ส่วนที่ 1 ความสัมพันธ์ด้านกฎระเบียบระหว่างการเปลี่ยนแปลงคุณภาพและสภาพแวดล้อมของ Cistanche Deserticola ในสามอีโคไทป์ตามการวิเคราะห์จุลชีววิทยาของดิน

สิ่งแวดล้อมส่งผลต่อองค์ประกอบและหน้าที่ของไมโครไบโอมในดิน ซึ่งส่งผลกระทบทางอ้อมต่อคุณภาพของพืช ในการศึกษานี้ ใช้การจัดลำดับแอมพลิคอน 16S เพื่อเปิดเผยความแตกต่างในองค์ประกอบชุมชนจุลินทรีย์ดินของCistanche deserticolaในสามระบบนิเวศน์ (ดินเค็ม-ด่าง ทุ่งหญ้า และดินทราย) ผ่านการวิเคราะห์สหสัมพันธ์ของปริมาณจุลินทรีย์ในชุมชน ปริมาณฟีนิลทานอยด์ไกลโคไซด์ และปัจจัยทางนิเวศวิทยา ความสัมพันธ์ด้านกฎระเบียบระหว่างชุมชนจุลินทรีย์กับการเปลี่ยนแปลงคุณภาพของจุลินทรีย์ค. ทะเลทรายิโคลาถูกอธิบาย โปรไฟล์ฟังก์ชันการเผาผลาญของไมโครไบโอมในดินถูกคาดการณ์โดยใช้ Tax4Fun ข้อมูลแสดงให้เห็นว่าชุมชนจุลินทรีย์ในดินของระบบนิเวศน์ทั้งสามมีความแตกต่างกันอย่างมีนัยสำคัญ (AMOVA, P <0.001) และความหลากหลายอัลฟาของชุมชนจุลินทรีย์ในดินทุ่งหญ้าสูงที่สุด="" การวิเคราะห์="" microbiome="">ค. ทะเลทรายิโคลาส่วนใหญ่มีความแห้งแล้ง ทนต่อเกลือ ทนต่อด่าง และทนต่อความเครียด เช่น ไมโครค็อคคาเลสและบาซิลลา biomarkers ได้แก่ oceanospirillales (แผ่นดินน้ำเค็ม - ด่าง) Spingomonadales (ทุ่งหญ้า) และ propionibacteriales (ดินทราย) สามารถแยกแยะชุมชนจุลินทรีย์สามชนิดได้ LEfSe และป่าสุ่ม ผลการวิเคราะห์สหสัมพันธ์แสดงให้เห็นว่า 2′-acetylacteoside มีความสัมพันธ์เชิงบวกกับ oceanospirillales ในดินดินเค็ม-ด่าง โปรไฟล์การทำงานของเมตาบอลิซึมแสดงกระบวนการเมตาบอลิซึมที่มีความเข้มข้นสูง (เมแทบอลิซึมของคาร์โบไฮเดรตและกรดอะมิโน) และเส้นทางการประมวลผลข้อมูลสิ่งแวดล้อม (การขนส่งเมมเบรนและการถ่ายทอดสัญญาณ) โดยรวมแล้วพบว่าองค์ประกอบและหน้าที่ของไมโครไบโอมในดินเป็นปัจจัยสำคัญต่อการแปรผันคุณภาพของค. ทะเลทรายิโคลาในระบบนิเวศน์ที่แตกต่างกัน งานนี้ให้ข้อมูลเชิงลึกใหม่เกี่ยวกับความสัมพันธ์ด้านกฎระเบียบระหว่างสิ่งแวดล้อม ชุมชนจุลินทรีย์ในดิน และความผันแปรของคุณภาพพืช

ข้อมูลเพิ่มเติมกรุณาติดต่อ:Joanna.jia@wecistanche.com

Cistanche deserticola มีเอฟเฟกต์มากมาย คลิกที่นี่เพื่อทราบข้อมูลเพิ่มเติม

Cistanche deserticolaเป็นพืชกาฝากที่ไม่สังเคราะห์แสงที่สามารถเติบโตได้ในแหล่งอาศัยที่แห้ง เช่น ดินทรายและคูแม่น้ำแห้ง ตลอดจนภายใต้สภาวะตึงเครียด เช่น ดินเค็ม-ด่าง1. พืชชนิดนี้เป็นปรสิตบนรากของ psammophyte Haloxylon ammodendron ซึ่งทนทานต่อสภาวะแวดล้อมที่รุนแรง2 พืชอาศัยปฏิสัมพันธ์ที่เป็นประโยชน์ระหว่างรากและจุลินทรีย์เพื่อให้ได้สารอาหาร ส่งเสริมการเจริญเติบโต และต้านทานความเครียดจากภายนอก3 ในขณะเดียวกัน ไมโครไบโอมในดินควบคุมการหมุนเวียนของธาตุอาหารหลัก ธาตุอาหารรอง และองค์ประกอบอื่นๆ ที่มีความสำคัญต่อการเจริญเติบโตของพืช4 อย่างไรก็ตาม ความสัมพันธ์ระหว่างค. ทะเลทรายิโคลาและจุลินทรีย์ในดินไรโซสเฟียร์ยังคงไม่ชัดเจน จึงนำเสนอจุลินทรีย์ดินไรโซสเฟียร์ของค. ทะเลทรายิโคลาเป็นสิ่งจำเป็น

ค. ทะเลทรายิโคลามักใช้ในเอเชียตะวันออก เอเชียกลาง แอฟริกาเหนือ และประเทศอื่นๆ เป็นอาหารและยารักษาสุขภาพเพื่อเพิ่มความจำ เสริมสมรรถภาพทางเพศ และปกป้องตับ5,6 สารออกฤทธิ์หลักของค. ทะเลทรายิโคลาคือ ฟีนิลทานอยด์ ไกลโคไซด์ (PhGs), อิริดอยด์, ลิกแนน และพอลิแซ็กคาไรด์ ในบรรดาส่วนประกอบเหล่านี้ PhGs เป็นส่วนประกอบที่ทำงานอยู่7 การศึกษาก่อนหน้านี้รายงานว่าเนื้อหาของ PhGs ในระบบนิเวศที่แตกต่างกันของค. ทะเลทรายิโคลาแตกต่างกันมาก โดยที่ 2′-acetylacteoside สามารถใช้เป็นเครื่องหมายทางเคมีเพื่อแยกแยะค. ทะเลทรายิโคลาผลิตในซินเจียงและมองโกเลียใน1. การศึกษาเกี่ยวกับชุมชนจุลินทรีย์ได้แสดงให้เห็นว่าชุมชนจุลินทรีย์สามารถควบคุมการเผาผลาญของโฮสต์ได้8,9 ดังนั้น การเปรียบเทียบความสัมพันธ์ระหว่างชุมชนจุลินทรีย์กับเมตาบอลิซึมในดินไรโซสเฟียร์ของค. ทะเลทรายิโคลามีความจำเป็นเร่งด่วนในระบบนิเวศที่แตกต่างกัน 16S ได้ทำการจัดลำดับแอมพลิคอนของตัวอย่างดินไรโซสเฟียร์ของพืชเพื่อสำรวจความหลากหลายของชุมชนจุลินทรีย์ โดยให้ข้อมูลเชิงลึกใหม่เกี่ยวกับความสัมพันธ์ระหว่างพืชและชุมชนจุลินทรีย์ในดิน10,11 ตัวอย่างเช่น ความสัมพันธ์ของการกระจายและการเปลี่ยนแปลงของเชื้อราเอนโดไฟต์กับ C. songaricum และ N. tangutorum ถูกตรวจสอบในการศึกษาเกี่ยวกับไมโครไบโอมโดยใช้การจัดลำดับปริมาณงานสูง11 ในการศึกษานี้ เราทำการจัดลำดับแอมพลิคอน 16S rRNA เพื่อให้ได้ไมโครไบโอมของดินค. ทะเลทรายิโคลาในระบบนิเวศน์ที่แตกต่างกัน นอกจากนี้ยังมีการเปรียบเทียบความแตกต่างของชุมชนจุลินทรีย์ในดินในระบบนิเวศน์ต่างๆ และได้มีการขุดค้นไบโอมาร์คเกอร์ที่สามารถแยกแยะความแตกต่างของระบบนิเวศทั้งสามได้ การวิเคราะห์สหสัมพันธ์ถูกคำนวณผ่านความอุดมสมบูรณ์ของชุมชนจุลินทรีย์ที่สำคัญ เนื้อหาของ PhGs และปัจจัยทางนิเวศวิทยา และการสำรวจความสัมพันธ์ด้านกฎระเบียบ ในที่สุด หน้าที่ของจุลินทรีย์ในดินของค. ทะเลทรายิโคลาในระบบนิเวศน์ที่แตกต่างกันได้รับการทำนาย

วัสดุและวิธีการ

ศึกษารายละเอียดไซต์และการสุ่มตัวอย่างจากการสืบสวนของเฟลด์ค. ทะเลทรายิโคลามีสามประเภทหลัก ได้แก่ ดินเค็ม-ด่าง ทุ่งหญ้า และดินทราย ในเดือนเมษายน 2017 เราได้รวบรวมตัวอย่างดินที่เป็นตัวแทนของระบบนิเวศน์ที่สำคัญของค. ทะเลทรายิโคลาในประเทศจีน. เก็บตัวอย่างดินของดินเค็ม-ด่างจากทะเลสาบ Ebinur (AB1, AB2, AB3) และหาด Baicheng (BJ1, BJ2, BJ3, BJ4, BJ5) ในจังหวัดซินเจียง เก็บตัวอย่างดินทุ่งหญ้าจากหมู่บ้านทูลา (TL1, TL2, TL3, TL4, TL5) ในจังหวัดซินเจียง เก็บตัวอย่างดินของดินทรายจาก Alxa (AL1, AL2, AL3, AL4, AL5, AL6) ในจังหวัดมองโกเลียในและเขต Minqin (GS1, GS2), เขตฉางเฉิง (GS3, GS4) ในจังหวัดกานซู ข้อมูลลองจิจูด ละติจูด และระดับความสูงของจุดสุ่มตัวอย่างทั้งหมดแสดงไว้ในตารางที่ 1 และรูปที่ 1 ที่ไซต์เฟลด์ เราใช้สว่านเจาะกระแทกสแตนเลสทรงกระบอกขนาดเส้นผ่านศูนย์กลาง 5 ซม. เพื่อรวบรวมดินที่อยู่ติดกับลำต้นอวบน้ำของค. ทะเลทรายิโคลาและโฮสต์ของมัน และเก็บไว้ในตู้เย็นแบบพกพาทันทีที่อุณหภูมิ -20 องศา หลังจากขนส่งไปยังห้องปฏิบัติการแล้ว ตัวอย่างดินจะถูกส่งผ่านตะแกรงขนาด 2-มม. เพื่อขจัดเนื้อเยื่อพืช ราก หิน ฯลฯ และเก็บไว้ในตู้เย็นที่อุณหภูมิ -20 องศาก่อนทำการทดลองต่อไป

การสกัดดีเอ็นเอและการจัดลำดับ 16S rRNAดีเอ็นเอของดินถูกสกัดโดยใช้ PowerSoil DNA Isolation Kit (MoBio Laboratories, Carlsbad, CA) ตามคู่มือ 12 ความบริสุทธิ์และคุณภาพของ DNA จีโนมได้รับการตรวจสอบโดย 0.8 เปอร์เซ็นต์ agarose gels electrophoresis และ nanodrop

บริเวณที่แปรผันได้สูง V3-V4 ของยีน 16S rRNA ของแบคทีเรียถูกขยายด้วยไพรเมอร์ 338F (ACTCCTACGGGAGGCAGCAG) และ 806R (GGACTACHVGGGTWTCTAAT)13 สำหรับตัวอย่างดินแต่ละตัวอย่าง มีการเพิ่มลำดับบาร์โค้ด 10-หลักที่ปลาย 5′ ของไพรเมอร์ไปข้างหน้าและย้อนกลับ (Allwegene Company, Beijing)12 PCR ดำเนินการบน Mastercycler Gradient (Eppendorf, Germany) โดยใช้ปริมาตรปฏิกิริยา 25 ul ที่มี 12.5 ul KAPA 2G Robust Hot Start Ready Mix, 1 µl forward primer (5 µM), 1 µl reverse primer (5 µM), 5 µl DNA (ปริมาณเทมเพลตทั้งหมดคือ 30 ng) และ 5.5 µl H2O พารามิเตอร์การปั่นจักรยานมีดังนี้: 95 องศาเป็นเวลา 5 นาที ตามด้วย 28 รอบที่ 95 องศาเป็นเวลา 45 วินาที 55 องศาเป็นเวลา 50 วินาที และ 72 องศาเป็นเวลา 45 วินาที โดยมีส่วนขยายสุดท้ายที่ 72 องศาเป็นเวลา 10 นาที ผลิตภัณฑ์ PCR สามรายการต่อตัวอย่างถูกรวมเข้าด้วยกันเพื่อลดความเอนเอียง PCR ระดับปฏิกิริยา ผลิตภัณฑ์ PCR ถูกทำให้บริสุทธิ์โดยใช้ QIAquick Gel Extraction Kit (QIAGEN ประเทศเยอรมนี) จากนั้นจึงวัดปริมาณโดยใช้ PCR14 แบบเรียลไทม์

การจัดลำดับเชิงลึกดำเนินการบนแพลตฟอร์ม MISeq ที่ Allwegene Company (ปักกิ่ง) หลังจากการรัน การวิเคราะห์รูปภาพ การเรียกฐาน และการประมาณข้อผิดพลาดได้ดำเนินการโดยใช้ Illumina Analysis Pipeline เวอร์ชัน 2.614

Cistancheทูบูโลซ่าสามารถต่อต้านริ้วรอยได้

การวิเคราะห์ข้อมูล.ข้อมูลดิบถูกคัดกรองอย่างถี่ถ้วน และลำดับถูกลบออกตามการพิจารณาต่อไปนี้: ลำดับที่สั้นกว่า 200 bp ที่มีคะแนนคุณภาพต่ำ ( น้อยกว่าหรือเท่ากับ 20) และมีฐานที่คลุมเครือหรือไม่ตรงกัน ลำดับไพรเมอร์และแท็กบาร์โค้ด15. การอ่านที่มีคุณภาพถูกแยกออกโดยใช้ลำดับบาร์โค้ดเฉพาะตัวอย่างและตัดแต่งด้วย Illumina Analysis Pipeline เวอร์ชัน 2.6 จากนั้น วิเคราะห์ชุดข้อมูลโดยใช้ QIIME ลำดับถูกจัดกลุ่มเป็นหน่วยอนุกรมวิธานในการปฏิบัติงาน (OTU) ที่ระดับความคล้ายคลึงกันที่ 97 เปอร์เซ็นต์ 16 เพื่อสร้างเส้นกราฟหายากและคำนวณดัชนีความสมบูรณ์และความหลากหลาย เครื่องมือ Ribosomal Database Project Classifer ใช้เพื่อจำแนกลำดับทั้งหมดออกเป็นกลุ่มอนุกรมวิธานที่ต่างกัน15 การวิเคราะห์การจัดกลุ่มดำเนินการตามข้อมูล OTU จากแต่ละตัวอย่างโดยใช้ R เพื่อตรวจสอบความคล้ายคลึงกันระหว่างตัวอย่างที่ต่างกัน 17 เมทริกซ์ UniFracdistances ระหว่างชุมชนจุลินทรีย์จากแต่ละตัวอย่างคำนวณโดยใช้ค่าสัมประสิทธิ์ Tayc และแสดงเป็นวิธีการกลุ่มคู่แบบไม่ถ่วงน้ำหนักด้วยแผนภูมิคลัสเตอร์ค่าเฉลี่ยเลขคณิต ซึ่งอธิบายความแตกต่าง (1-ความคล้ายคลึงกัน) ระหว่างตัวอย่างจำนวนมาก18 ต้นไม้ที่จัดรูปแบบ Newick ยังถูกสร้างขึ้นผ่านการวิเคราะห์นี้ ความหลากหลายของอัลฟ่าถูกนำมาใช้ในการวิเคราะห์ความซับซ้อนของความหลากหลายของสปีชีส์สำหรับตัวอย่างโดยใช้ดัชนีสี่ตัว ซึ่งรวมถึง Chao1, สปีชีส์ที่สังเกตพบ, ต้นไม้ทั้งต้นที่มีความหลากหลายทางสายวิวัฒนาการ (PD) และดัชนีความหลากหลายของแชนนอน ดัชนีเหล่านี้คำนวณโดยใช้ซอฟต์แวร์ QIIME (Boulder, CO, USA) ใน Python (v.1.8.0) (La Jalla, CA, USA)19 การวิเคราะห์ความหลากหลายของเบต้าถูกใช้เพื่อประเมินความแตกต่างของตัวอย่างในแง่ของความซับซ้อนของสปีชีส์ ความหลากหลายของเบต้าคำนวณโดยใช้การวิเคราะห์พิกัดหลัก (PCoA) และการวิเคราะห์คลัสเตอร์ใน QIIME20 การวิเคราะห์ความแปรปรวนของโมเลกุล (AMOVA) ดำเนินการโดยใช้มอเธอร์ EdgeR ใช้ในการคำนวณความแตกต่างของ OTU ระหว่างกลุ่ม Heatmap.2 ถูกใช้เพื่อวาดแผนที่ความร้อน ในขณะที่ Ggplot ถูกใช้เพื่อวาดแผนที่แมนฮัตตัน

การกำหนดไบโอมาร์คเกอร์และไมโครไบโอมหลักการวิเคราะห์จำแนกเชิงเส้น (LDA) และวิธีป่าสุ่ม (RF) ในเว็บไซต์นักวิเคราะห์ Microbiome 21 ใช้เพื่อกำหนดไมโครไบโอมของไบโอมาร์คเกอร์

อันดับแรก เว็บไซต์ทำการทดสอบอันดับผลรวม Kruskal–Wallis แฟกทอเรียลแบบไม่อิงพารามิเตอร์เพื่อระบุคุณสมบัติที่มีความอุดมสมบูรณ์เชิงอนุพันธ์ที่มีนัยสำคัญโดยพิจารณาจากปัจจัยทดลองหรือระดับความสนใจ ตามด้วย LDA เพื่อคำนวณขนาดเอฟเฟกต์ของคุณสมบัติที่มีดิฟเฟอเรนเชียลแต่ละอย่าง21 คุณลักษณะนี้ถือว่ามีความสำคัญตามค่า p ที่ปรับแล้ว ค่า adj.p-value เริ่มต้นของ=0.05 การวิเคราะห์ RF ดำเนินการโดยใช้แพ็คเกจ randomForest5 RF เป็นอัลกอริธึมการเรียนรู้ภายใต้การดูแลซึ่งเหมาะสำหรับการวิเคราะห์ข้อมูลในมิติสูง วิธีนี้ใช้ชุดของต้นไม้การจำแนกประเภท ซึ่งแต่ละต้นจะเติบโตผ่านการเลือกคุณสมบัติแบบสุ่มจากตัวอย่างบูตสแตรปที่แต่ละสาขา22 การวิเคราะห์ไมโครไบโอมหลักถูกนำมาใช้จากฟังก์ชันหลักในไมโครไบโอมของแพ็คเกจ R โดย Microbiome Analyst

การวิเคราะห์สหสัมพันธ์ของชุมชนจุลินทรีย์ที่สำคัญ เนื้อหา PhGs และปัจจัยทางนิเวศวิทยาเนื้อหาของฟีนิลทานอยด์ไกลโคไซด์ (PhGs) เจ็ดชนิดของอีโคไทป์สามชนิดของ C. deserticola คือ echinacoside, cistanoside A, acteoside, isoacteoside, 2′-acetylacteosid, tubuloside A และ cistanoside F ถูกกำหนดผ่าน HPLC สภาพโครมาโตกราฟีเกี่ยวข้องกับคอลัมน์ Waters C18 (150 มม. × 3.9 มม., 4.6 ไมโครเมตร) และเฟสเคลื่อนที่ประกอบด้วยอะซิโตไนไตรล์และกรดฟอร์มิก 0.2 เปอร์เซ็นต์ การตั้งค่าโครมาโตกราฟีมีดังนี้: 0-10 นาที, 10 เปอร์เซ็นต์ →15 เปอร์เซ็นต์ A; 10–30 นาที, 15 เปอร์เซ็นต์ →40 เปอร์เซ็นต์ A. อัตรา fow คือ 1 มล./นาที ความยาวคลื่นดูดกลืน ปริมาตรการฉีด และอุณหภูมิคอลัมน์เท่ากับ 330 นาโนเมตร 10 ไมโครลิตร และ 27 องศา ตามลำดับ การศึกษาระเบียบวิธีอ้างอิงถึงงานทดลองเบื้องต้นของกลุ่มอ้างอิง1

การศึกษานี้รวบรวมสถานีอุตุนิยมวิทยา 16 แห่งใกล้กับระบบนิเวศทั้งสามประเภทค. ทะเลทรายิโคลาXinjiang Bole 51238, Tacheng 51133, Tori 51241, Karamay 51243, Buxail 51156, ยูมิน 51137, Emin

51145, Gansu Minqin 52681, Yongchang 52674, Wuwei 52679, Gulang 52784, Inner Mongolia Suikou 53419, Hangjinhouqi 53420 และ Wuhai 53512 ข้อมูลปัจจัยภูมิอากาศเจ็ดประการระหว่างปี 2524-2553 เป็นข้อมูลปัจจัยภูมิอากาศสำหรับการวิเคราะห์สหสัมพันธ์ที่ตามมา

Redundancy analysis of diferential metabolites and bioclimatic factors was performed by using Canoco 5 software23. Pearson correlation coefcient was calculated for biomarker microbiome abundance, compound con- tent and ecological factor data integration. In this study, the log2 data conversion was uniformly performed before the analysis. SPSS was used to calculate the Pearson correlation coefcient of the six biomarkers, six core micro- biomes, seven main active components of C. deserticola and the ecological factors in the three habitats, and the screening standard was as follows: pearson correlation coefcient (r) >{{0}}.5 และค่า p < 0.05="" ความสัมพันธ์ระหว่างปัจจัยข้างต้นแสดงภาพโดยใช้="" cytoscape24="" (the="" cytoscape="" consortium,="" san="" diego,="" ca,="" usa,="" เวอร์ชัน="" 3.7.0)="" และ="" pheatmap="" (แพ็คเกจ="">

การทำนายลักษณะการทำงานของจุลินทรีย์ในไมโครไบโอมTax4Fun25 (แพ็คเกจ R http:// tax4fun.gobics.de/) ใช้เพื่อทำนายลักษณะการทำงานของจุลินทรีย์ในตัวอย่างดิน ตาราง OTU Biom ของไมโครไบโอมในดินถูกใช้เป็นอินพุตสำหรับการป้อนค่าเมตาจีโนมของตัวอย่างดิน C. deserticola จากนั้น วิเคราะห์ความอุดมสมบูรณ์ของคลาสยีนที่คาดการณ์ไว้ที่กลุ่ม KEGG Orthology (KO) ระดับ 3 ผลลัพธ์จาก Tax4Fun ถูกวิเคราะห์ใน doBy (แพ็คเกจ R)26

ผลลัพธ์

องค์ประกอบชุมชนจุลินทรีย์ The 16S rRNA sequencing resulted in 834,323 raw reads, amongst which 522,929 passed the quality and length fltering. The data set comprised 20,511–48,337 (mean: 33,994) sequences per sample. The high-quality reads were clustered using >ความเหมือนกันของลำดับ 97 เปอร์เซ็นต์ใน OTU ของจุลินทรีย์ 3541 (ตารางที่ 1)

ชุมชนจุลินทรีย์โดยทั่วไปแบ่งออกเป็น 19 ไฟลา 46 คลาสและ 87 คำสั่ง (รูปที่ 2a,b และ S1–S3) ในระดับไฟลัม Actinobacteria (35 เปอร์เซ็นต์ ), Proteobacteria (31 เปอร์เซ็นต์ ) และ Firmicutes (15 เปอร์เซ็นต์ ) มีความโดดเด่นในดินเค็ม-ด่าง ทุ่งหญ้าถูกครอบงำโดย Actinobacteria (37 เปอร์เซ็นต์), Proteobacteria (29 เปอร์เซ็นต์) และ Bacteroidetes (9 เปอร์เซ็นต์) ในดินแดนที่มีทราย พบว่า Actinobacteria (42 เปอร์เซ็นต์ ), Proteobacteria (33 เปอร์เซ็นต์ ) และ Firmicutes (6 เปอร์เซ็นต์ ) มีความโดดเด่น ในระดับชั้นเรียน Actinobacteria (25 เปอร์เซ็นต์ ), Gammaproteobacteria (21 เปอร์เซ็นต์ ) และ Bacilli (15 เปอร์เซ็นต์ ) มีความโดดเด่นในดินที่เป็นด่าง ในขณะที่ Actinobacteria (22 เปอร์เซ็นต์ ), Alphaproteobacteria (16 เปอร์เซ็นต์ ) และ Bacilli (8 เปอร์เซ็นต์ ) มีความโดดเด่นใน ทุ่งหญ้า. ในดินแดนที่เป็นทราย Actinobacteria (23 เปอร์เซ็นต์ ), Alphaproteobacteria (20 เปอร์เซ็นต์ ) และ Gammaproteobacteria (9 เปอร์เซ็นต์) ครอบงำ ในระดับการสั่งซื้อ (รูปที่ 2c–e), Micrococcales (22 เปอร์เซ็นต์ ), Oceanospirillales (15 เปอร์เซ็นต์ ) และ Bacillales (15 เปอร์เซ็นต์ ) มีความโดดเด่นในดินเค็ม-ด่าง Micrococcales (11 เปอร์เซ็นต์) และ Bacillales (8 เปอร์เซ็นต์) โดดเด่นในทุ่งหญ้า ดังนั้น คำสั่งแบคทีเรียที่โดดเด่นที่สุดคือ Micrococcales (10 เปอร์เซ็นต์) และ Acidimicrobiales (7 เปอร์เซ็นต์)

ความหลากหลายของแบคทีเรียในดินในระบบนิเวศทั้งสามของ C. deserticolaการวัดความหลากหลายภายในตัวอย่าง ( -diversity) เผยให้เห็นการไล่ระดับความหลากหลายในแหล่งอาศัยทั้งสาม (รูปที่ 2f และตาราง S1) ความหลากหลายของอัลฟาของชุมชนจุลินทรีย์แบคทีเรียในดินของแต่ละตัวอย่างถูกประเมินโดยใช้ความสมบูรณ์ของชุมชน (Chao 1 ซึ่งแสดงเป็นจำนวน OTU ทั้งหมดที่คาดการณ์ไว้ในแต่ละตัวอย่าง) ชนิดที่สังเกตได้ ต้นไม้ทั้งต้น PD และดัชนีความหลากหลายของแชนนอน ชนิดที่สังเกตได้ ดัชนี Chao 1 และ PD ทั้งต้น ชี้ว่าชุมชนดินทุ่งหญ้ามีความหลากหลายสูงสุด ในขณะที่ -ความหลากหลายของดินเค็ม-ด่างและดินทรายมีความคล้ายคลึงกัน ผลลัพธ์ของเส้นโค้งการหักเหของแสง (รูปที่ S1) คล้ายกับผลลัพธ์ข้างต้น

แอคทีโอไซด์ในcistancheส่งผลดีต่อไต

ผลลัพธ์ AMOVA (ตาราง S2) แสดงให้เห็นว่า p < 0.001="" ซึ่งบ่งชี้ถึงความแตกต่างที่มีนัยสำคัญระหว่างแหล่งอาศัยทั้งสาม="" ผลการจัดกลุ่มต้นไม้ที่มีระยะเบรย์หลากหลาย="" (รูปที่="" s2)="" ของตัวอย่างดินที่อยู่อาศัยทั้งสามตัวอย่างแสดงให้เห็นว่าตัวอย่างดินเค็ม-อัลคาไลถูกจัดกลุ่มอย่างใกล้ชิด="" และระยะห่างระหว่างตัวอย่างทุ่งหญ้าและดินทรายอยู่ใกล้กัน="" ผลลัพธ์ของ="" pcoas="" ที่ไม่มีข้อจำกัดของแปลง="" 2d="" ระยะทาง="" unifrac="" แบบไม่ถ่วงน้ำหนัก="" (รูปที่="" 2g)="">

การเปรียบเทียบชุมชนแบคทีเรียในดินของระบบนิเวศน์ทั้งสามของค. ทะเลทรายแผนที่ความร้อนที่มีความอุดมสมบูรณ์ของ OTU ที่แตกต่างกันและแผนที่ภูเขาไฟ (รูปที่ 3b, e, d, h และตาราง S3) ระบุว่าเมื่อเปรียบเทียบกับตัวอย่างดินทรายแล้ว OTU 24 และ 17 แห่งได้รับการเสริมสมรรถนะและหมดไปตามลำดับในดินเค็ม-อัลคาไลตามลำดับ นอกจากนี้ เมื่อเทียบกับตัวอย่างดินทราย 8 และ 11 OTU ได้รับการปรับปรุงและหมดไปตามลำดับในทุ่งหญ้าตามลำดับ แผนภาพเวนน์ (รูปที่ 3c,f) แสดงให้เห็นว่า OTU 216 แห่งหมดไปในดินทราย 8 แห่งหมดไปในน้ำเกลือ - ด่าง

ที่ดินและ 1 OTU ทับซ้อนกันระหว่างดินเค็มและดินทราย นอกจากนี้ OTU 3 แห่งได้รับการเสริมแต่งในทุ่งหญ้า ในขณะที่ 161 แห่งได้รับการเสริมแต่งในดินทราย รวมถึง OTU 6 แห่งที่ทับซ้อนกันระหว่างทุ่งหญ้ากับดินทราย แปลงในแมนฮัตตัน (รูปที่ 3a) แสดงให้เห็นว่าแซนโธโมนาเดลมีความอุดมสมบูรณ์และหมดไปในดินเค็ม-อัลคาไลมากกว่าดินทราย ในขณะที่แบคทีเรีย Xanthomonadaceae WWH73, กลุ่มดิน WD2101, Vibrionales และ Verrucomicrobiales หมดลงอย่างมีนัยสำคัญที่ระดับการสั่งซื้อ การเปรียบเทียบทุ่งหญ้ากับดินทราย Xanthomonadales กลุ่มดิน WD2101 Vibrionales และ Verrucomicrobiales นั้นหมดลงอย่างเห็นได้ชัด

CistancheDeserticola มีผลการรักษามากมายโรคเบาหวาน

การกำหนดตัวบ่งชี้ทางชีวภาพและไมโครไบโอมหลักในระบบนิเวศทั้งสามของ C. deserticolaวิธีการ LEfSe และ RF (รูปที่ 4a,b,d) ถูกใช้เพื่อระบุคุณลักษณะที่มีความอุดมสมบูรณ์ที่แตกต่างกันอย่างมีนัยสำคัญในตัวอย่างดิน คำนวณขนาดผลของแต่ละคุณลักษณะที่มีมากมายที่แตกต่างกัน และกำหนดไมโครไบโอมของแบคทีเรียไบโอมาร์คเกอร์ในแหล่งอาศัยทั้งสามที่ระดับการสั่งซื้อ . ผลลัพธ์ที่นำเสนอในตาราง S4 เปิดเผยว่าคะแนน LDA ของ Oceanospirillales, Bacillales และ Flavobacteriales สูงที่สุดในกลุ่มที่อยู่ในดินเค็มและด่าง ในขณะที่คะแนนของ Sphingomonadales, Gaiellales, Rubrobacterales, Burkholderiales และ Sphingobacteriales สูงที่สุดในกลุ่มทุ่งหญ้า คะแนน LDA ของ Propionibacteriales, Rhodospirillales, Solirubrobacterales, Rhizobiales, Xanthomonadales และ Pseudanocardiales มีความสำคัญในดินทราย ด้วยการยกเว้นคำสั่งซื้อที่ไม่มีการแก้ไขและซ้ำซ้อน OTU เหล่านี้จึงถูกจำแนกออกเป็นหกคำสั่งซื้อ และดึงปริมาณมหาศาลไว้ในแผนที่ความหนาแน่น (รูปที่ 4c)

วิธีการคงอยู่ถูกนำมาใช้จากฟังก์ชันหลักในไมโครไบโอมแพ็คเกจ R เพื่อระบุไมโครไบโอมหลักในระบบนิเวศทั้งสามของ C. deserticola ไมโครไบโอมของแบคทีเรียหลักนี้มี 6 คำสั่ง ได้แก่ Micrococcales, Bacillales, Rhizobiales, Acidimicrobiales, Streptomycetales และ Spingomonadales ด้วยการยกเว้นคำสั่งซื้อที่ไม่มีการป้องกันและคำสั่งซื้อที่ซ้ำกัน OTU เหล่านี้จึงถูกจัดประเภทเป็นหกคำสั่งซื้อ และดึงปริมาณที่มากเกินไปในแผนที่ความหนาแน่น (รูปที่ 2h)

วิธีการคงอยู่ถูกนำมาใช้จากฟังก์ชันหลักในไมโครไบโอมแพ็คเกจ R เพื่อระบุไมโครไบโอมหลักในระบบนิเวศทั้งสามของ C. deserticola ไมโครไบโอมของแบคทีเรียหลักนี้มี 6 คำสั่ง ได้แก่ Micrococcales, Bacillales, Rhizobiales, Acidimicrobiales, Streptomycetales และ Spingomonadales ด้วยการยกเว้นคำสั่งซื้อที่ไม่มีการป้องกันและคำสั่งซื้อที่ซ้ำกัน OTU เหล่านี้จึงถูกจัดประเภทเป็นหกคำสั่งซื้อ และดึงปริมาณที่มากเกินไปในแผนที่ความหนาแน่น (รูปที่ 2h)