrogen (N) demand. Whether or not these functional types affect the role of the bacterial community in the N cycle during drought remains uncertain. Two deciduous tree species (Alnus cremastogyne, an N₂‐fixing species, and Liquidambar formosana) and two evergreen trees (Cunninghamia lanceolata and Pinus massoniana) were used to assess factors in controlling rhizosphere soil bacterial community and N cycling functions. Photosynthetic rates and biomass production of plants, 16S rRNA sequencing and N‐cycling‐related genes of rhizosphere soil were measured. The relative abundance of the phyla Actinobacteria and Firmicutes was higher, and that of Proteobacteria, Acidobacteria, and Gemmatimondaetes was lower in rhizosphere soil of deciduous trees than that of evergreen. Beta‐diversity of bacterial community also significantly differed between the two types of trees. Deciduous trees showed significantly higher net photosynthetic rates and biomass production than evergreen species both at well water condition and short‐term drought. Root biomass was the most important factor in driving soil bacterial community and N‐cycling functions than total biomass and aboveground biomass. Furthermore, 44 bacteria genera with a decreasing response and 46 taxa showed an increased response along the root biomass gradient. Regarding N‐cycle‐related functional genes, copy numbers of ammonia‐oxidizing bacteria (AOB) and autotrophic ammonia‐oxidizing archaea (AOA), N₂ fixation gene (nifH), and denitrification genes (nirK, nirS) were significantly higher in the soil of deciduous trees than in that of the evergreen. Structural equation models explained 50.2%, 47.6%, 48.6%, 49.4%, and 37.3% of the variability in copy numbers of nifH, AOB, AOA, nirK, and nirS, respectively, and revealed that root biomass had significant positive effects on copy numbers of all N‐cycle functional genes. In conclusion, root biomass played key roles in affecting bacterial community structure and soil N cycling. Our findings have important implications for our understanding of plants control over bacterial community and N‐cycling function in artificial forest ecosystems.     

生态系统生态学研究的关键问题及趋势——从“整体论与还原论的争论”看

在生态学领域中,存在着生态系统整体论与还原论的争论。Tansley A.G.提出,生态系统是"准有机体"。Odum兄弟提出的"生态系统能量说"被广泛接受,但也受到质疑,称其为"还原论者的整体论"。基于对上述质疑的回应以及对生态系统整体论的追求,Patten B.C.等提出"生态网络理论",运用"网络‘环境子’分析"方法,试图从物理层面分析解决生物层面的"涌现性"问题。不过,这一理论也受到批判,认为其在探究符号化的现象对生态系统的动态影响时,陷入了还原论困境。Jrgensen S.E.等更进一步,提出"系统论"的生态系统生态学,试图从系统科学的角度研究生态系统的"物质-能量-信息-网络"系统。这一理论受到生态学界高度重视,但是也存在着在具体研究过程中如何平衡能量视角和生物地球化学视角的问题。由上述争论可见,生态系统生态学研究的趋势是从"物质实体"到"能量流动",再到"网络信息",最后到"开放系统"层层递进。目前面临的关键问题是:如何在更好地定义生态系统整体性的基础上,采取相应的能够体现生态系统整体性的方法,去获得更多、更好的生态系统整体性的认识。     

城市碳代谢过程研究进展

碳代谢过程分析是城市代谢研究的重要环节,而通过土地利用/覆盖的空间调整优化城市碳代谢过程已成为区域可持续发展的关键。利用城市代谢思想,本文综述了城市碳代谢过程核算、碳代谢网络模拟、碳代谢过程与土地利用/覆盖变化关系分析、碳代谢空间格局演替等方面的内容,并指出了当前研究中存在着空间属性表达缺乏、核算/模拟结果较难直接应用于实践调控、自然和社会经济代谢过程难以并重考虑等问题。在此基础上,提出了此领域未来发展预期:(1)基于土地流转,将碳排放/碳吸收垂向流映射到碳存量变化的水平流,以"存量"变化推导出网络"流量"分布,实现节点、流互动关系的空间表达,构建时空维度碳代谢网络模型;(2)强调自然节点在城市碳代谢网络中的重要作用,形成社会经济节点与自然节点并重的生态网络模型,有效服务于城市规划及设计。     

抑郁症易感基因和抗抑郁药物靶点相关[]神经细胞类型及相互作用网络分析

基于抑郁症的全基因组关联分析研究(GWAS),对于获得的单核苷酸多态性位点(SNP)使用Haploreg软件进行基因注释,得到SNP注释的102个易感基因.。使用MAGMA软件对GWAS的汇总统计数据做基因水平的分析,获得了270个校正之后显著的基因,两者合并共得到320个抑郁症易感基因。通过药物数据库Drugbank获取133个抗抑郁药物靶点基因。使用EWCE包对抑郁症易感基因和抗抑郁药物靶点在三套脑组织单细胞测序数据中,分别进行神经细胞类型富集分析。结果发现大脑皮质的GABA神经元(抑制性神经元)和谷氨酸能神经元(兴奋性神经元)是抑郁症易感基因和抗抑郁药物靶点共同的神经元。这两种类型的神经细胞可能是抗抑郁药物与抑郁症易感基因相互作用的神经细胞,另外少突胶质前体细胞可能是抑郁症特有的易感神经细胞。使用Network Calculator软件构建网络并进行进行网络拓扑学参数分析。结果表明抑郁症易感基因与抗抑郁药物靶点组成了一个具有显著的相互连接的网络。本研究从单细胞层面揭示抑郁症的遗传机制,在网络层面为寻找新的抗抑郁药物靶点提供了一定的启示。     

DLGCN:基于图卷积网络的药物-lncRNA[]关联预测

为实现高通量识别新的药物-长链非编码RNA(Long non-coding RNA, lncRNA)关联,本文提出了一种基于图卷积网络模型来识别潜在药物-lncRNA关联的方法DLGCN(Drug-LncRNA graph convolution network)。首先,基于药物的结构信息和lncRNA的序列信息分别构建了药物-药物和lncRNA-lncRNA相似性网络,并整合实验证实的药物-lncRNA关联构建了药物-lncRNA异质性网络。然后,将注意力机制和图卷积运算应用于该网络中,学习药物和lncRNA的低维特征,基于整合的低维特征预测新的药物-lncRNA关联。通过效能评估,DLGCN的受试者工作特性曲线下面积(Area under receiver operating characteristic, AUROC)达到0.843 1,优于经典的机器学习方法和常见的深度学习方法。此外,DLGCN预测到姜黄素能够调控lncRNA MALAT1的表达,已被最近的研究证实。DLGCN能够有效预测药物-lncRNA关联,为肿瘤治疗新靶点的识别和抗癌药物的筛选提供了重要参考。     

中国天然林保护、生态恢复与可持续经营的理论与技术

全面总结了近年来中国在天然林保护与生态恢复的理论与技术实践方面所取得的研究进展。高度凝练出了天然林动态干扰与保育技术、典型退化天然林的生态恢复技术和天然林景观恢复与空间经营技术等三方面的创新成果,形成了天然林保护与生态恢复的理论与技术创新体系,对今后天然林保护、生态恢复与可持续经营进行了展望。     

基于网络特征的道路生态干扰——以澜沧江流域为例

道路网络对区域景观的生态格局和过程产生较大的影响,作为干扰因子,区域道路网络的特征和所产生的生态干扰水平存在一定的相关性.利用GIS和网络分析法,以澜沧江流域县域为基本单元,分析了研究区各县的道路网络特征指数,在揭示了区域道路网络不同特征之间的规律性的基础上,进一步对区域网络特点和生态干扰之间相关性进行了内在关系的探讨.结果表明,澜沧江流域道路网络结构的空间差异很大,流域内各县的道路网络节点数、连接线数目、α环度、β线点率、γ连接度指数等网络特征因子也存在较大差异;道路密度和道路总长度与区域海拔高度呈现较明显的负相关关系;道路密度和区域道路的廊道密度呈现正相关关系,和区域道路的α指数、β指数和γ指数关系可以用倒数模型来拟合.缓冲区分析表明,耕地比例和道路密度线性相关关系显著,而其他类型相关性较差,但区域综合的人工干扰指数(Hd)(1980,2000)和道路网络的特征指数相关显著,而且不同时期的区域景观的斑块密度、平均斑块面积和区域道路网络特征之间也存在较强的相关性,即网络扩展使得区域生态系统受干扰强度增加,破碎化严重,但较短时期内的生态系统变化和道路网络特征之间相关性不显著.     

基于小波神经网络的麦蚜发生程度预测模型

【目的】建立基于小波神经网络病虫害预测预报模型,对提前采取防病防虫措施、减少农作物病虫害损失、提高农作物产量与质量具有重要意义。【方法】本研究以山西省运城市芮城县1980-2014年麦蚜发生程度和气象因子数据为基础,采用主成分分析法从40个基础气象因子中整合形成9个新的自变量输入模型,采用试凑法筛选隐含层节点数,用1980-2009年的数据进行网络训练,对2010-2014年麦蚜发生程度进行回测,建立了以Morlet小波函数为传递函数的小波神经网络模型,并与以Sigmoid函数为传递函数的BP神经网络模型进行了比较。【结果】小波和BP神经网络两种模型对训练样本的平均拟合精度均有10年以上超过80%,两者MAPE 值分别为 89.83% 和83.07%,MSE 值分别为0.0578和0.6192。【结论】两个模型都能较好地描述麦蚜发生程度;从预测精度和模型的稳定性来看,小波神经网络好于BP神经网络。     

基于最大熵原理的浙江毛竹胸径分布及测量不确定度评定

应用最大熵原理构造了测树因子概率分布的统一模型,这样构造的模型具有明确的解析表达式,并能克服常用方法无法解释测树因子服从某种概率分布的真正原因,从而为测树因子统计分布建模提供了一种有效方法.使用1-3阶样本矩、1-4阶样本矩与1-5阶样本矩,用所构建的概率分布统一模型分别对浙江省域毛竹胸径分布分别作了仿真试验,结果表明当采用1-4阶样本矩时,仿真效果最好,而且比通过假设检验的Weibull分布仿真结果理想:(1)图形非常相似,对实测数据都能很好的模拟;(2)最大熵法的离差平方和为0.00018,Weibull分布的为0.00045[1].由于各种系统与非系统的原因,都会影响测量结果的准确性,对所构建的模型作了不确定度评定,表明结果具有很大的可靠性,测量结果的估计:7.85100,测量结果的标准不确定度:1.82710,置信概率:0.96020.