常州市春季PM2.5中細菌群落特征及影響因素

劉 菲,薛銀剛,*,屠博文,王利平*,趙亞芳,江曉棟,薛 柯

常州市春季PM2.5中細菌群落特征及影響因素

劉 菲1,薛銀剛1,2*,屠博文3,王利平1*,趙亞芳2,江曉棟1,薛 柯1

(1.常州大學環境與安全工程學院,江蘇 常州 213164；2.江蘇省環境保護水環境生物監測重點實驗室,常州市環境監測中心,江蘇 常州 213001；3.常州市疾病預防控制中心,江蘇 常州 213022)

為研究常州市春季PM2.5中細菌群落特征,利用高通量測序對PM2.5中細菌的16S rRNA基因進行研究.測序獲得的有效序列數為600150,以97%的相似水平劃分,各樣品的OTUs為1890~6519,同時樣本的Coverage指數較高,表明測序結果可以準確地代表樣本中的空氣細菌群落.物種注釋結果表明:常州春季PM2.5中相對豐度>1%的有11個細菌門、14個細菌綱和12個細菌屬,其中變形菌門(Proteobacteria)、藍藻細菌門(Cyanobacteria)和厚壁菌門(Firmicutes)是排名前3的優勢細菌類群,占總基因豐度的80.88%.屬水平優勢細菌主要有擬甲色球藻屬(,6.03%)、(5.95%)、微囊藻屬(,4.86%)和鞘氨醇單胞菌屬(,3.16%),但在屬水平上未能進行分類的基因序列比例高達81.11%.基于PM2.5中細菌群落組成進行來源分析,發現常州市春季PM2.5中細菌的環境來源多變,其主要環境源可能為淡水,其次是土壤、植物和人為源.利用冗余分析探討環境因子與細菌群落的關系,結果表明,NH4+、NO3-、O3、SO42-、OC、氣壓和CO是常州市春季PM2.5中細菌群落的主要影響因子,同時不同環境因子對不同細菌類群影響不同.

春季；PM2.5；細菌群落；來源分析；環境因子

近年來,顆粒物已造成我國多數城市空氣環境污染嚴重,而細顆粒物(PM2.5)是近年來大中城市灰霾天氣頻發的主導因素[1-2].PM2.5由于粒徑小,在大氣中停留時間長,傳輸距離遠,并且由于其比表面積大,成為許多有毒有害物質的載體,對人體健康產生危害[3-4].研究表明空氣中存在一定數量且具有代謝活性的微生物,細菌在近地面大氣中普遍存在且為大氣微生物中非常重要的一部分[5-6].目前關于PM2.5的研究大多集中于化學成分、來源分析及其對人體健康的影響[7-10],針對PM2.5中細菌群落特征及其致病性的研究相對較少,同時影響PM2.5中細菌群落結構的因素在很大程度上未知.

空氣中細菌的研究方法主要有傳統培養法和16S測序分析方法[5].而高通量測序技術是對傳統測序技術一次革命性的改變,能夠準確全面地反映細菌群落結構和多樣性特征,已被廣泛應用于不同生境的細菌群落及其功能研究[11-12].高通量測序技術亦是分析大氣中細菌的一種有效技術,已被用于研究霧霾過程中生物氣溶膠的細菌群落結構[13]和分析空氣中細菌群落來源[14].

已有研究表明四季內微生物氣溶膠數量以春季較高[15],所以本次研究基于Illumina HiSeq測序平臺,利用16S rDNA測序方法分析常州市春季PM2.5中細菌群落結構,并基于細菌群落特征進行來源解析.利用冗余分析(RDA)研究氣象因子、氣態污染物和顆粒物中化學組分對PM2.5中細菌群落結構的影響,這對全面了解PM2.5中細菌的環境效應具有重要意義.

1 材料與方法

1.1 樣品采集

采樣地點位于常州市環境監測中心東樓樓頂(119°7′47″E,31°45′44″N),是大氣顆粒物自動監測國控站點,為居民文教區,采樣高度距離地面10m左右.采樣時間為2017年3月28日~2017年4月20日,采樣期間溫度逐漸回升,采樣持續時間為23h (15:00~次日14:00)[16].

采樣儀器為1臺嶗應2031型智能空氣采樣器(青島嶗山應用技術研究所),此采樣器為大流量采樣器,配PM2.5切割頭,流量為1050L/min.采樣所用濾膜為玻璃纖維濾膜(20.3cm×25.4cm),濾膜在采樣前均使用馬弗爐450℃煅燒2h,相關實驗操作參照文獻[10],待采樣完成后將濾膜保存于-20℃,用于后續分析.

1.2 氣象因子、氣態污染物及化學組分監測

采樣時記錄氣溫、氣壓、風速和相對濕度等氣象條件.SO2、O3、CO和NO2質量濃度由Thermo Scientific? 146i多種氣體校準儀(Thermo Fisher Scientific, USA)實時監測;水溶性離子(NO3-、SO42-、NH4+、Cl-、Na+、K+、Mg2+和Ca2+)質量濃度由瑞士萬通中國有限公司的MARGA ADI 2080離子在線監測儀器實時監測;PM2.5和PM10質量濃度由TEOM 1405系列顆粒物監測儀(Thermo Fisher Scientific, USA)同時監測.元素碳(EC)和有機碳(OC)質量濃度由Sunset RT-4(Sunset Lab, USA)實時觀測.

1.3 DNA提取

用滅菌的剪刀將樣品膜剪成小的膜片(約為樣品膜的1/12~1/8),再用牙簽刷(滅菌)刮取樣品膜上的顆粒物,并盡量減少濾膜的摻入,接著用剪刀將刮取的樣品盡量剪碎后置于PowerBead Tube中,后續按PowerSoil DNA Isolation Kit(Mobio, USA)試劑盒操作標準方法提取顆粒物樣品DNA.用NanoDrop2000超微量蛋白質核酸分析儀(Thermo Fisher, USA)測定提取出的DNA濃度和純度,提取成功的樣品置于-20℃中保存,用于后續的PCR擴增.

1.4 PCR擴增和熒光定量

將提取好的DNA產物使用16S V4區引物進行PCR擴增,V4區特異性引物序列正向引物: AYTGGGYDTAAAGNG,反向引物:TACNVGGGT- ATCTAATCC[17].PCR擴增見表1,總體系共計50μL. PCR擴增程序:95℃預變性3min,95℃變性30s,55℃退火溫度下反應30s,72℃延伸30s,共30個循環,最后在72℃延伸5min.將樣本的PCR產物用2%瓊脂糖凝膠電泳檢測,使用AMPure XP Beads(Beckman Coulter, USA)進行產物純化.將PCR純化產物用Qubit?dsDNA HS Assay Kits熒光定量系統(Life technology, USA)進行定量檢測.

表1 PCR擴增體系

1.5 高通量測序

使用TruSeq?DNA PCR-Free Sample Preparation Kit(Illumina, USA)建庫試劑盒進行文庫構建,構建好的文庫使用Qubit @ 2.0熒光計(Thermo Scientific, USA)和Agilent Bioanalyzer 2100系統(Agilent, USA)評估測序文庫質量,最后在Illumina HiSeq 2500平臺(Illumina, USA)上進行測序.

1.6 生物信息分析

Hiseq測序得到的配對末端讀數首先根據重疊關系進行拼接,同時對序列質量進行質控和過濾,使用Uparse(v7.0.1001)軟件進行序列分析,基于有效數據劃分操作分類單元(OUT),按照97%相似性對非重復序列進行OTU聚類,在聚類過程中去除嵌合體,得到OTU的代表序列.篩選每個OTU的代表序列使用基于RDP分類器算法的GreenGene數據庫來注釋分類信息[18].為了研究不同OTU的系統發育關系,以及不同樣本中優勢種的差異,使用Muscle軟件進行多序列比對(3.8.31版本).通過Qiime軟件(Version 1.7.0)計算細菌群落Alpha多樣性指數[19].

1.7 數據處理

試驗數據經處理后使用Origin 2017繪制圖形.環境因子與細菌群落的相關性研究首先經除趨勢對應分析排序(DCA)分析,并根據分析結果中第一軸的梯度長度,選定冗余分析提取顯著解釋細菌群落的環境因子[20],并研究環境因子與細菌群落的相關性.

2 結果與分析

2.1 采樣期間環境因子監測結果

表2 采樣期間氣象數據

采樣期間氣象數據見表2.采樣期間溫度為11.6~27℃;氣壓變化范圍為1002~1021hPa;采樣期間風速為0.8~2.08m/s,軟風及輕風天氣偏多;相對濕度平均值為55%.

各樣品采樣時段大氣污染物演變狀況見圖1,除O3為8h滑動平均值外,其余污染物均為24h平均值.各污染物濃度變化范圍分別為SO2(6~47μg/m3)、NO2(18~55μg/m3)、PM10(78~251μg/m3)、O3(74~ 167μg/m3)、PM2.5(36~75μg/m3)和CO(0.627~ 2.066mg/m3).

圖1 采樣期間氣態污染物變化特征

圖2 采樣期間水溶性離子變化特征

各樣品采集期間水溶性離子變化特征見圖2,可以看出本次樣品采集過程中二次顆粒物所占比重較大[21],其中NO3-、SO42-和NH4+占比重較高,NO3-變化范圍為6.324~27.870μg/m3,SO42-變化范圍為5.351~21.462μg/m3,NH4+變化范圍為3.865~ 16.570μg/m3,3種離子平均百分比之和高達97.61%.而Cl-、Na+、K+、Mg2+和Ca2+的相對百分比較小,Cl-變化范圍為1.186~2.921μg/m3,Na+變化范圍為0.150~0.770μg/m3、K+變化范圍為0.285~1.265μg/ m3、Mg2+變化范圍為0.012~0.156μg/m3,Ca2+變化范圍為0.037~0.609μg/m3.

2.2 細菌群落多樣性與結構特征

經高通量測序,PM2.5樣品在門、綱、目、科、屬和種分類水平上獲得注釋信息的基因序列分別為600150、600150、593852、577204、558179和113381.在97%分類水平下,各樣品的OTUs為1890~6519,反映各采樣點樣品OTU覆蓋率的Coverage指數均達到94%以上,可以看出測序效果理想(表3).

表3 各樣品OTU聚類與多樣性分析

通過描述群落豐富度、多樣性和均勻度的Alpha多樣性指數來解釋PM2.5細菌群落物種組成情況(表3).各樣品細菌群落豐富度和多樣性均有所差異,E樣品菌群結構的多樣性和均勻度較高,但細菌群落的豐富度較低,F樣品菌群結構的多樣性和均勻度較低,但細菌群落的豐富度較高,同時分析結果表明環境因子與Alpha多樣性指數間無顯著相關關系(>0.05),可能的影響因素還需進一步研究.總體來說,Chao1指數是OTU數目的2倍左右,表明本次關于細菌豐富度的測序深度約達到了多樣性估計值的2倍[22].

物種注釋結果表明顆粒物樣品共檢出20個細菌門,圖3為門分類水平下PM2.5的菌群結構.相對豐度最高的是變形菌門(Proteobacteria,63.87%).4類變形菌綱為PM2.5中的優勢細菌綱,其中占比較高的是α-變形菌綱(Alphaproteobacteria,23.20%)和β-變形菌綱(Betaproteobacteria,13.37%),γ-變形菌綱(Gammaproteobacteria,7.57%)和δ-變形菌綱(Deltaproteobacteria,3.72%)平均相對豐度較低.藍細菌門(Cyanobacteria,11.21%)和厚壁菌門(Firmicutes,5.80%)是平均豐度排名第2和第3的優勢類群;其中Cyanobacteria和Firmicutes分別在D樣品和A樣品相對豐度最高,分別為19.82%和9.31%.此外,相對豐度較高的細菌門依次為擬桿菌門(Bacteroidetes,3.27%)、放線菌門(Actinobacteria, 2.90%)、異常球菌-棲熱菌門(Deinococcus-Thermus, 2.05%)、疣微菌門(Verrucomicrobia,1.75%)和浮霉菌門(Planctomycetes,1.51%)和酸桿菌門(Acidobacteria, 1.12%),將占比較低的細菌類群歸為Others類.

圖3 PM2.5中門分類水平細菌群落組成

表4 優勢細菌屬豐度與來源解析

此外,平均相對豐度>1%的優勢屬共有12個,分別為擬甲色球藻屬(,6.03%)、(5.95%)、微囊藻屬(, 4.86%)、鞘氨醇單胞菌屬(,3.16%)、奇異球菌屬(,2.43%)、薄層桿菌屬(,1.69%)、甲基桿菌屬(,1.65%)、馬賽菌屬(, 1.61%)、副球菌屬(,1.52%)、(1.46%)、假單胞菌屬(,1.33%)和不動細菌屬(,1.30%);優勢細菌屬豐度變化與來源環境見表4.

2.3 細菌群落與環境因子相關性

圖4展示了氣象因子、氣態污染物和顆粒物化學組分對PM2.5中細菌群落的冗余分析結果,可以看出環境因子對PM2.5中細菌群落具有一定影響.經冗余分析提取顯著解釋細菌群落的環境因子.通過篩選,NH4+、NO3-、O3、SO42-、OC、氣壓(QY)和CO對細菌群落的解釋量較高,分別為0.442、0.362、0.307、0.280、0.263、0.256和0.208.冗余分析結果表明第一主軸對門水平細菌群落方差變化的解釋量為76.9%,第二主軸的解釋量為17.6%,到軸4的累計合理解釋量為98.9%.

圖4 環境因子與細菌群落冗余分析

圖4中各箭頭連線夾角的余弦值表示二者的相關關系,可用于分析環境因子與不同物種間、環境因子間以及不同物種間的相關關系.其中,NH4+、NO3-與Cyanobacteria、Proteobacteria呈顯著正相關(<0.01);SO2、氣溫(QW)與Bacteroidetes、Firmicutes呈顯著負相關(<0.05);CO與Actinobacteria、Planctomycetes和Verrucomicrobia呈顯著負相關(<0.05),與Chloroflexi、Cyanobacteria和Proteobacteria呈顯著正相關(<0.05);OC、EC、氣壓與Bacteroidetes、Firmicutes呈顯著正相關(<0.05);SO42-與Firmicutes呈顯著正相關(<0.05).

3 討論

3.1 PM2.5中細菌群落結構及來源分析

大氣顆粒物中的微生物是大氣環境的重要組成部分,而細菌在PM2.5已分析出的生物組分中占比高達80%以上[21];經高通量測序,常州春季PM2.5中細菌群落主要由11個細菌門、14個細菌綱和12個細菌屬組成(相對豐度>1%).Fang等[30]利用FA-1型撞擊式空氣微生物采樣器采集可培養細菌,結果表明杭州空氣中可培養細菌主要為微球藻屬()、芽胞桿菌屬()、葡萄球菌屬()、考克氏菌屬()和假單胞菌屬(),占總細菌種數的58%;而姚文沖[31]利用高通量測序技術研究杭州市空氣細菌群落特征,發現、、和是相對含量較高的菌屬;而、、和在本次研究中均有檢出,相對豐度分別為0.9%、0.3%、0.2%和0.1%,占比較低.由于空氣中只有大約1%的微生物能夠在培養基上形成菌落,因此運用傳統培養法對群落結構的判定誤差較大[5].相對來說,高通量測序技術可以更加細致全貌的反映研究樣品的菌群結構.本次PM2.5中大部分細菌是不致病的,但部分潛在的空氣傳播的病原體也被檢出,如約氏不動桿菌(,0.16%)、魯菲不動桿菌(,1.30%)[32]和盲腸腸球菌(,0.12%)[33].

來源于不同環境的細菌附著在PM2.5上,以氣溶膠形式存在于城市大氣環境中,是評價環境質量的重要指標.細菌在自然界的物質循環中扮演著重要角色,自然界的外在條件不僅影響著細菌氣溶膠在環境空氣中的比重,而且還影響著細菌群落的組成及多樣性[15].PM2.5中細菌來源廣泛,且可在水體、土壤和生物體之間進行交換并組成一個龐大而復雜的體系.廖旭[2]等應用T-RFLP、克隆文庫等測序方法研究廈門冬季PM2.5中細菌和真核微型生物的群落組成,并分析其潛在的來源環境,結果表明廈門城區空氣微生物的重要環境源可能為淡水,其次是土壤、水體沉積物、污水系統和動物糞便等.此次常州市春季PM2.5中細菌主要為Proteobacteria,這主要是由于Proteobacteria來源廣泛且對大氣環境有較強的適應能力,在土壤、淡水水體與大氣等多種環境介質中廣泛分布[34-36],同時對低溫和輻射具有較強的抵抗能力[37].除Proteobacteria外,Cyanobacteria、Firmicutes和Bacteroidetes主要是淡水環境中的優勢細菌[38-39],同時也有研究表明淡水環境是青島市區街道四季和人工濕地夏季空氣細菌的主要來源[37],表明水體很有可能是PM2.5中細菌的最主要來源,這里的水體不僅是淡水來源,還包括天然的雨水、人為的降水以及各種污水等[40].土壤作為細菌巨大的繁殖場所和貯存體,風會把大量細菌送入空氣中形成細菌氣溶膠,所以土壤也是PM2.5中細菌的主要發生源[22],同時、和均為土壤環境中的優勢細菌(表4).PM2.5中還檢出了已知和植物相關的細菌類群,如、和(表4),表明植物源也是常州春季PM2.5中細菌的來源之一.經比較,常州春季PM2.5中細菌的主要來源環境為淡水,其次為土壤和植物,同時在樣品采集過程中二次顆粒物所占的比重較大,因此人為源可能也是PM2.5中細菌的主要來源之一.

3.2 PM2.5中細菌群落結構影響因子研究

細菌在大氣中存在時,會受到各種環境因子的影響,比如氣候、天氣變化、當地的生物來源和沙塵暴等人為和自然的污染源[41].空氣中細菌的新陳代謝和生長繁殖首先會受到氣溫的影響;存在于大氣中的氣態污染物(SO2、CO和O3等)會參加一系列的物理化學反應,從而引發大氣污染,會對細菌生長和存活產生影響;同時氣溶膠顆粒物中存在的化學成分不僅為細菌提供粘附的媒介,也可為細菌的生長和存活提供適宜的環境[42].可見,氣象因子、氣態污染物和氣溶膠顆粒物中化學組分共同影響著大氣中細菌群落結構.

由于大氣顆粒物中存在著復雜多樣的組分,如有機物、元素、離子以及微生物,經冗余分析(圖4)發現影響常州市春季PM2.5中細菌群落結構的主要環境因子為NH4+、NO3-、O3、SO42-、OC、氣壓和CO.王步英[21]發現氣象因子、氣態污染物和顆粒物中化學組分都會對北京冬季大氣中細菌群落結構產生影響,其中溫度、相對濕度、O3、NO2、顆粒物中SO42-和K+是影響細菌群落結構特征的重要環境因子.Innocente等[43]利用冗余分析研究米蘭和威尼斯兩個城市空氣顆粒物中水溶性離子對細菌群落結構的影響,結果表明,NH4+和Ca2+與細菌群落具有很強的相關性.可見,不同地區、不同季節的環境影響因子對細菌群落結構產生不同的影響.同時也有研究[44]表明風速較大時會引起邊界層的擾動,使顆粒物懸浮,從而增加大氣中細菌氣溶膠的濃度.經冗余分析,O3與PM2.5中大多數細菌呈負相關關系(圖4),這主要是由于O3毒性和破壞性很強,對生物有機體危害極大.PM2.5中優勢細菌與不同環境因子的關系均有所差異,這不僅與細菌自身特性有關,同時與環境因子的相互作用、細菌間的相關作用以及環境因子與不同細菌間的耦合關系都相關.而目前關于這方面的研究還比較缺乏,今后可開展相關研究以彌補該方面研究的空缺.

4 結論

4.1 常州春季PM2.5中細菌群落多樣性和豐富度較高,相對豐度＞1%的有11個細菌門、14個細菌綱和12個細菌屬,其中Proteobacteria、Cyanobacteria和Firmicutes是排名前3的優勢細菌類群,占總基因豐度的80.88%.屬水平優勢細菌主要有(6.03%)、(5.95%)、(4.86%)和(3.16%).

4.2 常州市春季PM2.5中細菌的環境來源多變,其主要環境源可能為淡水,其次是土壤、植物和人為源.

4.3 NH4+、NO3-、O3、SO42-、OC、氣壓和CO是常州市春季PM2.5中細菌群落結構的主要影響因子,同時不同環境因子對不同細菌類群影響有所差異.

[1] Xu Q, Li X, Wang S, et al. Fine particulate air pollution and hospital emergency room visits for respiratory disease in urban areas in Beijing, China, in 2013 [J]. Plos One, 2016,11(4):e0153099.

[2] 廖 旭,胡安誼,楊曉永,等.廈門冬季PM2.5顆粒物中細菌和真核微型生物群落組成及其來源分析 [J]. 生態環境學報, 2013,22(8): 1395-1400.

[3] 靳璐濱,臧增亮,潘曉濱,等.PM2.5和PM2.5~10資料同化及在南京青奧會期間的應用試驗 [J]. 中國環境科學, 2016,36(2):331-341.

[4] Ye Z L, Li Q, Liu J S, et al. Investigation of submicron aerosol characteristics in Changzhou, China: Composition, source, and comparison with co-collected PM2.5[J]. Chemosphere, 2017,183:176- 185.

[5] 王 琳,宋志文,徐愛玲,等.青島市秋季空氣微生物群落多樣性 [J]. 應用生態學報, 2015,26(4):1121-1129.

[6] 王步英,郎繼東,張麗娜,等.基于16S rRNA基因測序法分析北京霾污染過程中PM2.5和PM10細菌群落特征 [J]. 環境科學, 2015, 36(8):2727-2734.

[7] Tan J H, Zhang L M, Zhou X M, et al. Chemical characteristics and source apportionment of PM2.5in Lanzhou, China [J]. Science of the Total Environment, 2017,601-602:1743-1752.

[8] Rogula-Koz?owska W. Size-segregated urban particulate matter: mass closure, chemical composition, and primary and secondary matter content [J]. Air Quality Atmosphere & Health, 2016,9(5):533-550.

[9] Cao S J, Kong X R, Li L Y, et al. An investigation of the PM2.5and NO2concentrations and their human health impacts in the metro subway system of Suzhou, China [J]. Environmental Science: Processes & Impacts, 2017,19(5):666-675.

[10] Bari M A, Kindzierski W B. Ambient fine particulate matter (PM2.5) in Canadian oil sands communities: Levels, sources and potential human health risk [J]. Science of the Total Environment, 2017,595:828-838.

[11] Sun Y J, Wang T Y, Peng X W, et al. Bacterial community compositions in sediment polluted by perfluoroalkyl acids (PFAAs) using Illumina high-throughput sequencing [J]. Environmental Science & Pollution Research, 2016,23(11):10556-10565.

[12] Zhang W, Chen L, Zhang R, et al. High throughput sequencing analysis of the joint effects of BDE209-Pb on soil bacterial community structure [J]. Journal of Hazardous Materials, 2016,301: 1-7.

[13] 馬曼曼,甄 毓,米鐵柱,等.青島冬季霾天不同粒徑生物氣溶膠中細菌群落特征研究 [J]. 中國環境科學, 2017,37(8):2855-2865.

[14] Adams R I, Miletto M, Lindow S E, et al. Airborne bacterial communities in residences: similarities and differences with fungi [J]. Plos One, 2014,9(3):e91283.

[15] 黃 瓊.南昌市PM10和PM2.5中微生物群落的分布及其相關性分析 [D]. 南昌:南昌大學, 2015.

[16] Cao C, Jiang W J, Wang B Y, et al. Inhalable microorganisms in Beijing’s PM2.5and PM10pollutants during a severe smog event [J]. Environmental Science & Technology, 2014,48(3):1499-1507.

[17] Zhang J Y, Ding X, Guan R, et al. Evaluation of different 16S rRNA gene V regions for exploring bacterial diversity in a eutrophic freshwater lake [J]. Science of the Total Environment, 2017,618:1254- 1267.

[18] Desantis T Z, Hugenholtz P, Larsen N, et al. Greengenes: chimera- checked 16S rRNA gene database and workbenchcompatible in ARB [J]. Applied & Environmental Microbiology, 2006,72(7):5069-5072.

[19] Caporaso J G, Kuczynski J, Stombaugh J, et al. QIIME allows analysis of high-throughput community sequencing data [J]. Nature Methods, 2010,7(5):335-336.

[20] Ter-Braak C J F, ?milauer P. CANOCO reference manual and CanoDraw for Windows user's guide: software for canonical community ordination (version 4.5) [R]. Ithaca, New York: Microcomputer Power, 2002.

[21] 王步英.北京冬季大氣中細菌群落結構特征及霾污染對其影響[D]. 北京:清華大學, 2015.

[22] 茍歡歌,謝純斌,童延斌,等.石河子市春季大氣顆粒物TSP和PM10中微生物群落特征 [J]. 環境工程學報, 2017,11(4):2343-2349.

[23] 劉 洋,朱夢靈,徐 瑤,等.中國藍藻植物的新記錄屬—擬甲色球藻[J]. 水生生物學報, 2013,37(3):413-417.

[24] Figuerola E L M, Guerrero L D, Rosa S M, et al. Bacterial indicator of agricultural management for soil under no-till crop production [J]. Plos One, 2012,7(11):e51075.

[25] Balkwill D L, Fredrickson J K, Romine M F.and related genera [M]. New York: Springer, 2006:605-629.

[26] 陳 立,邢瑞云,董俊興.屬細菌分類和應用的研究進展 [J]. 微生物學雜志, 2008,28(5):73-76.

[27] Lidstrom M E, Chistoserdova L. Plants in the pink: cytokinin production by[J]. Journal of Bacteriology, 2002, 184(7):1818.

[28] Fahlgren C, Bratbak G, Sandaa R A, et al. Diversity of airborne bacteria in samples collected using different devices for aerosol collection [J]. Aerobiologia, 2011,27(2):107-120.

[29] Gao C Y, Wang A J, Wu W M, et al. Enrichment of anodic biofilm inoculated with anaerobic or aerobic sludge in single chambered air- cathode microbial fuel cells [J]. Bioresource Technology, 2014,167(3): 124-132.

[30] Fang Z G, Yao W C, Lou X Q, et al. Profile and characteristics of culturable airborne bacteria in Hangzhou, southeast of China [J]. Aerosol & Air Quality Research, 2016,16(7):1690-1700.

[31] 姚文沖.基于高通量測序的南方典型旅游城市空氣細菌群落特征研究 [D]. 杭州:浙江工商大學, 2016:72-74.

[32] Kozińska A, Pa?dzior E, P?kala A, et al.and- the emerging fish pathogens [J]. Bulletin of the Veterinary Institute in Pulawy, 2014,58(2):193-199.

[33] Borst L B, Suyemoto M M, Keelara S, et al. A chicken embryo lethality assay for pathogenic[J]. Avian Diseases, 2014,58(2):244-248.

[34] Zeng Q C, An S S, Liu Y. Soil bacterial community response to vegetation succession after fencing in the grassland of China [J]. Science of the Total Environment, 2017,609:2-10.

[35] Fan L M, Song C, Meng S L, et al. Spatial distribution of planktonic bacterial and archaeal communities in the upper section of the tidal reach in Yangtze River [J]. Scientific Reports, 2016,6:39147.

[36] Maki T, Hara K, Kobayashi F, et al. Vertical distribution of airborne bacterial communities in an Asian-dust downwind area, Noto Peninsula [J]. Atmospheric Environment, 2015,119:282-293.

[37] 趙亞冰.青島市市區街道和人工濕地空氣細菌群落結構研究 [D]. 青島:青島理工大學, 2015.

[38] Su X M, Steinman A D, Xue Q J, et al. Temporal patterns of phyto- and bacterioplankton and their relationships with environmental factors in Lake Taihu, China [J]. Chemosphere, 2017,184:299-308.

[39] Li J F, Zhang J Y, Liu L Y, et al. Annual periodicity in planktonic bacterial and archaeal community composition of eutrophic Lake Taihu [J]. Scientific Reports, 2015,5:15488.

[40] Huffman J A, Prenni A J, Demott P J, et al. High concentrations of biological aerosol particles and ice nuclei during and after rain [J]. Atmospheric Chemistry & Physics, 2013,13(13):6151-6164.

[41] Soleimani Z, Parhizgari N, Rad H D, et al. Normal and dusty days comparison of culturable indoor airborne bacteria in Ahvaz, Iran [J]. Aerobiologia, 2015,31(2):127-141.

[42] Han Y P, Li L, Liu J X, et al. Microbial structure and chemical components of aerosols caused by rotating brushes in a wastewater treatment plant [J]. Environmental Science & Pollution Research, 2012,19(9):4097-4108.

[43] Innocente E, Squizzato S, Visin F, et al. Influence of seasonality, air mass origin and particulate matter chemical composition on airborne bacterial community structure in the Po Valley, Italy [J]. Science of the Total Environment, 2017,s593-594:677-687.

[44] 翟晴飛,金蓮姬,林振毅,等.石家莊春季大氣氣溶膠數濃度和譜的觀測特征 [J]. 中國環境科學, 2011,31(6):886-891.

Characteristics and influence factors of airborne bacterial communities in Changzhou’s PM2.5samples during spring.

LIU Fei1, XUE Yin-gang1,2*, TU Bo-wen3, WANG Li-ping1*, ZHAO Ya-fang2, JIANG Xiao-dong1, XUE Ke1

(1.School of Environmental and Safety Engineering, Changzhou University, Changzhou 213164, China；2.Key Laboratory of Environmental Protection of Water Environment Biological Monitoring of Jiangsu Province, Changzhou Environmental Monitoring Center, Changzhou 213001, China；3.Changzhou Centers for Disease Control and Prevention, Changzhou 213022, China)., 2018,38(9)：3254~3261

In order to investigate the characteristics of the airborne bacterial community in Changzhou’s PM2.5samplesduring spring, the 16S rRNA gene of bacterial in PM2.5sampleswas studied by high-throughput sequencing. 600150sequences obtained could be divided into 1890~6519 OTUs of each sample at 97% similarity level. The Coverage index of the samples was high and could accurately represent the airborne bacterial community in the samples. Species annotation results indicated that there were 11bacterial phyla, 14bacterial classes, 12bacterial genera with relative abundance greater than 1% in Changzhou’s PM2.5samples during spring. Proteobacteria, Bacteroidetes and Firmicutes were the top 3dominant phyla, accounting for 80.88% of the total gene abundance. At the genus level,(6.03%),(5.95%),(4.86%) and(3.16%) were predominant, but the proportion of gene sequences that failed to be classified was up to 81.11%. Based on the source analysis of bacterial community composition in PM2.5, it was found that the environmental sources of bacteria in Changzhou’s PM2.5samples during spring were varied, and the main environmental source might be fresh water, followed by soil, plants and anthropogenic sources. The results of redundancy analysis (RDA) for the relationship between environmental factors and bacterial community showed that NH4+, NO3-, O3, SO42-, OC, air pressure and CO were the main environmental factors affecting the bacterial community in Changzhou’s PM2.5samplesduring spring. At the same time, varied environmental factors had different effects on bacterial groups.

spring；PM2.5；bacterial community；source analysis；environmental factors

X172

A

1000-6923(2018)09-3254-08

劉 菲(1994-),女,安徽宣城人,常州大學碩士研究生,主要從事氣溶膠環境效應及抗性基因污染特征研究.發表論文8篇.

2018-02-05

國家自然科學基金青年科學基金項目(21607016);常州市科技局科技支撐(社會發展)項目(CE20175022);環境基準與風險評估國家重點實驗室開放課題(SKLECRA20160FP20);江蘇省自然科學基金青年基金項目(BK20150250);江蘇省預防醫學會科研課題項目(Y2015016)

* 責任作者, 薛銀剛, 高級工程師, yzxyg@126.com; 王利平, 教授, wlp@cczu.edu.cn