الأدوار المزدوجة للميكروبات في التوسط في ديناميات الكربون في التربة استجابةً للاحتباس الحراري Dual roles of microbes in mediating soil carbon dynamics in response to warming
الأدوار المزدوجة للميكروبات في التوسط في ديناميات الكربون في التربة استجابةً للاحتباس الحراري
تاريخ الاستلام: 5 فبراير 2024 تم القبول: 22 يوليو 2024 نُشر على الإنترنت: 31 يوليو 2024 (د) التحقق من التحديثات
شوقي تشيندياني زانغبين ويويانهي يانغ
الملخص
فهم التغيرات في المجتمعات الميكروبية في التربة استجابةً للاحترار المناخي والسيطرة عليها على عمليات الكربون (C) في التربة أمر بالغ الأهمية لتوقع ردود الفعل بين الكربون في التربة والمناخ. ومع ذلك، ركزت الدراسات السابقة بشكل رئيسي على إطلاق الكربون من التربة الذي يتم بوساطة الميكروبات، ولا يُعرف الكثير عن ما إذا كان وكيف يؤثر الاحترار المناخي على الأيض الميكروبي والإدخال اللاحق للكربون في مناطق التربة المتجمدة. هنا، استنادًا إلى تجربة تسخين في الموقع استمرت لأكثر من نصف عقد، نوضح أنه مقارنةً بالتحكم البيئي، يقلل الاحترار بشكل كبير من كفاءة استخدام الكربون من قبل الميكروبات ويعزز تعقيد الشبكة الميكروبية، مما يعزز التنفس غير الذاتي في التربة. في الوقت نفسه، تتراكم الكتلة الميكروبية الميتة بشكل ملحوظ تحت تأثير الاحترار، على الأرجح بسبب التحلل الميكروبي المفضل للكربون المشتق من النباتات، مما يؤدي إلى زيادة الكربون العضوي المرتبط بالمعادن. مجتمعة، تظهر هذه النتائج الأدوار المزدوجة للميكروبات في التأثير على إطلاق الكربون من التربة واستقراره، مما يوحي بأن ردود الفعل بين الكربون في التربة والمناخ ستضعف مع مرور الوقت مع تراجع استجابة التنفس الميكروبي وزيادة نسبة حوض الكربون المستقر.
التربة المتجمدة، تعرف بأنها المواد الأرضية تحت السطحية التي تبقى عند أو تحتلمدة عامين أو أكثر، يغطي تقريبًامن المساحة الأرضية العالميةلقد قيدت درجات الحرارة المنخفضة والظروف المتجمدة في مناطق التربة المتجمدة استخدام الميكروبات للكربون العضوي في التربة (SOC)، وحفظت مخزونًا كبيرًا من الكربون (C) على مدى فترة طويلة. وقد تم تقدير أنيتم تخزينه في أعلى 3 أمتار من التربة عبر منطقة التربة المتجمدة في نصف الكرة الشمالي، مما يمثل أكثر منمن المخزون العالمي للكربون في التربة. تم مؤخرًا تعرض هذه المجموعة الواسعة من الكربون لفقدان صافي، حيث إن مناطق التربة الصقيعية تسخن بمعدل يتراوح بين ضعف إلى أربعة أضعاف المعدل العالمي في العقود الأخيرةإن تخفيف قيود درجة الحرارة سيعزز العمليات الأيضية الميكروبية، مما قد يؤدي إلى زيادة إطلاق الكربون من التربة على شكل ثاني أكسيد الكربون. ) وميثان ( ) وتحفيز ردود فعل إيجابية في المناخ C نظرًا لأن دورة الكربون في التربة تتحدد إلى حد كبير من خلال الأنشطة الميكروبية، وأن التمثيل الصريح للعمليات الميكروبية في نماذج نظام الأرض يمكن أن يحسن أداء النموذجفهم شامل لاستجابات الميكروبات للاحترار المناخي أمر ضروري لتوقعات أكثر دقة لمصير الكربون في التربة المتجمدة الدائمة، بالإضافة إلى التغذية الراجعة المرتبطة بالكربون والمناخ.
يتم التعرف بشكل متزايد على أن الميكروبات التربة يمكن أن تلعب دورين متناقضين في الوساطة في دورة الكربون الأرضية: تؤدي الأنشطة الكاتابية للميكروبات إلى إطلاق الكربون من التربة إلى الغلاف الجوي، بينما ينتج عن الأيض البكتيري مجموعة من المنتجات التي تساهم في تجمع الكربون المستقر في التربة.ستتأثر كلا العمليتين الميكروبيتين بارتفاع درجة حرارة المناخ.، مع اتجاه وحجم تغييراتها التي تحدد ديناميات الكربون في التربة في عالم أكثر دفئًا. قد تؤدي زيادة معدل تحلل الميكروبات المعجل بسبب الاحترار إلى فقدان الكربون في التربة.بينما ستؤدي تراكم/تقليل المركبات المشتقة من الميكروبات الناتجة عن الاحترار مثل الكتلة الحيوية الميكروبية إلى تعزيز/إضعاف استقرار الكربون في التربة على المدى الطويل.. ومع ذلك، فإن فهمنا للأدوار الميكروبية في منطقة التربة المتجمدة يقتصر بشكل رئيسي على إطلاق الكربون من التربة بواسطة الكائنات الدقيقة.مع قلة الانتباه الموجه نحو الأيض الميكروبي والنتيجة الناتجة عن إدخال الكربون في سيناريو الاحترار. في الواقع، بالإضافة إلى الأيضات التي تنتج الطاقة، يمكن أن يؤثر الاحترار أيضًا على سمات فسيولوجية أخرى (مثل النمو، والتجديد وكفاءة استخدام الكربون (CUE) ) المتعلقة بالتمثيل الغذائي الميكروبي وترسيب المنتجات الأيضية. يمكن أن تعكس هذه الخصائص السيطرة الميكروبية على تخزين الكربون في التربة وهي معلمات حيوية للتربة
نماذج Cومع ذلك، لا يزال من غير الواضح ما إذا كان وكيف يؤثر ارتفاع درجة حرارة المناخ على فسيولوجيا الميكروبات في التربة، مما يؤثر بذلك على الكربون المشتق من الميكروبات في مناطق التربة المتجمدة، وهو ما يقيّد بشدة توقعات نماذج ديناميات الكربون في التربة. لذلك، هناك حاجة ملحة لتقييم شامل لدور الميكروبات في عمليات كربون التربة مع الأخذ في الاعتبار كل من التحلل والتمثيل الغذائي للميكروبات تحت تأثير ارتفاع درجة حرارة المناخ، وذلك لتقييد معلمات النموذج من أجل التنبؤ بدقة باتجاه وقوة ردود فعل كربون التربة المتجمدة على المناخ.
هضبة التبت معروفة باسم “القطب الثالث” في العالم. منطقة منالسطح المرتفع مدعوم بالتربة المتجمدة، مما يمثلمن الجليد الدائم في الجبال عبر نصف الكرة الشماليلقد حدثت ظاهرة الاحترار المناخي على نطاق واسع عبر الهضبة في العقود الأخيرة، بمعدلعقدمنذ. في مثل هذا السياق الدافئ، تم ملاحظة تراكم الكربون العضوي في التربة تحت السطحية ( عبر الهضبة، بينما لم يتم الكشف عن أي تغيير كبير في التربة السطحية . ومع ذلك، لا تزال الآليات الميكروبية التي تؤثر على ديناميات الكربون في التربة غير مستكشفة إلى حد كبير على الهضبة. لسد هذه الفجوة المعرفية، قدمنا هنا أدلة تجريبية شاملة حول استجابات الميكروبات للاحتباس الحراري التجريبي، ووضحنا أدوار الميكروبات في التأثير على دورة الكربون في التربة استنادًا إلى تجربة احتباس حراري في غرفة مفتوحة في الموقع (OTC) على الهضبة الشمالية الشرقية.. قمنا بمقارنة مجموعة من التربة السطحية (الخصائص الميكروبية بين المواقع المدفأة والمراقبة بعد 6 سنوات من معالجة التسخين المستمر، بما في ذلك تركيب المجتمع الميكروبي، القدرات الأيضية، الفسيولوجيا (النمو، الدوران ونسبة استخدام الكربون)، وكربون النخر. ثم ناقشنا الوساطة الميكروبية على عمليتين لدورة الكربون في التربة استجابةً للتسخين، أي، إطلاق الكربون من التربة الذي يتميز بالتنفس غير الذاتي. ) واستقرار الكربون في التربة الذي يعكسه الكربون العضوي المرتبط بالمعادن (MAOC). افترضنا أنه في هذا النظام البيئي المتجمد المقيد بدرجات الحرارة، ستؤدي عملية التسخين التجريبية إلى تغيير كبير في تركيب المجتمع الميكروبي وزيادة القدرات الأيضية، مما أدى إلى زيادة . كما افترضنا أن معالجة الاحترار ستعيق كفاءة استخدام الكربون الميكروبي ولكنها ستحفز معدل التدوير، مما يعزز تراكم الكربون المشتق من الميكروبات وبالتالي MAOC. نتائجنا كشفت أن التسخين التجريبي لم يغير التركيب العام لمجتمع الميكروبات، ولكنه قلل من كفاءة استخدام الكربون الميكروبي وشكل شبكة أكثر تعقيدًا، والتي كانت مسؤولة عن الزيادةبالإضافة إلى ذلك، تراكمت الكتلة الحيوية الميكروبية C مع مرور الوقت على الأرجح بسبب التحلل الميكروبي التفضيلي للمركبات المشتقة من النباتات، مما ساهم بشكل أكبر في زيادة نسبة MAOC. تظهر هذه النتائج مجتمعة الأدوار المزدوجة للميكروبات في التأثير على عمليات الكربون في التربة استجابةً للاحتباس الحراري التجريبي في هذا النظام البيئي للتربة المتجمدة.
النتائج
آثار الاحترار على تركيب المجتمع الميكروبي والشبكة
عالجت الحرارة المستمرة من OTC بشكل كبير درجة حرارة التربة السطحية بـمنذ عام 2014; الجدول التكميلي 1). من المتوقع أن التغيرات الناتجة عن التسخين التجريبي في درجة حرارة التربة، وكتلة النبات، والخصائص التربة (الجدولان التكميليان 1 و2) ستغير المجتمع الميكروبي في التربة. لاختبار هذا التوقع، قمنا بتحديد تركيب المجتمع البروكاريوتي (أي البكتيريا والآركيا) والفطريات باستخدام تسلسل الأمبليكون لجين 16S rRNA ومنطقة ITS2، على التوالي. على عكس توقعاتنا، أظهرت النتائج أن معالجة التسخين لم تغير تنوع ألفا (بما في ذلك الغنى ومؤشر شانون-واينر) للبروكاريوتي والفطريات (الشكل التكميلي 1). في الوقت نفسه، كانت الوفرة النسبية للأنواع الميكروبية السائدة على مستوى الفيلوم مشابهة بين ظروف التسخين والضبط، على الرغم من أن بعض الأنواع على مستوى تصنيفي أدنى كانت ذات وفرة مختلفة (الشكل التكميلي 2؛ انظر الملاحظة التكملية 1 للتفاصيل). لم يتغير التركيب العام للمجتمع الميكروبي بشكل كبير بسبب التسخين التجريبي وفقًا للاختبارات الإحصائية متعددة المتغيرات غير المعلمية (ANOSIM، Adonis وMRPP؛ الجدول التكميلي 3).
على الرغم من الاستجابة الضعيفة لتكوين المجتمع الميكروبي، فإن الشبكات البيئية الجزيئية المستندة إلى ارتباطات بيرسون لبيانات التسلسل المحولة لوغاريتمياً اختلفت بين معالجات الاحترار والتحكم (الشكل 1). بالمقارنة مع التحكم، فإن معالجة الاحترار
الشكل 1 | أنماط التعايش لمجتمعات الميكروبات في التربة السطحية كما تأثرت بالتسخين التجريبي. تصور للبدائيات ( ) وفطري ( الشبكات تحت السيطرة (أ، ج) وظروف الاحترار (ب، د). تمثل العقد في الشبكة ASVs الفردية التي تشير ألوانها إلى المجموعات التصنيفية. الخطوط بين تمثل العقد ارتباطات هامة، حيث تشير الألوان الصفراء والزرقاء إلى الارتباط الإيجابي والسلبي على التوالي. عرض الخط يتناسب مع قوة العلاقة.عدد العقد الكليعدد الروابط الكلي، متوسط الدرجة avgK. يتم توفير بيانات المصدر كملف بيانات المصدر.
الشكل 2 | تأثيرات التسخين التجريبي على الوفرة النسبية لجينات CAZy في الميتاجينومات للطبقة السطحية. أ مقارنة الوفرة النسبية لإجمالي جينات الإنزيمات النشطة للكربوهيدرات (CAZy) بين ظروف التسخين وظروف التحكم وفقًا للعينات المزدوجة.-اختبار (ذو جانبين). يمثل الصندوق النطاق الربعي، مع الإشارة إلى الأزرق والأصفر كتحكم وتدفئة، على التوالي. الخط الأفقي والدائرة داخل الصندوق تظهر القيمة الوسيطة والمتوسطة، على التوالي. تشير الشعيرات إلى الانحراف المعياري.خريطة حرارية تظهر درجات تحليل التمييز الخطي (LDA) المحسوبة لعائلات جينات CAZy المختلفة وفرة (درجة LDAغير المعدلبين ظروف الاحترار وظروف التحكم. يتم الإشارة إلى العائلات التي تم إثراؤها تحت ظروف التحكم بواسطة درجة LDA سلبية (زرقاء)، والعائلات التي تم إثراؤها تحت معالجة الاحترار يتم الإشارة إليها بواسطة درجة إيجابية (صفراء). AA نشاط مساعد، CBM وحدة ربط الكربوهيدرات، CE استرaza الكربوهيدرات، GH هيدرولاز الجليكوسيد، GT نقل الجليكوزيل، PL ليز الكربوهيدرات. تمثل الحروف الموجودة فوق خريطة الحرارة فئة الركيزة المستخدمة بواسطة الإنزيمات من عائلة جينات CAZy المقابلة. تم توفير بيانات المصدر كملف بيانات مصدر. كان عدد متغيرات تسلسل الأمبليكون (ASV) المستخدمة في بناء الشبكة أقل، ولكنها أظهرت حجم شبكة نهائية أكبر للبكتيريا كما يتضح من إجمالي العقد (الشكل 1 أ، ب والجدول التكميلي 4). كما أظهرت الشبكة البكتيرية تحت تأثير الاحترار أيضًا اتصالًا أعلى (إجمالي الروابط)، ومتوسط اتصال (avgK؛ متوسط الروابط لكل عقدة)، ومتوسط معامل التجميع (مدى تجميع العقد) (الجدول التكميلي 4). بالإضافة إلى ذلك، زاد الاحترار التجريبي من إجمالي الروابط وavgK لشبكة الفطريات (الشكل 1 ج، د)، كما رفع أيضًا من النسب النسبية للهيكلية ونسبة العقد الأساسية لكل من الشبكات البكتيرية والفطرية (الشكل التكميلي 3). تشير هذه النتائج مجتمعة إلى تغيير في هيكل الشبكة وزيادة في تعقيد الشبكة نتيجة لمعالجة الاحترار. كشفت التحليلات الإضافية أن تكوين المجتمعات البكتيرية والفطرية المكتشفة في الشبكة اختلف بشكل ملحوظ بين معالجات الاحترار والتحكم.; الجدول التكميلي 3)، الذي كان مدفوعًا جزئيًا بالتغيرات في العوامل التربة (درجة حرارة التربة، الرقم الهيدروجيني، والمحتوى) ومتغيرات النبات (مؤشر الفرق الطبيعي للنباتات (NDVI) وكتلة الجذور) تحت الاحترار (الشكل التكميلي 4a، b). علاوة على ذلك، كانت الروابط بين القيم الذاتية المستندة إلى وحدات الشبكة والمتغيرات البيئية تختلف بين علاجات الاحترار والتحكم (الشكل التكميلي 4c-f). لمزيد من التفاصيل حول أوصاف الشبكة، وتحديد العقد الأساسية، وتحليل القيم الذاتية للوحدات، انظر الملاحظة التكميلية 2.
آثار الاحترار التجريبي على القدرات الأيضية للميكروبات
قمنا بدراسة إمكانيات استخدام الكربون الميكروبي بناءً على تسلسل الميتاجينوم والتعليق على قاعدة بيانات الإنزيمات النشطة للكربوهيدرات (CAZy). من بين الجينات المعلنة، كانت الهيدرازات الجليكوسيدية (GHs) ونقلات الجليكوزيل (GTs) أكثر فئات CAZy وفرة تحت كل من ظروف التحكم والاحترار، بينما كانت الفئات الأقل وفرة هي الليازات متعددة السكريات (PLs) والأنشطة المساعدة (AAs). في المجموع، اكتشفنا 237 عائلة CAZy، بما في ذلك 114 GHs، 46 GTs، 40 وحدات ربط الكربوهيدرات (CBMs)، 14 استرات الكربوهيدرات (CEs)، 18 PLs، و5 AAs. ظلت الوفرة النسبية لعائلات جينات CAZy الكلية دون تغيير تحت الاحترار (الشكل 2a).
ومع ذلك، تم إثراء 30 عائلة جينية مرتبطة بشكل أساسي بتفكيك الكربون المشتق من النباتات (مثل النشا، والهيمسيلولوز، والسليلوز، والبيكتين) تحت ظروف الاحترار، بينما كانت 13 عائلة جينية أكثر وفرة تحت الظروف العادية كما كشفت عنه طريقة تحليل التمييز الخطي (LDA) لحجم التأثير (LEfSe) (الشكل 2ب). وبما يتماشى مع النتائج المستندة إلى قاعدة بيانات CAZy، كشفت التوصيفات الجينية مقابل قاعدة بيانات كيوتو لدوائر الجينات والجنوم (KEGG) أيضًا أن الاحترار التجريبي زاد من الوفرة النسبية للجينات المشاركة في تفكيك النشا والهيمسيلولوز والسليلوز (الشكل التوضيحي 5). تشير هذه النتائج مجتمعة إلى زيادة الإمكانية لاستخدام الكربون المشتق من النباتات تحت ظروف الاحترار.
آثار التسخين التجريبي على فسيولوجيا الميكروبات
نظرًا لأهمية الفسيولوجيا الميكروبية في تأثيرها على استجابة الكربون في التربة للاحتباس الحراري، اعتمدنا طريقة مستقلة عن الركيزة تعتمد علىالاندماج في الحمض النووي الميكروبي لتحديد معدل النمو الميكروبي الإجمالي، تم قياس معدل تنفس الميكروبات بالتزامن مع ذلك. بالنظر إلى أن العمليات الفسيولوجية تعمل لكل وحدة من الكتلة الحيوية الميكروبيةتم استخدام معدلات محددة للكتلة للمقارنة. أظهرت النتائج أن التسخين في الموقع غير بعض خصائص الفسيولوجيا الميكروبية: ظلت معدلات النمو المحددة للكتلة دون تغيير بين ظروف التسخين وظروف التحكم (الشكل 3أ)، بينما تسارعت معدلات التنفس بشكل ملحوظ بسبب معالجة التسخين (; الشكل 3ب). وبالتالي، تم الكشف عن نسبة أقل من كفاءة استخدام الكربون الميكروبي (أي، النسبة المئوية للكربون المستوعب المستخدم للنمو) تحت تأثير الاحترار (الاحترار مقابل التحكم: مقابل ؛ من الآن فصاعدًا، يتم الإبلاغ عن البيانات كمتوسطاتأخطاء معيارية؛; الشكل 3ج). علاوة على ذلك، لم يختلف معدل دوران الميكروبات بين ظروف الاحترار وظروف التحكم (الشكل التوضيحي 6أ).
الكتلة الحيوية الميكروبية والتربة الديناميات استجابةً للاحتباس الحراري
لتقييم آثار الاحترار على الكربون المشتق من الميكروبات، استخدمنا علامة حيوية مقبولة على نطاق واسع، وهي السكريات الأمينية، لتتبع النخر الميكروبي.تم الحصول على ثلاثة سكريات أمينية فردية (بما في ذلك الجلوكوزامين (GluN) والغالكتوزامين (GalN) وحمض الموراميك (MurA)).
الشكل 3 | استجابات الفسيولوجيا الميكروبية للاحتباس الحراري التجريبي. مقارنة بين نمو الكتلة الميكروبية المحددة )، التنفس المحدد بالكتلة ( ) وكفاءة استخدام الكربون (CUE؛ ج) للتربة السطحية تحت ظروف الاحترار والضبط. يمثل المربع النطاق الربعي، مع الإشارة إلى الضبط باللون الأزرق والاحترار باللون الأصفر. الخط الأفقي والدائرة داخل المربع تظهر القيمة المتوسطة والقيمة المتوسطة، على التوالي. تشير الشعيرات إلىعينات مستقلة). عينات مرتبطةتم إجراء اختبارات (ثنائية الجانب) لمقارنة المتوسطات لـو CUE بين علاجات التسخين والتحكم. يتم توفير بيانات المصدر كملف بيانات مصدر.
الشكل 4 | تأثيرات التسخين التجريبي على كربون النخر الميكروبي في الطبقة السطحية للتربة. محتويات كربون النخر البكتيري (أ)، والفطري (ب)، والإجمالي (ج) تحت ظروف التسخين والضبط. يتم حساب إجمالي كربون النخر كجمع كربون النخر البكتيري والفطري.الفرق في نسبة الكتلة الحيوية الكلية C إلى الكربون العضوي في التربة بين معالجات التسخين والتحكم. يمثل الصندوق نطاق الربيع الربعي، مع الإشارة إلى التحكم والتسخين باللونين الأزرق والأصفر، على التوالي. الخط الأفقي والدائرة داخل الصندوق يوضحان القيمة الوسيطة والمتوسطة، على التوالي. تشير الشعيرات إلى الانحراف المعياري.“عينات مستقلة”. عينات مرتبطةتم استخدام اختبارات (ذو جانبين) لتحديد تأثيرات الاحترار على متوسطات الكتلة الحيوية الميكروبية الكربونية. تم توفير بيانات المصدر كملف بيانات مصدر. كانت محتويات GluN و MurA والسكر الأميني الكلي كمجموع للثلاثة الفردية أعلى بشكل ملحوظ تحت تأثير الاحترار“; الشكل التوضيحي الإضافي 7). ثم استخدمنا السكريات الأمينية لحساب الكتلة الميتة الميكروبية C ، ووجدنا أن الاحترار زاد من محتويات الكتلة الميتة البكتيرية والفطرية والإجمالية C (“; الشكل 4أ-ج). مع عدم تغيير محتوى الكربون العضوي في التربة بين ظروف الاحترار وظروف التحكم (الجدول التكميلي 2)، زادت نسبة الكتلة الميكروبية الميتة إلى الكربون العضوي في التربة بشكل ملحوظ منإلى تحت الاحترار ؛ الشكل 4د)، مما يعكس مساهمة أكبر من المركبات المشتقة من الميكروبات في تجمع الكربون في التربة في سياق الاحترار.
كلاهما (توصيف إطلاق الكربون من التربة) و MAOC (تشير إلى استقرار الكربون في التربة) تم تغييرها بواسطة التسخين التجريبي. مقارنةً بالتحكم، فإن معالجة التسخين زادت بشكل كبيربواسطة ( ؛ الشكل 5أ)، كما تم الإبلاغ عنه في السنوات الثلاث الأولى من تحذير عندماتم رفعه بواسطة. بالنسبة لتثبيت الكربون في التربة، كانت نسبة MAOC تحت التسخين أعلى بشكل ملحوظ من تلك تحت السيطرة (التسخين مقابل السيطرة: مقابل “; الشكل 5ب). على عكس MAOC، لم يظهر نسبة POC (الكربون العضوي الجزيئي) أي فرق ذي دلالة إحصائية بين الاحترار والتحكم (الشكل التكميلية 8أ)، بينما انخفض POC الثقيل تحت الاحترار (; الشكل التوضيحي الإضافي 8ب). تشير هذه النتائج مجتمعة إلى زيادة فقدان الكربون في التربة من خلال تنفس الميكروبات، ولكن في الوقت نفسه، تشير إلى تراكم مستقر للكربون في التربة ناتج جزئيًا عن الكتلة الحيوية الميتة للميكروبات تحت ظروف الاحترار.
نقاش
المعرفة بعواقب ارتفاع درجة حرارة المناخ على المجتمعات الميكروبية في التربة وعمليات دورة الكربون التي تتحكم فيها مهمة لـ
الشكل 5 | آثار الاحترار على إطلاق الكربون من التربة واستقراره. أ معدل تنفس التربة غير الذاتي ( ) خلال موسم النمو في عام 2020. ب نسبة الكربون العضوي المرتبط بالمعادن (MAOC) إلى إجمالي الكربون العضوي في التربة السطحية. تمثل النقاط على اليسار من الكمان البيانات المقابلة من حالة التحكم (باللون الأزرق) أو حالة الاحترار (باللون الأصفر). الدائرة البيضاء داخل الكمان تظهر القيمة المتوسطة، وشريط الخطأ يدل على الانحراف المعياري ( “عينات مستقلة”. عينات مرتبطة-اختبارات (ثنائية الجانب) تم استخدامها لمقارنة المتوسطات لـو MAOC بين علاجات التسخين والتحكم. يتم توفير بيانات المصدر كملف بيانات المصدر.
فهم وتوقع ديناميات الكربون في التربة في منطقة التربة المتجمدة. استنادًا إلى أكثر من نصف عقد من تجربة تسخين OTC في نظام التربة المتجمدة، تقدم هذه الدراسة أدلة شاملة حول استجابات الميكروبات لتغير المناخ، وتستكشف أدوار الميكروبات في التأثير على إطلاق الكربون في التربة واستقراره. كشفت نتائجنا أن خصائص ميكروبية متعددة، بما في ذلك الفسيولوجيا الميكروبية، وتعقيد الشبكات، والقدرات الأيضية، والكتلة الميتة، شكلت معًا الأدوار المزدوجة للميكروبات في التأثير على عمليات الكربون في التربة تحت سيناريو التسخين.
أظهرت نتائجنا أن معالجة التسخين عززت بشكل كبيردون تغييرات قابلة للاكتشاف في تركيب المجتمع الميكروبي (الشكل 5 أ والجدول التكميلي 3)، مما يضعف جزئيًا فرضيتنا الأولى ويشير إلى آليات ميكروبية أخرى وراء. من ناحية، الزيادة فييمكن أن يُعزى تأثير الاحترار التجريبي إلى انخفاض كفاءة استخدام الكربون الميكروبي (الشكل 3c). من المتوقع عمومًا أن يؤدي ارتفاع درجة الحرارة إلى زيادة تكلفة الطاقة للحفاظ على الكتلة الحيوية الحالية، مما يؤدي بدوره إلى تقليل كفاءة الميكروبات.يتماشى مع هذه النقطة، توفر نتائجنا دليلاً واضحًا على التكيف الفسيولوجي للميكروبات نحو زيادة تكلفة الصيانة عند درجات حرارة مرتفعة في منطقة التربة الصقيعية الحساسة للمناخ، دون تأقلم (أي، العودة إلى الظروف السابقة للتسخين).بعد أكثر من نصف عقد من العلاج بالاحترار. وبناءً عليه، تم تسريع معدل تنفس الميكروبات أكثر بسبب الاحترار مقارنة بالنمو (الشكل 3 أ، ب)، مما أدى إلى زيادة إطلاق الكربون من التربة من خلال التنفس غير الذاتي. من ناحية أخرى، عزز الاحترار التجريبي تعقيد الشبكات الميكروبية، مما قد يؤثر بشكل إيجابي على وظائف النظام البيئي المتعلقة بتحلل الميكروبات.يمكن أن تقود المجتمعات الميكروبية وظائف النظام البيئي من خلال مجموعة متنوعة من التفاعلات بين أنواع مختلفةتشكيل شبكات بيئية مع تدفق الطاقة والمواد والمعلوماتتم إنشاء شبكات أكثر تعقيدًا تحت ظروف الاحترار مع تركيبة مجتمعية ميكروبية مميزة (الشكل 1 والجدول التكميلي 3)، مما يشير إلى أن الأنواع الميكروبية التي تتكيف بشكل أفضل مع درجات الحرارة المرتفعة وغيرها من التغيرات التربة والنبات المرتبطة (مثل زيادة النيتروجين غير العضوي وكتلة النبات؛ الجدول التكميلي 2) يمكن أن تبني هياكل شبكية جديدة.وبالتالي، يمكن تعزيز التحلل الميكروبي بسبب التأثيرات الإيجابية لتعقيد الشبكة على الوظائف الميكروبية.بشكل جماعي، كشفت هذه النتائج عن تعزيزمدفوعًا بانخفاض كفاءة استخدام الكربون الميكروبي ووجود شبكات ميكروبية أكثر تعقيدًا في سياق الاحترار المناخي. ومن الجدير بالذكر أن الشبكات الميكروبية تُبنى على أساس الارتباطات الثنائية بين وحدات التصنيف الجزيئي (ASVs) التي لا تثبت التفاعلات المباشرة بين الأنواع الميكروبية، لذا يجب توخي الحذر عند استنتاج العلاقات في هذه الشبكات المشتركة.. بالإضافة إلى ذلك، يمكن أن تكون العوامل غير الحية الأخرى التي تأثرت بشكل مباشر (زيادة درجة حرارة التربة) أو غير مباشر (مثل زيادة العناصر الغذائية المتاحة) نتيجة للاحتباس الحراري التجريبي مرتبطة أيضًا بالتحفيز.
أظهرت نتائجنا أيضًا أن التسخين التجريبي زاد بشكل كبير من محتوى الكتلة الميتة الميكروبية C ونسبتها إلى إجمالي الكربون العضوي في التربة (الشكل 4)، مما قد يزيد بشكل أكبر من حوض الكربون المستقر في التربة (أي MAOC؛ الشكل 5b) بسبب المساهمة الحيوية للمركبات المشتقة من الميكروبات في احتجاز الكربون في التربة.يدخل الكربون المشتق من الميكروبات إلى التربة بشكل أساسي من خلال مسار التحول داخل الكائن الحي؛ أي أن الكائنات الدقيقة في التربة تقوم أولاً بامتصاص المركبات المتاحة، ثم تودع نواتج الأيض في التربة من خلال توليد الخلايا والنمو والموت.نظرًا لأن هذه المسار مدفوع بتجدد الميكروبات وقد يتأثر بالقدرة البنائية للميكروبات، فقد تم اعتبار سابقًا أن تسريع تجدد الميكروبات وزيادة الكربون المخصص للنمو سيعزز تراكم بقايا الميكروبات.من المدهش، وبخلاف هذا الرأي وفرضيتنا الثانية، وجدنا أن معالجة الاحترار زادت من محتوى الكتلة الحيوية الميكروبية الميتة (C) دون تغيير معدل نمو الميكروبات ومعدل دورانها (الشكل 3أ والشكل التكميلي 6أ). قد يكون هذا الاختلاف ناتجًا عن حقيقة أن تراكم الكتلة الحيوية الميكروبية الميتة (C) في التربة يتحدد من خلال كل من مدخلاتها ومخرجاتها، بالإضافة إلى ارتباطها بالمعادن في التربة.. بينما أشار نمو الميكروبات غير المتغير ومعدل الدوران إلى اختلاف طفيف في تكوين النخر، يمكن تعزيز بقاء الكربون النخري تحت الاحترار بسبب الجانبين التاليين. أولاً، كانت الميكروبات في التربة أكثر احتمالاً لاستخدام المركبات المشتقة من النباتات، بينما كانت المخلفات الميكروبية الجديدة أقل تحللًا نسبيًا وبالتالي تراكمت مع مرور الوقت. وقد تم دعم الاستنتاج من خلال الجينات الوظيفية الميكروبية الغنية المعنية في تحلل المواد النباتية (مثل النشا، والهيمسيلولوز، والسليلوز، والبيكتين) (الشكل 2ب والشكل التكميلي 5). علاوة على ذلك، كانت الوفرة النسبية لمعظم الجينات الوظيفية التي تم إثراؤها تحت الاحترار مرتبطة إيجابيًا بكتلة الجذور (الشكل التكميلي 9)، مما يشير إلى أنه مع زيادة مدخلات الكربون من النباتات، فإن الاحترار التجريبي لديه القدرة على تحفيز تحلل الميكروبات لهذه المركبات. ثانيًا، يمكن أن تعزز الظروف الأكثر دفئًا الحفاظ على النخر الميكروبي. في منطقة التربة المتجمدة حيث هيمنت المناخات الباردة، فإن ارتفاع درجة حرارة التربة سيفضل تفاعلات الامتصاص العضوي المعدني مثل تبادل الروابط.بحيث يمكن تثبيت المزيد من الكربون المشتق من الميكروبات من خلال ارتباطاتها مع معادن التربة. وبناءً عليه، زادت نسبة الكربون العضوي المعدني (MAOC) التي تتكون أساسًا من الكربون المشتق من الميكروبات بشكل كبير (الشكل 5ب)، مما يشير إلى تعزيز استقرار كربون التربة تحت ظروف الاحترار. ومع ذلك، بالنظر إلى أن الزيادة في كربون النخر هي نتيجة للتراكم على المدى الطويل، يُشجع على إجراء تجارب مع بيانات ميكروبية زمنية لفهم التغيرات في هذه المجموعة المستقرة من كربون التربة بشكل أفضل.
على الرغم من أن هذه الدراسة قدمت رؤى مهمة حول أدوار الميكروبات في التوسط في ديناميات الكربون في التربة استجابةً للاحتباس الحراري التجريبي، إلا أن هناك بعض القيود لا تزال موجودة. أولاً، فإن تحليلات الميكروبات
الشكل 6 | مخطط تصوري يوضح الأدوار الميكروبية المزدوجة في التوسط في ديناميات الكربون في التربة تحت التسخين التجريبي. إن انخفاض كفاءة استخدام الكربون الميكروبي (CUE) وزيادة تعقيد الشبكة الميكروبية يعززان التنفس غير الذاتي في التربة.بينما يؤدي التحلل الميكروبي التفضيلي للكربون المشتق من النباتات إلى تراكم الكتلة الميكروبية الميتة وبالتالي يزيد من نسبة الكربون العضوي المرتبط بالمعادن (MAOC). R تنفس الميكروبات، G نمو الميكروبات.
تمت دراسة تركيب المجتمع والقدرات الوظيفية بناءً على تسلسل الحمض النووي الذي قدم بيانات وفرة نسبية بدلاً من القيم المطلقة. توسيع الدراسات التي تعتمد على تفاعل البوليميراز المتسلسل الكمي (PCR)، وإضافة خلايا ميكروبية.، ويجب إجراء اختبارات الإنزيمات لتمكين قياس الجينات التصنيفية والوظيفية. ثانياً، النتائج المبلغ عنها هنا مستمدة من موقع واحد في هضبة التبت الشمالية الشرقية. يجب أن تتضمن الأبحاث المستقبلية المزيد من مواقع الدراسة مثل التجارب الموزعة المنسقة.مطلوب فحص ما إذا كانت الآليات الميكروبية التي تكمن وراء عمليات الكربون في التربة التي لوحظت في نظام هذا العشب البيئي قابلة للتطبيق على مناطق أخرى من التربة المتجمدة.
باختصار، استنادًا إلى أكثر من نصف عقد من التجارب على الاحترار في موقعها في منطقة التربة الصقيعية في التبت، كشفت نتائجنا عن الأدوار المزدوجة للمجتمعات الميكروبية في التوسط في عمليتين لثاني أكسيد الكربون في التربة (أي، إطلاق الكربون من التربة واستقراره) استجابةً للاحتباس الحراري التجريبي (الشكل 6). أدت انخفاض كفاءة استخدام الكربون الميكروبي وزيادة تعقيد الشبكات البكتيرية والفطرية تحت الاحتباس الحراري التجريبي إلى تعزيزبينما أدت التحلل الميكروبي التفضيلي للركائز المشتقة من النباتات إلى تراكم الكتلة الميكروبية الميتة وبالتالي زيادة نسبة حوض الكربون المستقر في التربة (أي MAOC). هذه النتائج لها عدة تداعيات مهمة على توقع مصير الكربون في التربة في مناطق التربة المتجمدة تحت سيناريوهات الاحترار المناخي المستقبلية. أولاً، نظرًا لأن تسريع التحلل الميكروبي تحت الاحترار التجريبي كان مدفوعًا جزئيًا بانخفاض كفاءة استخدام الكربون، فقد يتضاءل التأثير مع مرور الوقت لأن الكتلة الحيوية الميكروبية انخفضت مع تخصيص كميات أقل من الكربون للنمو (الشكل التوضيحي التكميلي 6ب، ج). ثانيًا، يبرز الحفاظ التفضيلي على المركبات المشتقة من الميكروبات التي ترتبط بسهولة مع معادن التربة أهمية الأيض الميكروبي في استقرار الكربون في التربة.تحت الاحترار التجريبي. النسبة الأكبر الناتجة من MAOC، جنبًا إلى جنب مع الاستجابة المخففة للتنفس الميكروبي، تشير إلى أن ردود فعل الكربون في التربة الدائمة التجمد على المناخ في المستقبل قد لا تكون قوية كما كان يُعتقد سابقًا. أخيرًا، بالنظر إلى أن الخصائص المختلفة للمجتمعات الميكروبية (مثل أنماط التواجد المشترك الميكروبي، القدرات الأيضية والفسيولوجيا) أثرت على عمليات كربون التربة الناتجة عن الاحترار، فإن تمثيل هذه الخصائص الميكروبية بشكل صريح في نماذج نظام الأرض أمر ضروري للغاية للتنبؤ بدقة بمصير كربون التربة الدائمة التجمد في ظل بيئة متغيرة.
طرق
وصف الموقع وتصميم التجربة
كان موقع التجارب الحرارية في الموقع يقع عند سفح جبل وايان فوق مستوى سطح البحر) في مقاطعة غانغتشا، مقاطعة تشينغهاي، الصين. يقع موقع هذه الدراسة فوق طبقة من الجليد الدائم غير المتواصل، بسمك طبقة نشطة . يتميز الموقع بأنه نظام بيئي من مستنقعات المروج بمتوسط درجة حرارة الهواء السنوية ومتوسط هطول الأمطار السنوي تسود النباتات في موقع الدراسة النباتات العشبية، بما في ذلك بشكل رئيسي كوبرسيا التبتية وكاريكس أتروفوسكا (تمثلمن إجمالي الكتلة الحيوية فوق الأرض)نوع التربة هو كامبيسول وفقًا لنظام الفاوhttp://www.fao.org/)، مع طينطين، ورمل. بدأت تجربة تسخين الحقل بتصميم مزدوج في يونيو 2013، عندما كان هناك عشرة تم إنشاء الكتل بشكل عشوائي فيمنطقة مسيجة (الشكل التوضيحي التكميلي 10). داخل كل كتلة، قمنا بترتيب مخططات التحكم والتسخين بشكل مائل، حيث كانت الأولى تقع في إحدى الزوايا ( ) والأخيرة في الزاوية المقابلة مع OTC سداسي الشكل. تم بناء OTCs من بوليميثيل ميثاكريلات الشفاف، واستخدمت لتسخين الهواء والتربة على مدار السنة في الحقل. تم مراقبة درجة حرارة التربة ورطوبتها على عمق 5 سم في فترات معأجهزة الاستشعار المتصلة بسجلات بيانات EM50 (شركة Decagon Devices Inc.، بولمان، واشنطن، الولايات المتحدة الأمريكية). كانت OTCs تزيد باستمرار من درجة حرارة التربة السطحية بـفي الرسوم البيانية للاحتباس الحراري ولكن لم تغير رطوبة التربة منذ عام 2014 (الجداول التكميلية 1 و 2).
بعد علاج التسخين المستمر لمدة 6 سنوات، تم أخذ عينات من التربة في يوليو من عامي 2019 و2020، وتم فحص تأثيرات التسخين على العوامل الحيوية وغير الحيوية من خلال مقارنة خصائص العينات المجمعة من علاجات التسخين والتحكم في نفس السنة. باختصار، بالنظر إلى أن أجهزة OTC تسخن بشكل أساسي التربة السطحية.ثلاثة عينات عشوائية من التربة فيتم جمع عينات التربة من كل قطعة أرض وخلطها كعينة مركبة. في المجموع، تم الحصول على 20 عينة تربة (10 من قطع التحكم و10 من قطع التسخين) كل عام، والتي تم نقلها إلى المختبر على الفور في مبرد. قمنا بإزالة جميع الجذور من كل عينة تربة ونخلت التربة من خلالشبكة للتحليلات اللاحقة. تم شطف جميع الجذور من التربة الملتصقة، بعد ذلك تم تمييز الجذور الحية عن الجذور الميتة وفقًا للونها ومرونتها.تم تجفيف الجذور الحية في الفرن حتى الوصول إلى كتلة ثابتة، وتم وزنها لتحديد كتلة الجذور فيالتربة لتعكس التغيرات المحتملة في مدخلات الكربون من النباتات إلى التربة والآثار المرتبطة بذلك على وظيفة الميكروبات في الطبقة السطحية للتربة.
لاستكشاف تأثيرات الاحترار على ديناميات الكربون في التربة، قمنا بتحديد في الموقعوتوزيع الكربون العضوي في كسور التربة المختلفة، كما تم قياس مجموعة من الخصائص الفيزيائية والكيميائية للتربة. لفحص أدوار الميكروبات التربة في التأثير على عمليات الكربون في التربة، قمنا بتحديد تركيب المجتمع الميكروبي وكربون النخر الميكروبي لعينات التربة التي تم جمعها في عام 2019 (والتي استخدمت أيضًا لقياسات توزيع الكربون وخصائص التربة الفيزيائية والكيميائية). لتقديم دليل شامل على استجابات الميكروبات للاحتباس الحراري التجريبي، تم تحديد الخصائص الوظيفية والفسيولوجية للميكروبات لعينات التربة التي تم الحصول عليها في عام 2020. تم مقارنة كل سمة بين معالجات الاحتباس الحراري والتحكم للعينات المجمعة في نفس العام لتعكس آثار الاحتباس الحراري.
قياسات التنفس غير الذاتي وتحليلات التربة الكيميائية
في الميدان، قمنا بقياسباستخدام نهج الحفر (أي تقنية استبعاد الجذور). لقد ركزنا على لأنها كانت نتيجة للأنشطة الميكروبية. باختصار، تم إدخال طوق من PVC (بقطر 20 سم، وارتفاع 62 سم) في التربة إلى عمق 60 سم في يونيو 2013 لقطع الجذور الموجودة ومنع نمو الجذور المستقبلية. كان الطوق قادرًا على القضاء على معظم الجذور حيث كانت التربة العلوية بعمق 60 سم تحتوي على أكثر منالجذور في موقع دراستناتنفس التربة المقاس من تم اعتبار هذا الطوق “الخالي من الجذور” كـقبل يوم واحد على الأقل من كل قياس، تم إزالة النباتات الحية من سطح التربة يدويًا من الحلقة عند الضرورة.، مع تجنب الإزعاج لملف التربة والسكان. ومع ذلك، على الرغم من كونها طريقة مستخدمة على نطاق واسع لـقياسإن استبعاد الجذور سيقلل من إفرازات الجذور وبالتالي سيقلل من التقديربسبب نقص تأثير تنشيط منطقة الجذورتم تحديده باستخدام جهاز LI-8100A الآلي لقياس التربةنظام التدفق (Li-Cor Inc.، لنكولن، نبراسكا، الولايات المتحدة الأمريكية) بين الساعة 9:00 صباحًا و12:00 ظهرًا (بتوقيت محلي) مرتين إلى ثلاث مرات في الشهر من مايو إلى أكتوبر في عام 2020. في الوقت نفسه، قمنا بتحديد NDVI باستخدام كاميرا متعددة الطيف (ADC Lite، Tetracam، شاتسوورث، كاليفورنيا، الولايات المتحدة الأمريكية) لتعكس تأثيرات الاحترار على نمو النباتات فوق سطح الأرض.
تم قياس مجموعة من الخصائص الكيميائية لعينات التربة لفحص تأثيراتها المحتملة على المجتمعات الميكروبية تحت التسخين التجريبي. باختصار، تم قياس محتوى الكربون الكلي لعينات التربة بواسطة محلل العناصر (Multi EA 4000، Analytik Jena، يينا، ألمانيا)، والذي تم اعتباره كربون عضوي لأنه لم يتم الكشف عن كربون غير عضوي في العينات.. تم استخراج DOC باستخدام وتم تحديده بواسطة Multi N/Cمحلل (Analytik Jena، يينا، ألمانيا). الـ– ن وتم قياس تركيزات النيتروجين باستخدام محلل تدفق مستمر (SEAL AutoAnalyzer 3، SEAL Analytical، نوردشتيدت، ألمانيا) بعد استخراج عينات التربة باستخدام محلول 1 M KCl. تم قياس درجة حموضة التربة في خليط 1:2.5 من التربة إلى الماء بواسطة مقياس حموضة (PB-10، سارتوريوس، ألمانيا).
تجزئة المادة العضوية في التربة
لاستكشاف تأثيرات الاحترار على توزيع الكربون في التربة، اعتمدنا نهج الفصل المدمج للكثافة والحجم لفصل المادة العضوية في التربة الكلية إلى ثلاث فئات.. على وجه التحديد، تم تعليق 10 جرامات من عينات التربة المجففة بالهواء في 50 مل منالحل. تم هز التعليق باليد لضمان ترطيب التربة بالكامل ثم تم تفريقه بواسطة الموجات فوق الصوتية. لإطلاق المواد العضوية الجزيئية المحجوبة (POM). بعد ذلك، تم السماح للمعلق بالوقوف لمدة 30 دقيقة ثم تم الطرد المركزي لمدة 30 دقيقة لضمان ترسيب الكتلة الثقيلة. الكتلة الخفيفة (أي، POM ذات الكثافة ) تم جمعه وشطفه جيدًا من NaI باستخدام الماء المقطر على فلتر GF/F (واتمان GmbH، داسل، ألمانيا). المادة المتبقية من التربة ( ) تم شطفه جيدًا من NaI وتم غربلته مرة أخرى من خلال شاشة لفصل POM الثقيل ) والمواد العضوية المرتبطة بالمعادن (MAOM؛ ). تم تجفيف جميع الكسور (POM و POM الثقيل و MAOM) في الفرن، وتم وزنها وتحليل محتوى الكربون باستخدام محلل العناصر (Multi EA 4000، Analytik Jena، يينا، ألمانيا)، وبعد ذلك تم حساب توزيع الكربون في كل كسر (المسمى POC و POC الثقيل و MAOC، على التوالي). استعدنا في المتوسط الكتل التربة الأولية و للكربون في التربة عبر جميع العينات المشاركة في هذه الدراسة.
قمنا بإجراء تسلسل الأمبليكون لتقييم تركيبة المجتمع البكتيري والفطري تحت ظروف الاحترار وظروف التحكم. على وجه التحديد، تم تخزين 0.5 جرام من التربة فيتم استخدامه لاستخراج الحمض النووي (مجموعة FastDNA SPIN للتربة، MP Biomedicals). تم قياس تركيز وجودة الحمض النووي بواسطة جهاز الطيف الضوئي NanoDrop One (Thermo Fisher Scientific، وولثام، ماساتشوستس، الولايات المتحدة الأمريكية). بعد ذلك، تم استخدام مجموعات البرايمر، 515F (-GTGCCAGCMGCCGCGGTAA-3) و 806R (-GGACTACH VGGGTWTCTAAT-3) تستهدف المنطقة الفائقة التغير V4 من جين الرنا الريباسي 16S للبروكاريوت، و ITS3 ( -GCATCGATGAAGAACGCAGC-3) و ITS4 (-TCCTCCGCTTATTGATATGC-3) لمنطقة ITS2 الفطرية، تم استخدامها للتضخيم. تم إجراء تضخيم PCR لجين 16S rRNA عند لمدة 5 دقائق، تليها 30 دورة من لـ لمدة 30 ثانية، و لمدة 30 ثانية، مع تمديد نهائي عند لمدة 8 دقائق. تم إجراء تفاعل البوليميراز المتسلسل (PCR) لمنطقة ITS2 تحت الظروف التالية: لمدة 30 ثانية، تليها 32 دورة من لـلـ
20 ثانية، و لمدة 30 ثانية، مع تمديد نهائي عند لمدة 8 دقائق. تم الكشف عن منتجات PCR بواسطة تمت عملية الفصل الكهربائي لهلام الأجاروز وتم تنقيته باستخدام مجموعة استخراج الهلام EZNA (أوميغا، نوركروس، جورجيا، الولايات المتحدة الأمريكية). ثم تم تجميع منتجات تفاعل البوليميراز المتسلسل المنقاة في مكتبات وتم تسلسلها على منصة إيلومينا هاي سيك 2500 (إيلومينا، سان دييغو، كاليفورنيا، الولايات المتحدة الأمريكية) معأطقم أزواج القواعد (شركة قوانغدونغ ماغيجين للتكنولوجيا الحيوية المحدودة، قوانغتشو، الصين).
تم تقليم القراءات الخام بواسطة TrimGalore (الإصدار 0.6.10) (https:// github.com/FelixKrueger/TrimGalore) لإزالة القراءات ذات الجودة المنخفضة (درجة الجودة )، ثم تم دمجها باستخدام USEARCH تمت إزالة البرايمرات والقراءات ذات الجودة المنخفضة (<200 نقطة أساسية) باستخدام ملحق cutadapt ضمن QIIME2. (v2024.2) و USEARCH، على التوالي. بعد ذلك، تم إزالة التكرارات من القراءات النظيفة باستخدام الأمر -fastx_uniques ثم تم تجميعها في ASVs باستخدام خوارزمية unoise3. باستخدام USEARCH. تم توضيح تسلسلات ASV التمثيلية المختارة لـ 16 S و ITS تصنيفياً باستخدام Silva. (v138) واتحد (v9.0) قواعد البيانات على التوالي، باستخدام خوارزمية SINTAX في USEARCH. تم إزالة ASVs التي لم يتم تصنيفها كبدائيات النوى (أي، البكتيريا والعتائق) أو الفطريات. تم تقليل مصفوفات ASV لـ 16S وITS إلى الحد الأدنى من عدد التسلسلات عبر جميع العينات على التوالي للتحليلات اللاحقة (أي، حساب التنوع وتركيب المجتمع، وبناء الشبكة).
تسلسل الميتاجينوم ومعالجة البيانات
قمنا بإجراء تسلسل الميتاجينوم على 20 عينة من التربة لاستكشاف تأثيرات الاحترار على الوظائف الميكروبية المحتملة. تم بناء مكتبات الميتاجينوم من العينات وتسلسلها على منصة إلومينا هاي سيك 2500 (إلومينا، سان دييغو، كاليفورنيا، الولايات المتحدة الأمريكية) معأطقم أزواج القواعد (شركة قوانغدونغ ماغيجين للتكنولوجيا الحيوية المحدودة، قوانغتشو، الصين). حصلنا على 1.5 مليار قراءة خام إجمالاً من 20 عينة. بالنسبة لمعالجة التسلسل، تم استخدام Trimmomatic (v0.39) تم استخدامه لإزالة المحولات وقص القراءات الخام. تم تجميع البيانات النظيفة المفلترة لكل عينة أولاً باستخدام MEGAHIT (الإصدار 1.2.9) مع المعلمات: k -min -ماكس 95، وk -خطوة 20، وتم استبعاد السلاسل الأقصر من 500 نقطة أساسية. ثم تم تجميع القراءات التي لم يمكن رسمها على السلاسل معًا وتم إعادة تجميعها باستخدام نفس المعايير المستخدمة في العينات الفردية. تم دمج التجميعات الناتجة من الخطوتين، واستخدمت لتوقع إطارات القراءة المفتوحة (ORFs) بواسطة بروجيكال. ( الإصدار 2.6.3 ). بعد ذلك، تم تجميع ORFs وإزالة التكرار باستخدام هوية التسلسل باستخدام خوارزمية لينكلوست من MMseqsللحصول على كتالوج جيني غير مكرر. لكشف التغيرات في القدرات الأيضية الميكروبية المحتملة مع ارتفاع درجات الحرارة، تم توضيح الجينات المتوقعة مقابل قواعد بيانات مختلفة. تم التوضيح مقابل قاعدة بيانات CAZy (CAZyDB.07312018) تم تنفيذها باستخدام run_dbcan تم الحصول على استخدام الركيزة للإنزيمات من عائلة CAZy استنادًا إلى قاعدة بيانات CAZy والأدبيات السابقة (الجدول التكميلي 5). بالإضافة إلى ذلك، تم توضيح الجينات عبر DIAMOND. (v0.9.14) إلى قاعدة بيانات KEGG (تم التنزيل في 1 أبريل 2020؛ https://www.kegg.jp/kegg/download/تم الحصول على مصطلحات KEGG Orthology (KO) المعنية في مسارات استخدام الركيزة من قاعدة بيانات KEGG والأدبيات المنشورة.تمت محاذاة القراءات النظيفة إلى كتالوج الجينات باستخدام (v0.7.17)، ووفرة كل جين بالنسبة للعينة تم حسابه على النحو التالي :
أينهو الوفرة النسبية للجينفي العينةهي العدات التي تخص الجينيمكن اكتشافه في العينة، و هو طول الجين.
تحديد الفسيولوجيا الميكروبية
لتقييم استجابات الفسيولوجيا الميكروبية للاحتباس الحراري التجريبي، قمنا بتحديد معدلات نمو الميكروبات وCUE بواسطة طريقة مستقلة عن الركيزة وفقًا لدمجإلى الحمض النووي الميكروبي. على وجه التحديد، عينات التربة الطازجة التي تم تخزينها سابقًا فيتم تعديلها إلىسعة احتباس الماء (WHC) وتم تحضيره مسبقًا عند (درجة حرارة التربة التي يمكن أن تصل إليها خلال موسم النمو) لمدة 7 أيام. ثم تم وزن نسختين (واحدة كعينة موسومة والأخرى كعينة وفرة طبيعية) من 300 ملغ من التربة المسبقة الحضانة في أنابيب تفاعل سعة 2 مل، وتم وضع كل أنبوب مفتوح في قنينة سعة 50 مل مختومة بغطاء مضغوط. تم ضخ القناني التي تحتوي على عينات التربة بالإضافة إلى القناني الفارغة كعينة تحكم بـهواء خالٍ. بعد ذلك، تم إضافة عينات موسومة بـيصل إلىمن WHC و 20منفي الماء النهائي للتربة، بينما حصلت العينة ذات الوفرة الطبيعية على نفس حجم الماء من درجة البيولوجيا الجزيئية غير المعلم. تم احتضان القوارير فيلمدة 24 ساعة، بعد ذلك فراغ الرأستم تحديد التركيز بواسطة جهاز كروماتوغرافيا الغاز Agilent 7890A (أجيلة تكنولوجيز، سانتا كلارا، كاليفورنيا، الولايات المتحدة الأمريكية). تم حساب معدل تنفس الميكروبات بناءً على الفرق فيتركيز بين العينات والشهادات الفارغة.
على الفور بعد أخذ عينة الغاز، تم إغلاق أنبوب التفاعل ووضعه في سائل. بعد ذلك، تم استخراج الحمض النووي من عينات التربة باستخدام مجموعة FastDNA SPIN Kit for Soil (MP Biomedicals) وفقًا لدليل التعليمات مع تعديلين. : (1) تم تمديد وقت الطرد المركزي الأول إلى 15 دقيقة؛ (2) تم نقل تعليق مصفوفة الربط بالكامل إلى الفلتر. تم تسجيل وزن مستخلص الحمض النووي ثم تم قياس تركيز الحمض النووي باستخدام مجموعة اختبار Quant-iT PicoGreen dsDNA (ثيرمو فيشر).تم تحليل وفرة الأكسجين الكلي ومحتوى الأكسجين باستخدام محلل عنصري متصل بجهاز مطياف الكتلة لنسبة النظائر 253 بلس عبر جهاز Conflo IV (ثيرمو فيشر ساينتيفيك، وولثام، ماساتشوستس، الولايات المتحدة الأمريكية). تم قياس كمية الحمض النووي المنتجة خلال فترة الحضانة ( ) تم حسابه على النحو التالي :
أينيمثل إجمالي محتوى الأكسجين في مستخلص الحمض النووي المجففهو الفائضوفرة (نسبة مئوية) من العينات الموسومة مقارنةً بالمتوسط النسبة المئويةمن عينات الوفرة الطبيعية، هو في محلول التربة النهائي للعينة الموسومة، يشير الثابت 31.21 إلى الكتلة النسبية للأكسجين (%) في الحمض النووي وفقًا لجزيء الحمض النووي المتوسط. لتحويل الحمض النووي المنتج إلى ما يعادل إنتاج الكربون الحيوي الميكروبي (MBC)، قمنا بإجراء إجراء استخراج التبخير بالكلوروفورم تلاه تحليلات على جهاز Multi N/C 3100 TOC/TN.محلل (Analytik Jena، يينا، ألمانيا) لتحديد MBC (عامل التحويل 0.45إنتاج MBC، أي، نمو الميكروباتالكتلة الجافة للتربة ) لكل عينة تم حسابه على النحو التالي:
أين و هي محتويات الكربون الحيوي الميكروبي لعينةالكتلة الجافة للتربة) وDNA (“الكتلة الجافة للتربة”، هو الكتلة الجافة للتربة المستخدمة للتعقيم ( جرام )، و هو وقت الحضانة (س). نظرًا لأن العمليات الفسيولوجية الميكروبية تعمل لكل وحدة من الكتلة الحيوية، فقد حصلنا أيضًا على نمو محدد للكتلة الحيوية ( ) والتنفس ( تم تحديد CUE الميكروبي على النحو التالي:
أين هو التنفس الميكروبي (الكتلة الجافة للتربةمعدل دوران الميكروبات; يوم ) تم تقديره على أنه:
تحليلات السكريات الأمينية
تم تحليل السكريات الأمينية في عينات التربة وفقًا لبروتوكول سابقواستخدمت لحساب الكتلة الحيوية الميتة للميكروبات C. باختصار، تم تحليل عينات التربة المجففة بالتجميد والمطحونة التي تحتوي على أكثر من 0.3 ملغ من النيتروجين باستخدام 6 م HCl تحتوي علىمايو إينوزيتول (معيار داخلي) لمدة 8 ساعات عندتم ترشيح الهيدروليز، وضبطه على درجة حموضة 6.6-6.8، ثم تم الطرد المركزي. بعد ذلك، تم تبخير المحلول العلوي حتى الجفاف في، وتم إعادة ذوبان السكريات الأمينية في 5 مل من الميثانول، ونقلت إلى قوارير وجففت عندمعتم إضافة الرواسب مع 1 مل من الماء المقطر و معيار N-ميثيلغلوكامين، وتم تجفيفه بالتجميد. ثم تم معالجة تحويل الأسيتات الألدونونيتريل للسكريات الأمينية عن طريق إضافة مادة تحويل تحتوي على هيدروكسيلامين هيدروكلوريد ( ) و 4-(ثنائي ميثيل أمين) بيريدين ( ) في بيريدين-ميثانول، والتسخين عندلمدة 35 دقيقة. تم أسيتيل المشتقات بمقدار 1 مل من أنهدريد الأسيتيك وتم إعادة تسخين المحلول لـ. ثم، تم إضافة 1.5 مل من ثنائي كلورو ميثان و 1 مل من 1 م HCl بشكل متتابع. تم تفاعل كواشف الاشتقاق الزائدة مع 1 م HCl وإزالتها عن طريق الغسل ثلاث مرات بالماء المقطر. تم تجفيف الطور العضوي عند مع“، وأعيد تعليقها في أسيتات الإيثيل-الهكسان (1:1)، والتي تم تحليلها أخيرًا بواسطة جهاز كروماتوغرافيا الغاز Agilent 7890B (Agilent Technologies، سانتا كلارا، كاليفورنيا، الولايات المتحدة الأمريكية) المزود بعمود HP-5 (طول 30 م)قطرسمك) وكاشف تأين اللهب. تم حساب محتوى السكريات الأمينية الفردية (أي، غلوتامين، جالاكتوزامين، وموراميك) بناءً على المعيار الداخلي، وتم استخدام مجموع السكريات الأمينية الثلاثة الفردية لتعكس مجموعة السكريات الأمينية في التربة. تم حساب الكتلة الميتة الميكروبية C وفقًا لمحتوى و كما يلي :
حيث تمثل 45 و 9 قيمة التحويل من MurA إلى الكتلة الحيوية الميتة للبكتيريا C، ومن GluN الفطرية إلى الكتلة الحيوية الميتة للفطريات C، على التوالي. 179.17 هو الوزن الجزيئي لـ GluN، و 251.23 هو الوزن الجزيئي لـ MurA. الكتلة الحيوية الميتة الكلية للميكروبات C هي مجموع الكتلة الحيوية الميتة للبكتيريا والفطريات C.
التحليلات الإحصائية
قمنا بإجراء التحليلات التالية لتقدير تأثيرات الاحترار على خصائص الميكروبات المختلفة بالإضافة إلى ديناميات الكربون في التربة والعوامل البيئية: أولاً، قمنا بإجراء عينات مزدوجة.-اختبارات لمقارنة متوسطات كل متغير بين ظروف الاحترار وظروف التحكم. كانت المتغيرات تشملتوزيع C في كسور التربة، متغيرات النبات (NDVI وكتلة الجذور)، الخصائص الفيزيائية والكيميائية للتربة (درجة حرارة التربة والرطوبة،، ودرجة الحموضة )، فضلاً عن الخصائص الفسيولوجية الميكروبية (نمو الميكروبات، التنفس، كفاءة استخدام الكربون والدوران) وكتلة الميكروبات المتحللة ج.
ثانيًا، استكشفنا ما إذا كان وكيف أثر الاحترار التجريبي على تنوع الميكروبات، وتكوين المجتمع، وأنماط التواجد المشترك. تم إجراء التحليلات باستخدام برنامج R الإصدار 4.1.0.مع حزمة النباتيينعندما لا يتم تحديد ذلك. على وجه التحديد، قمنا بحساب مؤشرات تنوع ألفا بما في ذلك الغنى ومؤشر شانون-وينر للبروكاريوت والفطريات، وقارنّا يعني بين ظروف التحكم والتسخين باستخدام عينات متزاوجة-اختبارات. ثم قمنا بفحص الفروق في تركيب المجتمع البكتيري والفطري بين علاجات الاحترار والعلاج الضابط باستخدام ثلاث تحليلات متعددة المتغيرات غير المعلمية، بما في ذلك تحليل التباين المتعدد المتغيرات القائم على التبديل (Adonis)، وتحليل التشابهات (ANOSIM)، وإجراء التبديل متعدد الاستجابات (MRPP) استنادًا إلى مسافة براي-كورتيس.
لفحص تأثيرات الاحترار على أنماط التواجد المشترك للميكروبات بشكل أعمق، قمنا بإنشاء شبكات بيئية جزيئية للبكتيريا والفطريات تحت ظروف التحكم والاحترار، على التوالي. تم تنفيذ بناء الشبكة والتحليلات باستخدام خط أنابيب تحليل الشبكة المتكامل (iNAP) فيhttps://inap.denglab. org.cn/باختصار، تم الاحتفاظ فقط بـ ASVs البكتيرية والفطرية التي ظهرت في جميع العينات العشر لحساب الارتباط لضمان موثوقية الشبكة. تم تحويل بيانات التسلسل النادرة إلى لوغاريتم قبل الحصول على مصفوفة الارتباط بيرسون، وتم تحليل المصفوفة الناتجة باستخدام نهج نظرية المصفوفات العشوائية (RMT).لتحديد عتبة ارتباط بيرسون. تم اختيار عتبة موحدة للتحكم والتسخين لبناء الشبكة (0.91 للبروكاريوت و0.79 للفطريات). ثم تم معالجة توصيف طوبولوجيا الشبكة، وت randomization الشبكة، وفصل الوحدات باستخدام إعدادات المعلمات الافتراضية. بعد اكتشاف الوحدات، تم حساب المودولارية النسبية لتعكس مدى كون الشبكة التجريبية وحدوية مقارنة بالمتوسط المتوقع للمودولارية.تم تحديد العقد الأساسية وفقًا للخصائص الطوبولوجية لكل عقدة (أي، الاتصال داخل الوحدة) ) و الاتصال بين الوحدات )، وتم إجراء تحليل الجينات الأساسية للوحدات لاستكشاف استجابة الوحدات للتغيرات البيئية (انظر الملاحظة التكميلية 2 للحصول على التفاصيل). تم تصور الشبكات باستخدام Cytoscape أخيرًا، لتقييم الفروق في المجتمعات الشبكية بين التحكم والاحترار، تم إجراء تحليلات متعددة المتغيرات غير المعلمية بما في ذلك Adonis وANOSIM وMRPP. كما تم إجراء تحليل تقسيم التباين بناءً على تحليل التكرار لتمييز مساهمات المتغيرات النباتية والتربة في التغيرات في المجتمعات الشبكية.
ثالثًا، تم فحص تأثيرات الاحترار على الوظائف الميكروبية المحتملة. باختصار، تم تحديد عائلات جينات CAZy ذات الوفرة المختلفة إحصائيًا من خلال طريقة LEfSe.فيhttp://galaxy. biobakery.org/.LDAدرجات أعلى من 2.0 معالقيم الأقل من 0.05 اعتُبرت غنية بشكل ملحوظ. بالإضافة إلى ذلك، تم أخذ العينات المزدوجة في الاعتبارتم إجراء اختبارات لتحديد الفروق في الوفرة النسبية لعائلات جينات CAZy الكلية بالإضافة إلى مجموع KOs المعنية في استخدام الركيزة المحددة.
ملخص التقرير
معلومات إضافية حول تصميم البحث متاحة في ملخص تقارير مجموعة ناتشر المرتبط بهذه المقالة.
توفر البيانات
جميع البيانات التي تدعم النتائج متاحة في مستودع بيانات Figshare (https://doi.org/10.6084/m9.figshare.25974622.v2) ومعلومات إضافية. تم إيداع بيانات التسلسل التي تم توليدها في هذه الدراسة في أرشيف قراءة التسلسل التابع لـ NCBI (SRA) تحت رقم الوصول PRJNA1113361. تم توفير بيانات المصدر مع هذه الورقة.
References
Zhang, T., Barry, R. G., Knowles, K., Heginbottom, J. A. & Brown, J. Statistics and characteristics of permafrost and ground-ice distribution in the Northern Hemisphere. Pol. Geogr. 23, 132-154 (1999).
Schuur, E. A. G. et al. Climate change and the permafrost carbon feedback. Nature 520, 171-179 (2015).
Mishra, U. et al. Spatial heterogeneity and environmental predictors of permafrost region soil organic carbon stocks. Sci. Adv. 7, eaaz5236 (2021).
Schuur, E. A. G. et al. Permafrost and climate change: carbon cycle feedbacks from the warming Arctic. Annu. Rev. Environ. Resour. 47, 343-371 (2022).
Harris, L. I. et al. Permafrost thaw causes large carbon loss in boreal peatlands while changes to peat quality are limited. Glob. Chang. Biol. 29, 5720-5735 (2023).
Liu, F. et al. Divergent changes in particulate and mineralassociated organic carbon upon permafrost thaw. Nat. Commun. 13, 5073 (2022).
Plaza, C. et al. Direct observation of permafrost degradation and rapid soil carbon loss in tundra. Nat. Geosci. 12, 627-631 (2019).
Rantanen, M. et al. The Arctic has warmed nearly four times faster than the globe since 1979. Commun. Earth Environ. 3, 168 (2022).
Miner, K. R. et al. Permafrost carbon emissions in a changing Arctic. Nat. Rev. Earth Environ. 3, 55-67 (2022).
Wieder, W. R. et al. Explicitly representing soil microbial processes in Earth system models. Glob. Biogeochem. Cycle 29, 1782-1800 (2015).
Wieder, W. R., Bonan, G. B. & Allison, S. D. Global soil carbon projections are improved by modelling microbial processes. Nat. Clim. Chang. 3, 909-912 (2013).
Liang, C., Schimel, J. P. & Jastrow, J. D. The importance of anabolism in microbial control over soil carbon storage. Nat. Microbiol. 2, 17105 (2017).
Schimel, J. & Schaeffer, S. Microbial control over carbon cycling in soil. Front. Microbiol. 3, 348 (2012).
Liang, C. & Balser, T. C. Warming and nitrogen deposition lessen microbial residue contribution to soil carbon pool. Nat. Commun. 3, 1222 (2012).
Hicks Pries, C. E., Castanha, C., Porras, R. C. & Torn, M. S. The wholesoil carbon flux in response to warming. Science 355, 1420-1423 (2017).
Crowther, T. W. et al. Quantifying global soil carbon losses in response to warming. Nature 540, 104-108 (2016).
Johnston, E. R. et al. Responses of tundra soil microbial communities to half a decade of experimental warming at two critical depths. Proc. Natl Acad. Sci. USA 116, 15096-15105 (2019).
Xue, K. et al. Tundra soil carbon is vulnerable to rapid microbial decomposition under climate warming. Nat. Clim. Chang. 6, 595-600 (2016).
Wu, L. et al. Permafrost thaw with warming reduces microbial metabolic capacities in subsurface soils. Mol. Ecol. 31, 1403-1415 (2022).
Wang, G. et al. Enhanced response of soil respiration to experimental warming upon thermokarst formation. Nat. Geosci. 17, 532-538 (2024).
Hagerty, S. B. et al. Accelerated microbial turnover but constant growth efficiency with warming in soil. Nat. Clim. Chang. 4, 903-906 (2014).
Frey, S. D., Lee, J., Melillo, J. M. & Six, J. The temperature response of soil microbial efficiency and its feedback to climate. Nat. Clim. Chang 3, 395-398 (2013).
Allison, S. D., Wallenstein, M. D. & Bradford, M. A. Soil-carbon response to warming dependent on microbial physiology. Nat. Geosci. 3, 336-340 (2010).
Yang, M., Nelson, F. E., Shiklomanov, N. I., Guo, D. & Wan, G. Permafrost degradation and its environmental effects on the Tibetan Plateau: a review of recent research. Earth Sci. Rev. 103, 31-44 (2010).
Zou, D. et al. A new map of permafrost distribution on the Tibetan Plateau. Cryosphere 11, 2527-2542 (2017).
Kuang, X. & Jiao, J. J. Review on climate change on the Tibetan Plateau during the last half century. J. Geophys. Res. Atmos. 121, 3979-4007 (2016).
Ding, J. et al. Decadal soil carbon accumulation across Tibetan permafrost regions. Nat. Geosci. 10, 420-424 (2017).
Li, F. et al. Warming effects on permafrost ecosystem carbon fluxes associated with plant nutrients. Ecology 98, 2851-2859 (2017).
Walker, T. W. N. et al. Microbial temperature sensitivity and biomass change explain soil carbon loss with warming. Nat. Clim. Chang. 8, 885-889 (2018).
Liang, C., Amelung, W., Lehmann, J. & Kästner, M. Quantitative assessment of microbial necromass contribution to soil organic matter. Glob. Chang. Biol. 25, 3578-3590 (2019).
Li, F. et al. Warming alters surface soil organic matter composition despite unchanged carbon stocks in a Tibetan permafrost ecosystem. Funct. Ecol. 34, 911-922 (2020).
Sinsabaugh, R. L., Manzoni, S., Moorhead, D. L. & Richter, A. Carbon use efficiency of microbial communities: stoichiometry, methodology and modelling. Ecol. Lett. 16, 930-939 (2013).
Chen, W. et al. Soil microbial network complexity predicts ecosystem function along elevation gradients on the Tibetan Plateau. Soil Biol. Biochem. 172, 108766 (2022).
Wagg, C., Schlaeppi, K., Banerjee, S., Kuramae, E. E. & van der Heijden, M. G. A. Fungal-bacterial diversity and microbiome complexity predict ecosystem functioning. Nat. Commun. 10, 4841 (2019).
Wang, X. et al. Decreased soil multifunctionality is associated with altered microbial network properties under precipitation reduction in a semiarid grassland. iMeta 2, e106 (2023).
Montoya, J. M., Pimm, S. L. & Solé, R. V. Ecological networks and their fragility. Nature 442, 259-264 (2006).
Zhou, J. et al. Phylogenetic molecular ecological network of soil microbial communities in response to elevated . mBio 2, e00122-11 (2011).
Yuan, M. M. et al. Climate warming enhances microbial network complexity and stability. Nat. Clim. Chang. 11, 343-348 (2021).
Goberna, M. & Verdú, M. Cautionary notes on the use of cooccurrence networks in soil ecology. Soil Biol. Biochem. 166, 108534 (2022).
Maes, S. L. et al. Environmental drivers of increased ecosystem respiration in a warming tundra. Nature 629, 105-113 (2024).
Prommer, J. et al. Increased microbial growth, biomass, and turnover drive soil organic carbon accumulation at higher plant diversity. Glob. Chang. Biol. 26, 669-681 (2020).
Sokol, N. W. et al. Life and death in the soil microbiome: how ecological processes influence biogeochemistry. Nat. Rev. Microbiol. 20, 415-430 (2022).
Buckeridge, K. M. et al. Environmental and microbial controls on microbial necromass recycling, an important precursor for soil carbon stabilization. Commun. Earth Environ. 1, 36 (2020).
Conant, R. T. et al. Temperature and soil organic matter decomposition rates-synthesis of current knowledge and a way forward. Glob. Chang. Biol. 17, 3392-3404 (2011).
Daugherty, E. E., Lobo, G. P., Young, R. B., Pallud, C. & Borch, T. Temperature effects on sorption of dissolved organic matter on ferrihydrite under dynamic flow and batch conditions. Soil Sci. Soc. Am. J. 86, 224-237 (2022).
Alteio, L. V. et al. A critical perspective on interpreting amplicon sequencing data in soil ecological research. Soil Biol. Biochem. 160, 108357 (2021).
Fraser, L. H. et al. Coordinated distributed experiments: an emerging tool for testing global hypotheses in ecology and environmental science. Front. Ecol. Environ. 11, 147-155 (2013).
Wei, B. et al. Experimental warming altered plant functional traits and their coordination in a permafrost ecosystem. N. Phytol. 240, 1802-1816 (2023).
Kuzyakov, Y. Sources of efflux from soil and review of partitioning methods. Soil Biol. Biochem. 38, 425-448 (2006).
Mielnick, P. C. & Dugas, W. A. Soil CO2 flux in a tallgrass prairie. Soil Biol. Biochem. 32, 221-228 (2000).
Hasselquist, N. J., Metcalfe, D. B. & Högberg, P. Contrasting effects of low and high nitrogen additions on soil flux components and ectomycorrhizal fungal sporocarp production in a boreal forest. Glob. Chang. Biol. 18, 3596-3605 (2012).
Dorrepaal, E. et al. Carbon respiration from subsurface peat accelerated by climate warming in the subarctic. Nature 460, 616-619 (2009).
Nottingham, A. T., Meir, P., Velasquez, E. & Turner, B. L. Soil carbon loss by experimental warming in a tropical forest. Nature 584, 234-237 (2020).
Lavallee, J. M., Soong, J. L. & Cotrufo, M. F. Conceptualizing soil organic matter into particulate and mineral-associated forms to address global change in the 21st century. Glob. Chang. Biol. 26, 261-273 (2020).
Caporaso, J. G. et al. Global patterns of 16 S rRNA diversity at a depth of millions of sequences per sample. Proc. Natl Acad. Sci. USA 108, 4516-4522 (2011).
White, T. J., Bruns, T., Lee, S. & Taylor, J. Amplification and direct sequencing of fungal ribosomal RNA genes for phylogenetics. in PCR Protocols (eds Innis, M. A., Gelfand, D. H., Sninsky, J. J. & White, T. J.) (Academic Press, 1990).
Edgar, R. C. Search and clustering orders of magnitude faster than BLAST. Bioinformatics 26, 2460-2461 (2010).
Bolyen, E. et al. Reproducible, interactive, scalable and extensible microbiome data science using QIIME 2. Nat. Biotechnol. 37, 852-857 (2019).
Edgar, R. C. UNOISE2: improved error-correction for Illumina 16 S and ITS amplicon sequencing. bioRxiv https://doi.org/10.1101/ 081257 (2016).
Quast, C. et al. The SILVA ribosomal RNA gene database project: improved data processing and web-based tools. Nucleic Acids Res. 41, D590-D596 (2013).
Kõljalg, U. et al. Towards a unified paradigm for sequence-based identification of fungi. Mol. Ecol. 22, 5271-5277 (2013).
Edgar, R. C. SINTAX: a simple non-Bayesian taxonomy classifier for 16S and ITS sequences. bioRxiv https://doi.org/10.1101/074161 (2016).
Bolger, A. M., Lohse, M. & Usadel, B. Trimmomatic: a flexible trimmer for Illumina sequence data. Bioinformatics 30, 2114-2120 (2014).
Li, D., Liu, C.-M., Luo, R., Sadakane, K. & Lam, T.-W. MEGAHIT: an ultra-fast single-node solution for large and complex metagenomics assembly via succinct de Bruijn graph. Bioinformatics 31, 1674-1676 (2015).
Hyatt, D. et al. Prodigal: prokaryotic gene recognition and translation initiation site identification. BMC Bioinforma. 11, 119 (2010).
Steinegger, M. & Söding, J. Clustering huge protein sequence sets in linear time. Nat. Commun. 9, 2542 (2018).
Lombard, V., Ramulu, H. G., Drula, E., Coutinho, P. M. & Henrissat, B. The carbohydrate-active enzymes database (CAZy) in 2013. Nucleic Acids Res. 42, D490-D495 (2014).
Zhang, H. et al. dbCAN2: a meta server for automated carbohydrate-active enzyme annotation. Nucleic Acids Res. 46, W95-W101 (2018).
Buchfink, B., Xie, C. & Huson, D. H. Fast and sensitive protein alignment using DIAMOND. Nat. Methods 12, 59-60 (2015).
Kanehisa, M. & Goto, S. KEGG: Kyoto Encyclopedia of Genes and Genomes. Nucleic Acids Res. 28, 27-30 (2000).
Kang, L. et al. Metagenomic insights into microbial community structure and metabolism in alpine permafrost on the Tibetan Plateau. Nat. Commun. 15, 5920 (2024).
Li, H. & Durbin, R. Fast and accurate short read alignment with Burrows-Wheeler transform. Bioinformatics 25, 1754-1760 (2009).
Qin, J. et al. A metagenome-wide association study of gut microbiota in type 2 diabetes. Nature 490, 55-60 (2012).
Spohn, M., Klaus, K., Wanek, W. & Richter, A. Microbial carbon use efficiency and biomass turnover times depending on soil depth-implications for carbon cycling. Soil Biol. Biochem. 96, 74-81 (2016).
Wu, J., Joergensen, R. G., Pommerening, B., Chaussod, R. & Brookes, P. C. Measurement of soil microbial biomass by fumi-gation-extraction-an automated procedure. Soil Biol. Biochem. 22, 1167-1169 (1990).
Zhang, X. & Amelung, W. Gas chromatographic determination of muramic acid, glucosamine, mannosamine, and galactosamine in soils. Soil Biol. Biochem. 28, 1201-1206 (1996).
R Core Team. R: A Language and Environment for Statistical Computing (R Foundation for Statistical Computing, 2021).
Oksanen, J. vegan: Community Ecology Package. R package version 2.6-4. (2022).
Feng, K. et al. iNAP: an integrated network analysis pipeline for microbiome studies. iMeta 1, e13 (2022).
Olesen, J. M., Bascompte, J., Dupont, Y. L. & Jordano, P. The modularity of pollination networks. Proc. Natl Acad. Sci. USA 104, 19891-19896 (2007).
Guimerà, R. & Nunes Amaral, L. A. Functional cartography of complex metabolic networks. Nature 433, 895-900 (2005).
Shannon, P. et al. Cytoscape: a software environment for integrated models of biomolecular interaction networks. Genome Res. 13, 2498-2504 (2003).
Segata, N. et al. Metagenomic biomarker discovery and explanation. Genome Biol. 12, R60 (2011).
نحن ممتنون للبروفيسور يونفينغ بينغ في معهد علم النبات، الأكاديمية الصينية للعلوم والدكتور في لي في جامعة تايتشو على إنشاء منصة التجارب. كما نقدر البروفيسور تيدا جي في جامعة نينغبو على المساعدة في تحديد CUE، ويوتونغ سونغ ولويواو كانغ من مجموعة يوانهي يانغ على تقديم اقتراحات مفيدة في تحليل البيانات، ويانغ ليو وتشينغلو لي من مجموعة يوانهي يانغ على المساعدة في القياسات الميدانية. تم دعم هذا العمل من قبل البرنامج الثاني للبعثة العلمية والبحثية لهضبة التبت (STEP) (2019QZKKO106، Y.Y.)، ومؤسسة العلوم الطبيعية الوطنية في الصين (31988102 و 32425004، Y.Y.، و 32301436، S.Q.)، الجديد
مؤسسة كورنرستون للعلوم من خلال جائزة إكسبلورر (Y.Y.)، وبرنامج ما بعد الدكتوراه الوطني في الصين للمواهب المبتكرة (BX2O220339، S.Q.).
مساهمات المؤلفين
صمم Y.Y. و S.Q. البحث. قام S.Q. و D.Z. و B.W. بأخذ عينات من الميدان وإجراء التجارب في المختبر. أجرى B.W. قياسات ميدانية. قام S.Q. بتحليل البيانات. كتب S.Q. و Y.Y. المخطوطة.
المختبر الوطني الرئيسي للنباتات وتغير البيئة، معهد علم النبات، الأكاديمية الصينية للعلوم، 100093 بكين، الصين.الحديقة الوطنية النباتية الصينية، 100093 بكين، الصين.جامعة الأكاديمية الصينية للعلوم، 100049 بكين، الصين.البريد الإلكتروني: yhyang@ibcas.ac.cn
Dual roles of microbes in mediating soil carbon dynamics in response to warming
Received: 5 February 2024
Accepted: 22 July 2024
Published online: 31 July 2024
(D) Check for updates
Shuqi Qin , Dianye Zhang , Bin Wei & Yuanhe Yang
Abstract
Understanding the alterations in soil microbial communities in response to climate warming and their controls over soil carbon (C) processes is crucial for projecting permafrost C -climate feedback. However, previous studies have mainly focused on microorganism-mediated soil C release, and little is known about whether and how climate warming affects microbial anabolism and the subsequent C input in permafrost regions. Here, based on a more than halfdecade of in situ warming experiment, we show that compared with ambient control, warming significantly reduces microbial C use efficiency and enhances microbial network complexity, which promotes soil heterotrophic respiration. Meanwhile, microbial necromass markedly accumulates under warming likely due to preferential microbial decomposition of plant-derived C , further leading to the increase in mineral-associated organic C. Altogether, these results demonstrate dual roles of microbes in affecting soil C release and stabilization, implying that permafrost C-climate feedback would weaken over time with dampened response of microbial respiration and increased proportion of stable C pool.
Permafrost, defined as subsurface earth materials that remain at or below for two or more years, covers approximately of the global land area . Low temperatures and frozen conditions in permafrost regions have constrained microbial utilization of soil organic carbon (SOC), and preserved a large carbon (C) stock over long-term scale. It has been estimated that is stored in the top 3 m soils across permafrost region in the Northern Hemisphere , accounting for more than of the global soil C stock . This vast C pool has recently been subjected to net loss , since permafrost regions are warming twice to four times faster than the global average in recent decades . The alleviation of temperature constraint would promote microbial metabolic processes, which may result in increased soil C release in the form of C dioxide ( ) and methane ( ) and further trigger a positive C -climate feedback . Given that soil C cycling is largely determined by microbial activities, and that explicit representation of microbial processes in Earth system models could improve model performance , a thorough understanding of microbial responses to climate warming is crucial for more accurate predictions of permafrost C fate as well as the associated C -climate feedback.
It is increasingly recognized that soil microorganisms could play two contrasting roles in mediating terrestrial C cycling: microbial catabolic activities lead to soil C release to the atmosphere, whereas microbial anabolism generates a set of products that contribute to the stable soil C pool . Both of these two microbial processes would be affected by climate warming , with the direction and magnitude of their changes determining soil C dynamics in a warmer world. Warming-accelerated microbial decomposition rate could lead to soil C loss , while warming-induced accumulation/reduction of microbialderived compounds such as microbial necromass C would promote/ weaken soil C stabilization over long term . However, our understanding of microbial roles in permafrost region is mainly confined to microorganism-mediated soil C release , with less attention being paid to microbial anabolism and the resulted C input under warming scenario. In fact, in addition to the energy-yielding metabolisms, warming could also affect other physiological attributes (e.g., growth, turnover and C use efficiency (CUE) ) related to microbial anabolism and deposition of anabolic products. These attributes could reflect microbial controls over soil C storage and are vital parameters for soil
C models . Nevertheless, it remains unclear whether and how climate warming alters soil microbial physiology thereby affecting microbialderived C in permafrost regions, which greatly restricts model projections of soil C dynamics. Comprehensive evaluation of microbial mediation over soil C processes considering both microbial catabolism and anabolism under climate warming is thus urgently needed to constrain model parameters so as to accurately predict the direction and strength of permafrost C -climate feedback.
The Tibetan Plateau is known as the “Third Pole” of the world. An area of of the plateau is underlain by permafrost, representing of mountain permafrost across the Northern Hemisphere . Widespread climate warming has occurred across the plateau over recent decades, with a rate of decade since the . In such a warming context, an accumulation of SOC was observed in the subsurface soils ( ) across the plateau, while no significant change was detected for the topsoils . Yet to date, microbial mechanisms underlying soil C dynamics are largely unexplored on the plateau. To fill this knowledge gap, here we provided thorough experimental evidence about microbial responses to experimental warming, and illustrated microbial roles in affecting soil C cycling based on an in situ open-top chamber (OTC) warming experiment on the north-eastern plateau . We compared a suite of topsoil ( ) microbial attributes between warming and control plots after 6 years of continual warming treatment, including microbial community composition, metabolic capacities, physiology (growth, turnover and CUE), and necromass C. We then discussed microbial mediation over two soil C cycling processes in response to warming, i.e., soil C release characterized by heterotrophic respiration ( ) and soil C stabilization reflected by mineral-associated organic C (MAOC). We hypothesized that in this temperature-constrained permafrost ecosystem, experimental warming would significantly alter microbial community composition and elevate metabolic capacities, which led to the increased . We also hypothesized that the warming treatment would inhibit microbial CUE but stimulate turnover, promoting the accumulation of microbial-derived C and thus MAOC. Our results
revealed that experimental warming did not alter the overall microbial community composition, but decreased microbial CUE and structured more complex network, which was responsible for the increased . In addition, microbial necromass C accumulated over time probably due to preferential microbial decomposition of plant-derived compounds, further contributing to the increased proportion of MAOC. These results collectively demonstrate dual microbial roles in affecting soil C processes in response to experimental warming in this permafrost ecosystem.
Results
Warming effects on microbial community composition and network
The continual OTC warming treatment significantly increased topsoil temperature by since 2014 ( ; Supplementary Table 1). It is expected that experimental warming-induced alterations in soil temperature, plant biomass and edaphic properties (Supplementary Tables 1 and 2) would change soil microbial community. To test this prediction, we determined prokaryotic (i.e., bacterial and archaeal) and fungal community composition using amplicon sequencing of 16S rRNA gene and ITS2 region, respectively. In contrast to our expectation, the results showed that the warming treatment did not alter the alpha diversity (including richness and Shannon-Wiener index) of prokaryotes and fungi (Supplementary Fig. 1). Meanwhile, the relative abundance of dominant microbial taxa at the phylum level was similar between warming and control conditions, although some taxa at lower taxonomic level were differentially abundant (Supplementary Fig. 2; see Supplementary Note 1 for details). The overall microbial community composition was not significantly altered by experimental warming according to non-parametric multivariate statistical tests (ANOSIM, Adonis and MRPP; Supplementary Table 3).
Despite the weak response of microbial community composition, molecular ecological networks based on Pearson correlations of logtransformed sequence data differed between the warming and control treatments (Fig. 1). Compared with the control, the warming treatment
Fig. 1 | Co-occurrence patterns of topsoil microbial communities as affected by experimental warming. Visualization of prokaryotic ( ) and fungal ( ) networks under control (a, c) and warming (b, d) conditions. Nodes in the network denote individual ASVs whose color indicates taxonomic groups. Lines between the
nodes represent significant correlations, with yellow and blue indicating positive and negative correlation, respectively. Line width is proportional to the strength of the relationship. number of total nodes, number of total links, avgK average degree. Source data are provided as a Source Data file.
Fig. 2 | Effects of experimental warming on relative abundance of CAZy genes in topsoil metagenomes. a Comparison of relative abundance of total carbohydrateactive enzymes (CAZy) genes between warming and control conditions according to paired samples -test (two-sided). Box represents the interquartile range, with blue and yellow indicating control and warming, respectively. Horizontal line and circle within the box show the median and mean value, respectively. The whisker denotes SD ( , independent samples). b Heatmap showing the linear discriminant analysis (LDA) scores computed for CAZy gene families differentially
abundant (LDA score , unadjusted ) between warming and control conditions. Families enriched under control condition are indicated by a negative LDA score (blue), and the warming treatment enriched families are indicated by a positive score (yellow). AA auxiliary activity, CBM carbohydrate-binding module, CE carbohydrate esterase, GH glycoside hydrolase, GT glycosyltransferase, PL polysaccharide lyase. Letters above the heatmap represent the substrate category utilized by enzymes from the corresponding CAZy gene family. Source data are provided as a Source Data file.
had less amplicon sequence variant (ASV) numbers used for network construction, but showed larger final network size for prokaryotes as reflected by total nodes (Fig. 1a, b and Supplementary Table 4). Prokaryotic network under warming also exhibited higher connectivity (total links), average connectivity (avgK; average links per node), and average clustering coefficient (the extent of node clustering) (Supplementary Table 4). In addition, experimental warming increased total links and avgK of fungal network (Fig. 1c, d), and also elevated relative modularity and the proportion of keystone nodes for both prokaryotic and fungal networks (Supplementary Fig. 3). These results collectively indicated altered network structure and enhanced network complexity by the warming treatment. Further analyses revealed that the composition of prokaryotic and fungal communities detected in the network markedly differed between the warming and control treatments ( ; Supplementary Table 3), which was partly driven by the altered edaphic (soil temperature, pH , and content) and plant (Normalized Difference Vegetation Index (NDVI) and root biomass) variables under warming (Supplementary Fig. 4a, b). Moreover, the connections between network module-based eigengenes and environmental variables varied between the warming and control treatments (Supplementary Fig. 4c-f). For more details about network descriptions, keystone node identification and module-eigengene analysis, see Supplementary Note 2.
Impacts of experimental warming on microbial metabolic capacities
We examined microbial C-utilization potential based on metagenomic sequencing and annotation against the carbohydrate-active enzymes (CAZy) database. Among the genes annotated, glycoside hydrolases (GHs) and glycosyltransferases (GTs) were the most abundant CAZy classes under both control and warming conditions, while the least abundant classes were polysaccharide lyases (PLs) and auxiliary activities (AAs). In total, we detected 237 CAZy families, including 114 GHs, 46 GTs, 40 carbohydrate-binding modules (CBMs), 14 carbohydrate esterases (CEs), 18 PLs, and 5 AAs. The relative abundance of the total CAZy gene families remained unaltered under warming (Fig. 2a).
Nevertheless, 30 gene families primarily associated with the degradation of plant-derived C (such as starch, hemicellulose, cellulose and pectin) were enriched under warming, while 13 gene families were more abundant under control as revealed by linear discriminant analysis (LDA) effect size (LEfSe) method (Fig. 2b). Consistent with the results based on CAZy database, gene annotation against the Kyoto Encyclopedia of Genes and Genomes (KEGG) database also revealed that experimental warming elevated the relative abundance of genes involved in the degradation of starch, hemicellulose and cellulose (Supplementary Fig. 5). These results collectively indicated enhanced potential for utilization of plant-derived C under warming conditions.
Effects of experimental warming on microbial physiology
Considering the importance of microbial physiology in affecting soil C response to warming, we adopted a substrate-independent method based on incorporation into microbial DNA to determine gross microbial growth rate , concurrent with which microbial respiration rate was measured. Considering that physiological processes operate per unit of microbial biomass , mass-specific rates were used for comparison. The results showed that in situ warming altered some of microbial physiology attributes: mass-specific growth rate remained unchanged between warming and control conditions (Fig. 3a), while respiration rate was significantly accelerated by the warming treatment ( ; Fig. 3b). Consequently, a lower microbial CUE (i.e., the proportion of assimilated C used for growth) was detected under warming (warming vs. control: vs. ; hereafter, data are reported as means standard errors; ; Fig. 3c). Moreover, microbial turnover rate did not differ between warming and control conditions (Supplementary Fig. 6a).
Microbial necromass and soil dynamics in response to warming
To evaluate warming effects on microbial-derived C , we used a widely accepted biomarker, i.e., amino sugars, to trace microbial necromass . Three individual amino sugar (including glucosamine (GluN), galactosamine (GalN), and muramic acid (MurA)) were acquired. The
Fig. 3 | Responses of microbial physiology to experimental warming. Comparison of microbial mass-specific growth ( ), mass-specific respiration ( ), and carbon use efficiency (CUE; c) for topsoil under warming and control conditions. Box represents the interquartile range, with blue and yellow indicating control and warming, respectively. Horizontal line and circle within the box show
the median and mean value, respectively. The whisker denotes , independent samples). Paired samples -tests (two-sided) were conducted to compare means of , and CUE between the warming and control treatments. Source data are provided as a Source Data file.
Fig. 4 | Effects of experimental warming on topsoil microbial necromass carbon. Contents of bacterial (a), fungal (b), and total (c) necromass carbon (C) under warming and control conditions. Total necromass C is calculated as the sum of bacterial and fungal necromass C . Difference in the proportion of total necromass C to soil organic C between the warming and control treatments. Box represents
the interquartile range, with blue and yellow indicating control and warming, respectively. Horizontal line and circle within the box show the median and mean value, respectively. The whisker denotes SD ( , independent samples). Paired samples -tests (two-sided) were used to determine warming effects on means of microbial necromass C. Source data are provided as a Source Data file.
contents of GluN, MurA, and total amino sugars as the sum of three individual ones were significantly higher under warming ( ; Supplementary Fig. 7). We then used amino sugars to calculate microbial necromass C , and found that warming increased the contents of bacterial, fungal and total necromass C ( ; Fig. 4a-c). With unaltered SOC content between warming and control conditions (Supplementary Table 2), the proportion of microbial necromass C to SOC significantly increased from to under warming ( ; Fig. 4d), reflecting larger contribution of microbial-derived compounds to soil C pool within warming context.
Both (characterizing soil C release) and MAOC (indicating soil C stabilization) were altered by experimental warming. Compared with the control, the warming treatment significantly enhanced by ( ; Fig. 5a), as reported in the first three years of
warming when was elevated by . For soil C stabilization, the proportion of MAOC under warming was significantly higher than that under control (warming vs. control: vs. ; Fig. 5b). In contrast to MAOC, the proportion of POC (particulate organic C) showed no significant difference between warming and control (Supplementary Fig. 8a), while heavy POC declined under warming ( ; Supplementary Fig. 8b). These results collectively indicated enhanced soil C loss by microbial respiration but meanwhile stable soil C accumulation derived partly from microbial necromass under warming condition.
Discussion
Knowledge about consequences of climate warming for soil microbial communities and the C cycling processes they govern is important for
Fig. 5 | Warming effects on soil carbon release and stability. a Rate of soil heterotrophic respiration ( ) during growing season in 2020. b Proportion of mineral-associated organic carbon (MAOC) to total soil organic carbon in topsoil. Dots on the left of the violin represent the corresponding data from control (blue) or warming (yellow) condition. White circle within the violin shows the mean value, and the error bar denotes SD ( , independent samples). Paired samples -tests (two-sided) were used to compare means of and MAOC between the warming and control treatments. Source data are provided as a Source Data file.
understanding and projecting soil C dynamics in permafrost region. Based on a more than half-decade of OTC warming experiment in a permafrost ecosystem, this study provides thorough evidence about microbial responses to climate warming, and explores microbial roles in affecting soil C release and C stabilization. Our results revealed that multiple microbial attributes, including microbial physiology, network complexity, metabolic capacities, and necromass jointly shaped the dual roles of microorganisms in affecting soil C processes under warming scenario.
Our results illustrated that the warming treatment significantly enhanced without detectable changes in microbial community composition (Fig. 5a and Supplementary Table 3), partly invalidating our first hypothesis and indicating other microbial mechanisms underlying . On one hand, the increased under experimental warming could be ascribed to the reduction in microbial CUE (Fig. 3c). Higher temperature is generally expected to increase energy cost of maintaining existing biomass, thereby decreasing microbial efficiency . In consistent with this point, our results provide explicit evidence for microbial physiological adjustment towards greater maintenance cost at elevated temperatures in the climate-sensitive permafrost region, without acclimation (i.e., return towards prewarmed conditions ) after more than a half-decade of warming treatment. Accordingly, microbial respiration rate was accelerated more by warming than growth (Fig. 3a, b), leading to increased soil C release through heterotrophic respiration. On the other hand, experimental warming enhanced the complexity of microbial networks, which may further positively influence ecosystem functions related to microbial decomposition . Microbial communities could drive ecosystem functions through a myriad of interactions among
different species , forming ecological networks with the flow of energy, materials and information . More complex networks were established under warming conditions with distinct microbial community composition (Fig. 1 and Supplementary Table 3), suggesting that microbial species better adapting to higher temperatures and other associated edaphic and vegetation changes (such as increased inorganic nitrogen and plant biomass; Supplementary Table 2) could construct new network structures . Consequently, microbial decomposition could be promoted due to the positive effects of network complexity on microbial functions . Collectively, these results revealed enhanced driven by reduced microbial CUE and more complex microbial networks in the context of climate warming. Notably, microbial networks are constructed based on pairwise correlations of ASVs which do not prove direct interactions between microbial taxa, so caution is needed when inferring the associations in these co-occurrence networks . In addition, other abiotic factors affected directly (increased soil temperature) or indirectly (such as increased available nutrient) by experimental warming could also be associated with the stimulated .
Our results also demonstrated that experimental warming significantly increased the content of microbial necromass C and its proportion to total SOC (Fig. 4), which could further increase the stable soil C pool (i.e., MAOC; Fig. 5b) due to the vital contribution of microbial-derived compounds to soil C sequestration . Microbialderived C enters soil primarily through the in vivo turnover pathway; that is, soil microorganisms first uptake accessible compounds, and then deposit products of anabolism to soil via cell generation, growth and death . Since this pathway is driven by microbial turnover and could be affected by microbial anabolic capacity, it is previously considered that accelerated microbial turnover and more C allocated to growth would promote accumulation of microbial residues . Surprisingly, divergent from this view and our second hypothesis, we found that the warming treatment elevated the content of microbial necromass C without altering microbial growth and turnover rate (Fig. 3a and Supplementary Fig. 6a). This divergence could be due to the fact that the accumulation of microbial necromass C in soil is determined by both its input and output, as well as its association with soil minerals . While unaltered microbial growth and turnover rate indicated little difference in necromass formation, the persistence of necromass C could be promoted under warming due to the following two aspects. First, soil microorganisms were more likely to utilize plant-derived compounds, while newly-formed microbial residues were relatively less decomposed and thus accumulated over time. The deduction was supported by the enriched microbial functional genes involved in plant material (i.e., starch, hemicellulose, cellulose and pectin) degradation (Fig. 2b and Supplementary Fig. 5). Moreover, the relative abundance of most functional genes that were enriched under warming was positively associated with root biomass (Supplementary Fig. 9), indicating that with enhanced plant C inputs, experimental warming has the potential to stimulate microbial breakdown of these compounds. Second, warmer conditions could promote the preservation of microbial necromass. In permafrost region where cold climate dominated, elevated soil temperature would favor organomineral adsorption reactions like ligand exchange , such that more microbial-derived C could be stabilized by their associations with soil minerals. Accordingly, the proportion of MAOC that is primarily composed of microbial-derived C significantly increased (Fig. 5b), suggesting enhanced soil C stability under warming condition. Nevertheless, considering that the increase in necromass C is a consequence of long-term accrual, experiments with time-series microbial data are encouraged to better understand the alterations in this stable soil C pool.
Although this study provided important insights into microbial roles in mediating soil C dynamics in response to experimental warming, some limitations still exist. First, the analyses of microbial
Fig. 6 | Conceptual diagram showing dual microbial roles in mediating soil carbon dynamics under experimental warming. The decreased microbial carbon use efficiency (CUE) and more complex microbial network promote soil heterotrophic respiration , while preferential microbial decomposition of plantderived carbon leads to accumulation of microbial necromass and thus elevates the proportion of mineral-associated organic carbon (MAOC). R microbial respiration, G microbial growth.
community composition and functional capacities were based on DNA sequencing that provided relative abundance data rather than absolute values. Extending studies adopting quantitative polymerase chain reaction (PCR), spike-ins of microbial cells , and enzyme assays should be conducted to enable the quantification of taxonomic and functional genes. Second, the results reported here were derived from one site on the north-eastern Tibetan Plateau. Future research involving more study sites such as coordinated distributed experiments is required to examine whether the microbial mechanisms underlying soil C processes observed in this grassland ecosystem are applicable to other permafrost regions.
In summary, based on a more than half-decade of in situ warming experiment in the Tibetan alpine permafrost region, our results revealed the dual roles of microbial communities in mediating two soil C processes (that is, soil C release and stabilization) in response to experimental warming (Fig. 6). Decreased microbial CUE and more complex prokaryotic and fungal networks under experimental warming enhanced , whereas preferential microbial decomposition of plant-derived substrates resulted in the accumulation of microbial necromass and hence increased the proportion of stable soil C pool (i.e., MAOC). These findings have several important implications for projecting soil C fate in permafrost regions under future climate warming scenarios. First, given that the accelerated microbial decomposition under experimental warming was partly driven by the decreased CUE, the effect might dampen over time because microbial biomass declined with less C being allocated to growth (Supplementary Fig. 6b, c). Second, the preferential preservation of microbialderived compounds which are easily associated with soil minerals highlights the importance of microbial anabolism in soil C stabilization under experimental warming. The resultant larger proportion of MAOC, together with the dampened response of microbial respiration, indicates that the future permafrost C-climate feedback might not be as strong as previously thought. Finally, considering that different attributes of microbial communities (such as microbial cooccurrence patterns, metabolic capacities and physiology) affected warming-induced soil C processes, explicitly representing these microbial properties in Earth system models is highly necessary to more accurately predict the fate of permafrost C under changing environment.
Methods
Site description and experimental design
The in situ experimental warming site was located at the foot of Wayan Mountain ( above sea level) in Gangca County, Qinghai Province, China. This study site is underlain by discontinuous permafrost, with an active layer thickness of . The site is characterized as a swamp meadow ecosystem with mean annual air temperature of and mean annual precipitation of . Vegetation at the study site is dominated by sedges mainly including Kobresia tibetica and Carex atrofusca (accounting for of the total aboveground biomass) . The soil type is Cambisols according to the FAO system (http://www.fao.org/), with clay, silt, and sand . The field warming experiment followed a paired design beginning in June 2013, when ten blocks were randomly established in a fenced area (Supplementary Fig. 10). Within each block, we diagonally arranged the control and warming plots, with the former being located at one corner ( ) and the latter at the opposite corner with a hexagonal OTC. The OTCs were constructed from transparent polymethyl methacrylate, and were used to warm air and soil throughout the year in the field. Soil temperature and moisture at 5 cm depth were monitored at intervals with sensors connected to EM50 data loggers (Decagon Devices Inc., Pullman, WA, USA). OTCs continually increased topsoil temperature by in the warming plots but did not alter soil moisture since 2014 (Supplementary Tables 1 and 2).
After 6-year continual warming treatment, soil sampling was performed in July of 2019 and 2020, and the warming effects on biotic and abiotic factors were examined by comparing the attributes of samples collected from the warming and control treatments at the same year. Briefly, considering that OTC devices primarily warm surface soils , three randomized soil cores at depth were collected from each plot and mixed as a composite. In total, 20 soil samples were acquired ( 10 from control plots and 10 from warming plots) each year, which were transferred to the laboratory immediately in a cooler. We picked out all roots in each soil sample and sieved the soils through a mesh for the subsequent analyses. All roots were rinsed free of attached soil, after which live roots were distinguished from dead roots according to their color and tenacity . Live roots were then oven-dried to a constant mass, and weighed to determine root biomass in soils to reflect potential changes in plant C input into soils and the associated effects on topsoil microbial function.
To explore warming effects on soil C dynamics, we determined in situ and SOC distribution in different soil fractions, and also measured a suite of soil physicochemical properties. To examine the roles of soil microorganisms in affecting soil C processes, we determined microbial community composition and microbial necromass C for soil samples collected in 2019 (also used for measurements of C distribution and soil physicochemical properties). To further provide thorough evidence for microbial responses to experimental warming, microbial functional and physiological properties were determined for soil samples obtained in 2020. Each attribute was compared between the warming and control treatments for the samples collected at the same year to reflect warming effects.
Heterotrophic respiration measurements and soil chemical analyses
In the field, we measured using a trenching approach (i.e., root exclusion technique) . We focused on because it was a consequence of microbial activities. Briefly, a PVC collar ( 20 cm diameter, 62 cm high) was inserted into the soil to a depth of 60 cm in June 2013 to sever existing roots and inhibit future root growth. The collar could eliminate the majority of roots since the top 60 cm soil contained more than of roots at our study site . Soil respiration measured from
this “root-free” collar was considered as . At least 1 day prior to each measurement, living plants at the soil surface were removed manually from the collar when necessary , avoiding disturbance to soil profile and inhabitants. Nevertheless, despite a widely used method for measurement , the exclusion of roots would reduce root exudates and thus underestimate due to the lack of rhizosphere priming effect was determined using a LI-8100A automated soil flux system (Li-Cor Inc., Lincoln, NE, USA) between 9:00 a.m. and 12:00 p.m. (local time) twice to three times per month from May to October in 2020. Meanwhile, we determined the NDVI using a multi-spectral camera (ADC Lite, Tetracam, Chatsworth, CA, USA) to reflect warming effects on the growth of above-ground vegetation.
A suite of chemical properties was measured for the soil samples to examine their potential effects on microbial communities under experimental warming. Briefly, total C content for soil samples was measured by an element analyzer (Multi EA 4000, Analytik Jena, Jena, Germany), which was treated as organic C because no inorganic C was detected in the samples . DOC was extracted using and determined by a Multi N/C analyzer (Analytik Jena, Jena, Germany). The – N and – N concentrations were measured with a continuous flow analyzer (SEAL AutoAnalyzer 3, SEAL Analytical, Norderstedt, Germany) after extracting soil samples with 1 M KCl solution. Soil pH was measured in a 1:2.5 soil-to-water mixture by a pH meter (PB-10, Sartorius, Germany).
Soil organic matter fractionation
To explore warming effects on soil C distribution, we adopted a density and size-combined fractionation approach to separate bulk soil organic matter into three fractions . Specifically, 10 g air-dried soil samples were suspended in 50 ml of solution. The suspension was shaken by hand to ensure complete soil wetting and then dispersed by ultrasound ( ) to release occluded particulate organic matter (POM). Thereafter, the suspension was allowed to stand for 30 min and centrifuged for 30 min to ensure sedimentation of the heavy fraction. The light fraction (i.e., POM with density ) was collected and rinsed thoroughly of NaI with deionized water on the GF/F filter (Whatman GmbH, Dassel, Germany). The remaining soil material ( ) was rinsed clean of NaI and further sieved through a screen to separate heavy POM ( ) and mineralassociated organic matter (MAOM; ). All fractions (POM, heavy POM and MAOM) were oven-dried, weighed and analyzed for C content using an element analyzer (Multi EA 4000, Analytik Jena, Jena, Germany), after which C distribution in each fraction was calculated (termed as POC, heavy POC and MAOC, respectively). We recovered on average of the initial soil masses and of soil C across all samples involved in this study.
DNA extraction, amplicon sequencing and bioinformatic analyses
We conducted amplicon sequencing to assess prokaryotic and fungal community composition under warming and control conditions. Specifically, 0.5 g soils stored at were used for DNA extraction (FastDNA SPIN Kit for Soil, MP Biomedicals). DNA concentration and quality were measured by NanoDrop One Spectrophotometer (Thermo Fisher Scientific, Waltham, MA, USA). Thereafter, primer sets, 515F ( -GTGCCAGCMGCCGCGGTAA-3) and 806R ( -GGACTACH VGGGTWTCTAAT-3) targeting the V4 hypervariable region of prokaryotic 16S rRNA gene , and ITS3 ( -GCATCGATGAAGAACGCAGC-3) and ITS4 ( -TCCTCCGCTTATTGATATGC-3) for fungal ITS2 region , were used for amplification. The PCR amplification for 16S rRNA gene was performed at for 5 min , followed by 30 cycles of for for 30 s , and for 30 s , with a final extension at for 8 min . For ITS2 region, PCR was conducted under the following conditions: for 30 s , followed by 32 cycles of for for
20 s , and for 30 s , with a final extension at for 8 min . PCR products were detected by agarose gel electrophoresis and purified using the EZNA Gel Extraction Kit (Omega, Norcross, GA, USA). Purified PCR products were then pooled to libraries and sequenced on the Illumina Hiseq 2500 platform (Illumina, San Diego, CA, USA) with base pair kits (Guangdong Magigene Biotechnology Co., Ltd. Guangzhou, China).
The raw reads were trimmed by TrimGalore (v0.6.10) (https:// github.com/FelixKrueger/TrimGalore) to remove low-quality reads (quality score ), and then merged using USEARCH . The primers and low-quality reads (<200 bp) were further removed using cutadapt plugin within QIIME2 (v2024.2) and USEARCH, respectively. Thereafter, clean reads were dereplicated using the command -fastx_uniques and then clustered into ASVs using the unoise3 algorithm with USEARCH. The selected ASV representative sequences for 16 S and ITS were annotated taxonomically with Silva (v138) and Unite (v9.0) databases respectively, using the SINTAX algorithm in USEARCH. ASVs that were not classified as prokaryotes (i.e., bacteria and archaea) or fungi were removed. The ASV matrices for 16 S and ITS were rarefied to their minimum sequence number across all samples respectively for the subsequent analyses (i.e., calculation of diversity and community composition, and network construction).
Metagenomic sequencing and data processing
We performed metagenomic sequencing on 20 soil samples to explore warming effects on potential microbial functions. Metagenomic libraries of the samples were constructed and sequenced on the Illumina HiSeq 2500 platform (Illumina, San Diego, CA, USA) with a base pair kits (Guangdong Magigene Biotechnology Co., Ltd. Guangzhou, China). We acquired 1.5 billion raw reads in total from the 20 samples. For sequence processing, Trimmomatic (v0.39) was used to remove adapters and trim raw reads. The filtered clean data of each sample were firstly assembled using MEGAHIT (v1.2.9) with parameters: k -min -max 95 , and k -step 20 , and the scaftigs shorter than 500 bp were excluded. Then the reads that were unmappable to the scaftigs were pooled together and further co-assembled using the same parameters as those for individual samples. The resulting assemblies from the two steps were combined, and used for prediction of open reading frames (ORFs) by prodigal ( v 2.6 .3 ). Subsequently, ORFs were clustered and dereplicated with sequence identity using linclust algorithm from MMseqs to acquire non-redundant gene catalog. To uncover changes in the potential microbial metabolic capabilities with warming, the predicted genes were annotated against different databases. Annotation against the CAZy (CAZyDB.07312018) was performed using run_dbcan . Substrate utilization of enzymes from the CAZy family was acquired based on CAZy database and previous literatures (Supplementary Table 5). In addition, genes were annotated via DIAMOND (v0.9.14) to the KEGG database (downloaded 1-April-2020; https://www.kegg.jp/kegg/download/). KEGG Orthology (KO) terms involved in the pathways of substrate utilization were acquired from the KEGG database and published literature . Clean reads were mapped to gene catalog using (v0.7.17), and the relative abundance of each gene for sample was calculated as follows :
where is the relative abundance of gene in sample is the counts that gene can be detected in sample , and is the length of gene .
Determination of microbial physiology
To evaluate responses of microbial physiology to experimental warming, we determined microbial growth rates and CUE by a substrate-independent method according to the incorporation of into microbial DNA . Specifically, fresh soil samples previously stored at were adjusted to water holding capacity (WHC) and preincubated at (the temperature soils can reach during growing season) for 7 days. Then two replicates (one as labeled sample and the other as natural abundance sample) of 300 mg preincubated soils were weighed into 2 ml reaction tubes, and each open tube was placed into a 50 ml vial sealed with a crimp cap. The vials with soil samples as well as empty ones as control were flushed with -free air. Thereafter, labeled samples were added with to reach of WHC and 20 of in the final soil water, while the natural abundance sample received the same volume of non-labeled molecular biology grade water. The vials were incubated at for 24 h , after which headspace concentration was determined by an Agilent 7890A gas chromatograph (Agilent Technologies, Santa Clara, CA, USA). Microbial respiration rate was calculated based on the difference in concentration between samples and empty controls.
Immediately after gas sampling, the reaction tube was closed and put into liquid . Subsequently, DNA of soil samples was extracted with FastDNA SPIN Kit for Soil (MP Biomedicals) following the instruction manual with two modifications : (1) the time of first centrifugation was extended to 15 min ; (2) the entire binding matrix suspension was transferred onto the filter. The weight of the DNA extract was recorded and the DNA concentration was then quantified using the Quant-iT PicoGreen dsDNA Assay Kit (Thermo Fisher). O abundance and total O content were analyzed using an elemental analyzer coupled to a 253 plus isotope ratio mass spectrometer via a Conflo IV (Thermo Fisher Scientific, Waltham, MA, USA). The amount of DNA produced during incubation time ( ) was calculated as follows :
where represents the total O content of the dried DNA extract is the surplus abundance (at%) of labeled samples compared to the mean at% of natural abundance samples, is the in the final soil solution of the labeled sample, and the constant 31.21 denotes the proportional mass of O (%) in DNA according to an average DNA molecule. To convert the produced DNA to the equivalent production of microbial biomass carbon (MBC), we conducted chloroform fumigation-extraction procedure followed by analyses on a Multi N/C 3100 TOC/TN analyzer (Analytik Jena, Jena, Germany) to determine MBC (conversion factor 0.45. MBC production, i.e., microbial growth ( soil dry mass ) for each sample was calculated as:
where and are contents of a sample’s microbial biomass carbon ( soil dry mass) and DNA ( soil dry mass), is the dry mass of soils used for incubation ( g ), and is the incubation time (h). Given that microbial physiological processes operate per unit of biomass, we also acquired biomass-specific growth ( ) and respiration ( ). Microbial CUE was then determined as follows:
where is microbial respiration ( soil dry mass ). Microbial turnover rate ( ; day ) was estimated as:
Analyses of amino sugars
Amino sugars in soil samples were analyzed according to a previous protocol and used to calculate microbial necromass C. Briefly, freezedried and ground soil samples containing more than 0.3 mg N were hydrolyzed with 6 M HCl containing myo-inositol (internal standard) for 8 h at . The hydrolysate was filtered, adjusted to pH 6.6-6.8 and centrifuged. Thereafter, the supernatant solution was evaporated to dryness at , and amino sugars were re-dissolved in 5 ml methanol, transferred to vials and dried at with . The residues were added with 1 ml deionized and standard N -methylglucamine, and lyophilized. Then aldononitrile acetate derivatization for amino sugars was processed by adding a derivatization reagent containing hydroxylamine hydrochloride ( ) and 4-(dimethylamino)pyridine ( ) in pyridine-methanol, and heating at for 35 min . The derivatives were further acetylated with 1 ml acetic anhydride and the solution was reheated for . Then, 1.5 ml dichloromethane and 1 ml of 1 M HCl were added successively. Excessive derivatization reagents were reacted with 1 M HCl and removed by washing thrice with deionized water. The organic phase was dried at with , and resuspended in ethyl acetate-hexane (1:1), which was finally analyzed by an Agilent 7890B gas chromatograph (Agilent Technologies, Santa Clara, CA, USA) equipped with a HP-5 column ( 30 m length diameter thickness) and flame ionization detector. The content of individual amino sugar (i.e., GluN, GalN, and MurA) was calculated based on the internal standard, and sum of the three individual amino sugars was used to reflect soil amino sugar pool. Microbial necromass C was calculated according to the content of and as follows :
where 45 and 9 represent the conversion value from MurA to bacterial necromass C, and fungal GluN to fungal necromass C, respectively. 179.17 is the molecular weight of GluN, and 251.23 is the molecular weight of MurA. Total microbial necromass C is the sum of bacterial and fungal necromass C .
Statistical analyses
We conducted the following analyses to estimate warming effects on different microbial attributes as well as soil C dynamics and environmental factors: first, we performed paired samples -tests to compare the means of each variable between warming and control conditions. The variables included , C distribution in soil fractions, plant variables (NDVI and root biomass), soil physicochemical properties (soil temperature and moisture, , and pH ), as well as microbial physiological properties (microbial growth, respiration, CUE and turnover) and microbial necromass C .
Second, we explored whether and how experimental warming affected microbial diversity, community composition and cooccurrence patterns. The analyses were conducted using R software 4.1.0 with the vegan package when not specified. Specifically, we calculated alpha diversity indices including richness and Shannon-Wiener index for prokaryotes and fungi, and compared the
means between control and warming conditions using paired samples -tests. Then we examined the differences in prokaryotic and fungal community composition between the warming and control treatments using three non-parametric multivariate analyses, including permutational multivariate analysis of variance (Adonis), analysis of similarities (ANOSIM), and multi-response permutation procedure (MRPP) based on Bray-Curtis distance.
To further examine warming effects on microbial co-occurrence patterns, we constructed molecular ecological networks for prokaryotes and fungi under control and warming conditions, respectively. Network construction and analyses were all carried out using the integrated network analysis pipeline (iNAP) at https://inap.denglab. org.cn/. Briefly, only prokaryotic and fungal ASVs presented in all the 10 samples were retained for correlation calculation to ensure network reliability. Rarefied sequence data were log-transformed before obtaining Pearson correlation matrix, and the resulting matrix was analyzed by a random matrix theory (RMT) based approach to determine the threshold of the Pearson correlation. Uniform threshold was selected for control and warming for network construction ( 0.91 for prokaryotes and 0.79 for fungi). Then, network topology characterization, network randomization and module separation were processed with default parameter setting. After module detection, relative modularity was calculated to reflect how modular an empirical network is compared with the mean expected modularity . Keystone nodes were identified according to the topological properties of each node (that is, within-module connectivity ( ) and amongmodule connectivity ), and module eigengene analysis was conducted to explore modules’ response to environmental changes (see Supplementary Note 2 for details). Networks were visualized using Cytoscape . Finally, to assess the differences in networked communities between control and warming, non-parametric multivariate analyses including Adonis, ANOSIM, and MRPP were conducted. Variation partitioning analysis based on redundancy analysis was also performed to discern the contributions of the plant and edaphic variables to the variations in the networked communities.
Third, warming effects on potential microbial functions were examined. Briefly, statistically differentially abundant CAZy gene families were identified through LEfSe method at http://galaxy. biobakery.org/.LDA scores higher than 2.0 with a value less than 0.05 were considered significantly enriched. In addition, paired samples -tests were conducted to determine the differences in relative abundance of total CAZy gene families as well as the sum of KOs involved in the specified substrate utilization.
Reporting summary
Further information on research design is available in the Nature Portfolio Reporting Summary linked to this article.
Data availability
All data supporting the findings are available in the Figshare data repository (https://doi.org/10.6084/m9.figshare.25974622.v2) and Supplementary Information. The sequence data generated in this study have been deposited in the NCBI Sequence Read Archive (SRA) under accession number PRJNA1113361. Source data are provided with this paper.
References
Zhang, T., Barry, R. G., Knowles, K., Heginbottom, J. A. & Brown, J. Statistics and characteristics of permafrost and ground-ice distribution in the Northern Hemisphere. Pol. Geogr. 23, 132-154 (1999).
Schuur, E. A. G. et al. Climate change and the permafrost carbon feedback. Nature 520, 171-179 (2015).
Mishra, U. et al. Spatial heterogeneity and environmental predictors of permafrost region soil organic carbon stocks. Sci. Adv. 7, eaaz5236 (2021).
Schuur, E. A. G. et al. Permafrost and climate change: carbon cycle feedbacks from the warming Arctic. Annu. Rev. Environ. Resour. 47, 343-371 (2022).
Harris, L. I. et al. Permafrost thaw causes large carbon loss in boreal peatlands while changes to peat quality are limited. Glob. Chang. Biol. 29, 5720-5735 (2023).
Liu, F. et al. Divergent changes in particulate and mineralassociated organic carbon upon permafrost thaw. Nat. Commun. 13, 5073 (2022).
Plaza, C. et al. Direct observation of permafrost degradation and rapid soil carbon loss in tundra. Nat. Geosci. 12, 627-631 (2019).
Rantanen, M. et al. The Arctic has warmed nearly four times faster than the globe since 1979. Commun. Earth Environ. 3, 168 (2022).
Miner, K. R. et al. Permafrost carbon emissions in a changing Arctic. Nat. Rev. Earth Environ. 3, 55-67 (2022).
Wieder, W. R. et al. Explicitly representing soil microbial processes in Earth system models. Glob. Biogeochem. Cycle 29, 1782-1800 (2015).
Wieder, W. R., Bonan, G. B. & Allison, S. D. Global soil carbon projections are improved by modelling microbial processes. Nat. Clim. Chang. 3, 909-912 (2013).
Liang, C., Schimel, J. P. & Jastrow, J. D. The importance of anabolism in microbial control over soil carbon storage. Nat. Microbiol. 2, 17105 (2017).
Schimel, J. & Schaeffer, S. Microbial control over carbon cycling in soil. Front. Microbiol. 3, 348 (2012).
Liang, C. & Balser, T. C. Warming and nitrogen deposition lessen microbial residue contribution to soil carbon pool. Nat. Commun. 3, 1222 (2012).
Hicks Pries, C. E., Castanha, C., Porras, R. C. & Torn, M. S. The wholesoil carbon flux in response to warming. Science 355, 1420-1423 (2017).
Crowther, T. W. et al. Quantifying global soil carbon losses in response to warming. Nature 540, 104-108 (2016).
Johnston, E. R. et al. Responses of tundra soil microbial communities to half a decade of experimental warming at two critical depths. Proc. Natl Acad. Sci. USA 116, 15096-15105 (2019).
Xue, K. et al. Tundra soil carbon is vulnerable to rapid microbial decomposition under climate warming. Nat. Clim. Chang. 6, 595-600 (2016).
Wu, L. et al. Permafrost thaw with warming reduces microbial metabolic capacities in subsurface soils. Mol. Ecol. 31, 1403-1415 (2022).
Wang, G. et al. Enhanced response of soil respiration to experimental warming upon thermokarst formation. Nat. Geosci. 17, 532-538 (2024).
Hagerty, S. B. et al. Accelerated microbial turnover but constant growth efficiency with warming in soil. Nat. Clim. Chang. 4, 903-906 (2014).
Frey, S. D., Lee, J., Melillo, J. M. & Six, J. The temperature response of soil microbial efficiency and its feedback to climate. Nat. Clim. Chang 3, 395-398 (2013).
Allison, S. D., Wallenstein, M. D. & Bradford, M. A. Soil-carbon response to warming dependent on microbial physiology. Nat. Geosci. 3, 336-340 (2010).
Yang, M., Nelson, F. E., Shiklomanov, N. I., Guo, D. & Wan, G. Permafrost degradation and its environmental effects on the Tibetan Plateau: a review of recent research. Earth Sci. Rev. 103, 31-44 (2010).
Zou, D. et al. A new map of permafrost distribution on the Tibetan Plateau. Cryosphere 11, 2527-2542 (2017).
Kuang, X. & Jiao, J. J. Review on climate change on the Tibetan Plateau during the last half century. J. Geophys. Res. Atmos. 121, 3979-4007 (2016).
Ding, J. et al. Decadal soil carbon accumulation across Tibetan permafrost regions. Nat. Geosci. 10, 420-424 (2017).
Li, F. et al. Warming effects on permafrost ecosystem carbon fluxes associated with plant nutrients. Ecology 98, 2851-2859 (2017).
Walker, T. W. N. et al. Microbial temperature sensitivity and biomass change explain soil carbon loss with warming. Nat. Clim. Chang. 8, 885-889 (2018).
Liang, C., Amelung, W., Lehmann, J. & Kästner, M. Quantitative assessment of microbial necromass contribution to soil organic matter. Glob. Chang. Biol. 25, 3578-3590 (2019).
Li, F. et al. Warming alters surface soil organic matter composition despite unchanged carbon stocks in a Tibetan permafrost ecosystem. Funct. Ecol. 34, 911-922 (2020).
Sinsabaugh, R. L., Manzoni, S., Moorhead, D. L. & Richter, A. Carbon use efficiency of microbial communities: stoichiometry, methodology and modelling. Ecol. Lett. 16, 930-939 (2013).
Chen, W. et al. Soil microbial network complexity predicts ecosystem function along elevation gradients on the Tibetan Plateau. Soil Biol. Biochem. 172, 108766 (2022).
Wagg, C., Schlaeppi, K., Banerjee, S., Kuramae, E. E. & van der Heijden, M. G. A. Fungal-bacterial diversity and microbiome complexity predict ecosystem functioning. Nat. Commun. 10, 4841 (2019).
Wang, X. et al. Decreased soil multifunctionality is associated with altered microbial network properties under precipitation reduction in a semiarid grassland. iMeta 2, e106 (2023).
Montoya, J. M., Pimm, S. L. & Solé, R. V. Ecological networks and their fragility. Nature 442, 259-264 (2006).
Zhou, J. et al. Phylogenetic molecular ecological network of soil microbial communities in response to elevated . mBio 2, e00122-11 (2011).
Yuan, M. M. et al. Climate warming enhances microbial network complexity and stability. Nat. Clim. Chang. 11, 343-348 (2021).
Goberna, M. & Verdú, M. Cautionary notes on the use of cooccurrence networks in soil ecology. Soil Biol. Biochem. 166, 108534 (2022).
Maes, S. L. et al. Environmental drivers of increased ecosystem respiration in a warming tundra. Nature 629, 105-113 (2024).
Prommer, J. et al. Increased microbial growth, biomass, and turnover drive soil organic carbon accumulation at higher plant diversity. Glob. Chang. Biol. 26, 669-681 (2020).
Sokol, N. W. et al. Life and death in the soil microbiome: how ecological processes influence biogeochemistry. Nat. Rev. Microbiol. 20, 415-430 (2022).
Buckeridge, K. M. et al. Environmental and microbial controls on microbial necromass recycling, an important precursor for soil carbon stabilization. Commun. Earth Environ. 1, 36 (2020).
Conant, R. T. et al. Temperature and soil organic matter decomposition rates-synthesis of current knowledge and a way forward. Glob. Chang. Biol. 17, 3392-3404 (2011).
Daugherty, E. E., Lobo, G. P., Young, R. B., Pallud, C. & Borch, T. Temperature effects on sorption of dissolved organic matter on ferrihydrite under dynamic flow and batch conditions. Soil Sci. Soc. Am. J. 86, 224-237 (2022).
Alteio, L. V. et al. A critical perspective on interpreting amplicon sequencing data in soil ecological research. Soil Biol. Biochem. 160, 108357 (2021).
Fraser, L. H. et al. Coordinated distributed experiments: an emerging tool for testing global hypotheses in ecology and environmental science. Front. Ecol. Environ. 11, 147-155 (2013).
Wei, B. et al. Experimental warming altered plant functional traits and their coordination in a permafrost ecosystem. N. Phytol. 240, 1802-1816 (2023).
Kuzyakov, Y. Sources of efflux from soil and review of partitioning methods. Soil Biol. Biochem. 38, 425-448 (2006).
Mielnick, P. C. & Dugas, W. A. Soil CO2 flux in a tallgrass prairie. Soil Biol. Biochem. 32, 221-228 (2000).
Hasselquist, N. J., Metcalfe, D. B. & Högberg, P. Contrasting effects of low and high nitrogen additions on soil flux components and ectomycorrhizal fungal sporocarp production in a boreal forest. Glob. Chang. Biol. 18, 3596-3605 (2012).
Dorrepaal, E. et al. Carbon respiration from subsurface peat accelerated by climate warming in the subarctic. Nature 460, 616-619 (2009).
Nottingham, A. T., Meir, P., Velasquez, E. & Turner, B. L. Soil carbon loss by experimental warming in a tropical forest. Nature 584, 234-237 (2020).
Lavallee, J. M., Soong, J. L. & Cotrufo, M. F. Conceptualizing soil organic matter into particulate and mineral-associated forms to address global change in the 21st century. Glob. Chang. Biol. 26, 261-273 (2020).
Caporaso, J. G. et al. Global patterns of 16 S rRNA diversity at a depth of millions of sequences per sample. Proc. Natl Acad. Sci. USA 108, 4516-4522 (2011).
White, T. J., Bruns, T., Lee, S. & Taylor, J. Amplification and direct sequencing of fungal ribosomal RNA genes for phylogenetics. in PCR Protocols (eds Innis, M. A., Gelfand, D. H., Sninsky, J. J. & White, T. J.) (Academic Press, 1990).
Edgar, R. C. Search and clustering orders of magnitude faster than BLAST. Bioinformatics 26, 2460-2461 (2010).
Bolyen, E. et al. Reproducible, interactive, scalable and extensible microbiome data science using QIIME 2. Nat. Biotechnol. 37, 852-857 (2019).
Edgar, R. C. UNOISE2: improved error-correction for Illumina 16 S and ITS amplicon sequencing. bioRxiv https://doi.org/10.1101/ 081257 (2016).
Quast, C. et al. The SILVA ribosomal RNA gene database project: improved data processing and web-based tools. Nucleic Acids Res. 41, D590-D596 (2013).
Kõljalg, U. et al. Towards a unified paradigm for sequence-based identification of fungi. Mol. Ecol. 22, 5271-5277 (2013).
Edgar, R. C. SINTAX: a simple non-Bayesian taxonomy classifier for 16S and ITS sequences. bioRxiv https://doi.org/10.1101/074161 (2016).
Bolger, A. M., Lohse, M. & Usadel, B. Trimmomatic: a flexible trimmer for Illumina sequence data. Bioinformatics 30, 2114-2120 (2014).
Li, D., Liu, C.-M., Luo, R., Sadakane, K. & Lam, T.-W. MEGAHIT: an ultra-fast single-node solution for large and complex metagenomics assembly via succinct de Bruijn graph. Bioinformatics 31, 1674-1676 (2015).
Hyatt, D. et al. Prodigal: prokaryotic gene recognition and translation initiation site identification. BMC Bioinforma. 11, 119 (2010).
Steinegger, M. & Söding, J. Clustering huge protein sequence sets in linear time. Nat. Commun. 9, 2542 (2018).
Lombard, V., Ramulu, H. G., Drula, E., Coutinho, P. M. & Henrissat, B. The carbohydrate-active enzymes database (CAZy) in 2013. Nucleic Acids Res. 42, D490-D495 (2014).
Zhang, H. et al. dbCAN2: a meta server for automated carbohydrate-active enzyme annotation. Nucleic Acids Res. 46, W95-W101 (2018).
Buchfink, B., Xie, C. & Huson, D. H. Fast and sensitive protein alignment using DIAMOND. Nat. Methods 12, 59-60 (2015).
Kanehisa, M. & Goto, S. KEGG: Kyoto Encyclopedia of Genes and Genomes. Nucleic Acids Res. 28, 27-30 (2000).
Kang, L. et al. Metagenomic insights into microbial community structure and metabolism in alpine permafrost on the Tibetan Plateau. Nat. Commun. 15, 5920 (2024).
Li, H. & Durbin, R. Fast and accurate short read alignment with Burrows-Wheeler transform. Bioinformatics 25, 1754-1760 (2009).
Qin, J. et al. A metagenome-wide association study of gut microbiota in type 2 diabetes. Nature 490, 55-60 (2012).
Spohn, M., Klaus, K., Wanek, W. & Richter, A. Microbial carbon use efficiency and biomass turnover times depending on soil depth-implications for carbon cycling. Soil Biol. Biochem. 96, 74-81 (2016).
Wu, J., Joergensen, R. G., Pommerening, B., Chaussod, R. & Brookes, P. C. Measurement of soil microbial biomass by fumi-gation-extraction-an automated procedure. Soil Biol. Biochem. 22, 1167-1169 (1990).
Zhang, X. & Amelung, W. Gas chromatographic determination of muramic acid, glucosamine, mannosamine, and galactosamine in soils. Soil Biol. Biochem. 28, 1201-1206 (1996).
R Core Team. R: A Language and Environment for Statistical Computing (R Foundation for Statistical Computing, 2021).
Oksanen, J. vegan: Community Ecology Package. R package version 2.6-4. (2022).
Feng, K. et al. iNAP: an integrated network analysis pipeline for microbiome studies. iMeta 1, e13 (2022).
Olesen, J. M., Bascompte, J., Dupont, Y. L. & Jordano, P. The modularity of pollination networks. Proc. Natl Acad. Sci. USA 104, 19891-19896 (2007).
Guimerà, R. & Nunes Amaral, L. A. Functional cartography of complex metabolic networks. Nature 433, 895-900 (2005).
Shannon, P. et al. Cytoscape: a software environment for integrated models of biomolecular interaction networks. Genome Res. 13, 2498-2504 (2003).
Segata, N. et al. Metagenomic biomarker discovery and explanation. Genome Biol. 12, R60 (2011).
We are grateful to Prof. Yunfeng Peng at Institute of Botany, Chinese Academy of Sciences and Dr. Fei Li at Taizhou University for experimental platform establishment. We also appreciate Prof. Tida Ge at Ningbo University for assistance in CUE determination, Yutong Song and Luyao Kang from Yuanhe Yang’s group for providing helpful suggestion in data analyses, and Yang Liu and Qinlu Li from Yuanhe Yang’s group for assistance in field measurements. This work was supported by the Second Tibetan Plateau Scientific Expedition and Research (STEP) program (2019QZKKO106, Y.Y.), the National Natural Science Foundation of China (31988102 and 32425004, Y.Y., and 32301436, S.Q.), the New
Cornerstone Science Foundation through the XPLORER PRIZE (Y.Y.), and the China National Postdoctoral Program for Innovative Talents (BX2O220339, S.Q.).
Author contributions
Y.Y. and S.Q. designed the research. S.Q., D.Z., and B.W. performed field sampling and laboratory experiments. B.W. conducted field measurements. S.Q. analyzed the data. S.Q. and Y.Y. wrote the manuscript.
Correspondence and requests for materials should be addressed to Yuanhe Yang.
Peer review information Nature Communications thanks the anonymous reviewers for their contribution to the peer review of this work. A peer review file is available.
State Key Laboratory of Vegetation and Environmental Change, Institute of Botany, Chinese Academy of Sciences, 100093 Beijing, China. China National Botanical Garden, 100093 Beijing, China. University of Chinese Academy of Sciences, 100049 Beijing, China. e-mail: yhyang@ibcas.ac.cn
