祁連山國家公園青海片區河流和濕地原生生物多樣性研究

摘要：探索祁連山國家公園河流與濕地的原生生物群落結構特征及其對環境的響應，為片區生物多樣性保護與利用提供依據。2020年7-8月對祁連山國家公園青海片區河流和濕地的21個水環境樣點進行了水樣采集和DNA分離，共獲得DNA樣品58份，利用宏基因組測序探究祁連山國家公園青海片區的原生生物種類組成和群落結構，并分析了其與環境因子之間的關系。結果顯示：（1）共鑒定和注釋到393個原生生物分類單元（operational taxonomic units，OTUs），分屬于24門40綱95目126科162屬，其中裸藻門、纖毛門種類最多，硅藻門、纖毛門豐度最高；（2）片區不同河流或濕地的原生生物群落結構存在顯著差異，河流原生生物多樣性顯著高于濕地；（3）RDA分析顯示原生生物群落主要受水體總磷、水溫、pH、總有機碳、溶解氧、鹽度、總氮、硝酸鹽氮、氨氮和水流速度等環境因子的顯著影響；（4）物種共現網絡分析顯示濕地原生生物群落共現網絡較河流更穩定。

關鍵詞：原生生物；多樣性；宏基因組；河流；濕地；祁連山國家公園

中圖分類號：X171.1" " " "文獻標志碼：A" " " " 文章編號：1674-3075（2024）05-0009-11

原生生物（protists）是一大類單細胞真核微生物，廣泛分布于水環境中。原生生物包括原生動物和真核藻類，是水生生態系統中不可或缺的一部分，其不僅是水體食物網（鏈）中的初級生產者，也是消費者和分解者，在物質循環和能量流動中發揮著極其重要的作用（Pokarzhevskii et al，2003；Jiao et al，2010）。因其生命周期短，繁殖快，且對水環境變化較為敏感，故對水環境變化具有較好的指示作用（沈韞芬，1999；熊杰等，2019）。由于該類生物個體小、種類多，在高原河流環境中密度低，因此形態學鑒定容易忽視這部分類群，導致原生生物多樣性被低估，從而對原生生物群落結構特征的認知存在誤區（Fenchel amp; J?rgensen，1977；Keeling amp; Campo，2017；Zhu et al，2021）。隨著高通量測序技術的發展，基于高通量測序技術對原生生物群落進行系統研究越來越普遍（黃平平，2017；Boscaro et al，2017；安瑞志，2021；羅帥等，2022），并且高通量測序具有數據量大，準確度高，對物種識別靈敏等特點（Jiang et al，2021；Zhang et al，2022）。基于宏基因組測序，研究原生生物群落特征，有助于揭示原生生物之間的互作關系，對探究原生生物的環境適應性機制及對水環境生物監測等具有重要意義（王瑩瑩等，2005；胡明慧等，2022；翟萬營等，2022）。

河流是生命之源，是能量傳遞和物質循環的重要載體，對維持水生生物多樣性發揮了重要作用；濕地作為淡水的重要來源，具有保護生物多樣性的重要功能，是重要的生態系統之一（王玲慧等，2015；王學福，2020；劉斌等，2022）。祁連山國家公園作為黃河最重要的水源地，是國家關鍵生態功能區中的“水源涵養重要區”，是我國西部地區的重要生態安全屏障，也是我國生物多樣性保護重點區域（李鐵，1998；王新源，2018），其特殊的高原氣候環境十分脆弱，人類活動和全球氣候變化對其環境影響均較大（安瑞志等，2021；蘭翔宇等，2021）。河流及相關濕地是祁連山國家公園重要的水生生態系統，其生態健康狀況不僅關系到祁連山河流本身的健康，也關系到河水滋養和補給的各種動植物資源的健康安全。因此河流生態系統的健康對整個祁連山國家公園的生態安全都有著重要的意義（張華等，2021）。探索祁連山國家公園河流與濕地的原生生物群落結構特征及其對環境的響應等，對保持祁連山國家公園生物資源和水環境保護有著長遠意義。但受多種因素限制，目前關于祁連山國家公園原生生物群落結構特征的相關研究還未見報道。

為探究祁連山國家公園青海片區河流與濕地原生生物群落結構特征及其與環境因子的關系，本研究于2020年7-8月在該區采集水體樣品，基于宏基因組測序，對該片區原生生物種類、組成、群落結構及其與水環境因子的相關性進行了分析，旨在為該片區生物資源保護及水環境保護提供第一手資料，進而為該片區生物多樣性保護與利用提供依據。

1" "材料與方法

1.1" "研究區概況及樣點設置

祁連山國家公園位于青海省東北部和甘肅省西南部，總面積5.02萬km2，分為甘肅片區和青海片區，其中甘肅片區3.44萬km2，占總面積的68.5%；青海片區1.58萬km2，占總面積的31.5%（金萬洲等，2022）。青海片區位于37°03′～39°12′ N，96°49′～102°41′ E，區域包括海北藏族自治州的祁連縣、門源縣和海西蒙古族藏族自治州的德令哈市和天峻縣部分區域，轄區共12個鄉（鎮）48個村（牧委會）（金萬洲等，2022）。祁連山國家公園青海片區為青藏高原東北部邊緣的祁連山山地，該地區河流密布，流域地表水資源總量豐富，主要河流有大通河、黑河和托勒河等，同時該流域內濕地眾多，包括大通河濕地、黑河濕地和托勒河濕地等主要濕地（李新等，2019；馬芳，2020）。

2020年7-8月在祁連山國家公園青海片區共設置21個采樣點（圖1），其中3條河流設置樣點12個，分別為黑河3個（HH1～3）、托勒河3個（TLH1～3）和大通河6個（DTH1～6）；濕地共設置樣點9個，分別為大通河濕地3個（DTHSD1～3）、黑河濕地3個（HHSD1～3）和托勒河濕地3個（TLHSD1～3）。

1.2" "樣品采集

每個樣點采集3個水環境樣品，共獲得水體樣品63份，其中，環境DNA樣品采集步驟為：（1）采集采樣點表層（約10～20 cm水深）原位水約5 L，先用200 μm的濾網過濾以去除水體中不可溶性雜質及其他大型生物個體及水生植物（組織）等，再將過濾后的原位水收集至5 L水袋。（2）采集的原位水于12 h內進行過濾處理，取1.2 L（4×300 mL）原位水，通過真空抽濾裝置，將水樣中DNA抽濾至4張0.22 μm PC膜（Millipore，USA）上，放置于錫箔紙中，并立即置于干燥劑中干燥保存，用于下一步的DNA提取。（3）DNA樣品濾膜冷鏈運輸至廣東深圳華大基因股份有限公司進行宏基因組測序分析，其中測序成功的DNA樣品58 份。

環境因子數據采集和檢測：本研究共測定了17個水環境參數，包括總磷（TP）、總氮（TN）、硝酸鹽氮（NO3-N）、氨氮（NH3-N）、亞硝酸鹽氮（NO2-N）、總有機碳（TOC）、高錳酸鹽指數（CODMn）、葉綠素（Chl-a）、濁度（TUR）、氯離子（Cl-）、水流速度（V）、鹽度（Salt）、溶解氧（DO）、水體酸堿度（pH）、水溫（T）、溶解性總固體（TDS）和電導率（EC）。pH、T、TDS、Salt、DO和EC用美國哈希HQ40D便攜式多參數水質分析儀現場測定；TUR用美國哈希2100Q便攜式濁度儀現場測定；V用便攜式流速測算儀（SLD300-A）現場測定；Chl-a濃度采用多波長分光光度法實驗室測定；TOC用TOC儀（Elementar，德國）實驗室測定；Cl-用離子色譜儀（930 Compact Ic Flex）；NO3-N、NH3-N、NO2-N、CODMn、TN和TP測定參照《水和廢水監測分析方法》（國家環境保護總局編委會，2002）于實驗室內完成。

1.3" "宏基因組測序及生物信息分析

采用CTAB方法進行DNA提取。環境DNA純度和濃度用2%的瓊脂糖凝膠進行檢測，將檢測合格的DNA使用M220聚焦超聲儀（Covaris Inc，Woburn，MA，USA）破碎成大約300 bp的片段，構建文庫，并基于Illumina Hiseq 4000進行宏基因組測序。

對采集到的58份水體樣品進行宏基因組測序，共獲得數據量1.5 Tb。然后用fast QC （v0.11.9）對測序所得的原始序列進行質量評估，對于低質量堿基使用Fastx trimmer（v0.0.14）移除，通過BLASTN（BLAST Version 2.10.1+，http：//blast.ncbi.nlm.nih.gov/Blast.cgi）將經過質控的序列比對至SILVA數據庫，設置e值閾值為1[×]10-5，將得到符合要求的數據進行后續分析。然后使用MEGAHIT（v1.1.3）進行組裝，得到潛在的rDNA contigs。使用nhmmer從組裝得到的rDNA contigs中提取16S或18S rDNA序列，經97%相似度聚類后，用于物種鑒定。使用Bwa（0.7.17-r1188）將reads比對至16S和18S rDNA，使用featurecounts（v1.6.0）進行reads數目統計，并用RPKM（reads per kilobase per million mapped reads）的方式進行標準化得到OTUs（operational taxonomic units）豐度表。

1.4" "統計分析

利用R軟件（4.0.3）vegan包計算均勻度指數（Pielou）、香農指數（Shannon）、豐富度指數（Richness）、辛普森指數（Simpson），并進行非度量多維尺度分析。利用R軟件的vegan、psych和pheatmap等軟件包進行冗余分析和相關性分析。使用R進行共現網絡分析，使用Gephi軟件進行共現網絡圖繪制。利用R軟件的rdacca.hp包分析不同水環境因子對原生生物群落的貢獻度，并利用ggplot2包進行排序圖可視化。

2" "結果與分析

2.1" "水環境因子

對測定的水環境因子進行共線性分析，去除共線性高于0.6即相關性高的3個水環境因子（TDS、EC和CODMn）后，保留14個環境因子進行下一步分析。對大通河、大通河濕地、黑河、黑河濕地、托勒河和托勒河濕地的水環境因子進行差異分析，結果見圖2。TP在大通河顯著高于大通河濕地、黑河濕地、托勒河、托勒河濕地（Plt;0.05），NO3-N在大通河顯著高于大通河濕地和托勒河，TOC和Cl-在大通河濕地顯著高于其他區域，Chl-a在大通河濕地顯著高于大通河和托勒河，TN在大通河顯著高于其他區域，TUR在黑河顯著高于其他區域，NO2-N在大通河顯著高于大通河濕地、黑河濕地、托勒河和托勒河濕地，V在河流區域顯著高于濕地區域，Cl-和TN在大通河濕地顯著高于其他區域，NO3-N在大通河顯著高于其他區域，Salt、DO、pH、NH3-N和T在各個區域均沒有顯著差異。

2.2" "原生生物多樣性和群落結構

對21個樣點的水環境樣品進行宏基因組測序，經組裝分析共提取到2 832條rDNA contigs，經過97%相似性聚類后，共獲得538個真核生物OTUs，其中原生生物393個OTUs，其他真核145個OTUs。鑒定到的393個原生生物OTUs隸屬18門，其中OTUs個數占比gt;2%的優勢門類有13個（圖3），依次為裸藻門（Euglenozoa）占21%，纖毛門（Ciliophora）占18%，硅藻門（Bacillariophyta）占11%，綠藻門（Chlorophyta）占9%，Discosea占7%，管涌足蟲門（Tubulinea）占5%，透色門（Heterolobosea）占4%，頂復門（Apicomplexa）占3%，絲足蟲門（Cercozoa）占3%，隱藻門（Cryptophyta）、Haptista、Perkinsozoa和紅藻門（Rhodophyta）各占2%。鑒定的393個原生生物OUTs中有140個可以鑒定到種水平，其中18個為優勢種（相對豐度大于1%）（表1）。

研究區域各個河流和濕地原生生物α多樣性指數見表2，香農指數（Shannon）為4.13～4.94，豐富度指數（Richness）為236～380，辛普森多樣指數（Simpson）為0.965～0.987。香農指數在大通河濕地平均值最低，為4.38，在托勒河平均值最高，為4.80；豐富度指數在大通河濕地平均值最低，為312，在黑河平均值最高，為354；辛普森多樣性指數在黑河濕地平均值最低，為0.9747，在托勒河平均值最高，為0.9846。

研究區域原生生物多樣性指數差異分析如圖4所示，香農指數在各個河流間和各個濕地間均沒有顯著差異，但是在河流與濕地之間存在顯著差異，且河流顯著高于濕地。在河流中，豐富度指數僅在托勒河顯著高于大通河，其他河流間均沒有顯著差異。在各個濕地中，豐富度指數表現為黑河濕地顯著高于大通河濕地，托勒河濕地顯著高于大通河濕地，黑河濕地和托勒河濕地間沒有顯著差異；河流與濕地之間的豐富度指數沒有顯著差異。

對祁連山國家公園21個采樣點原生生物群落基于bray-curtis距離進行的非度量多維標度（non-metric multidimensional scaling，NMDS）分析如圖5所示，Stress值低于0.1，表明降維效果越好，能較準確反映數據排序的真實分布。排序圖結果顯示，濕地和河流之間、各個河流流域之間及各濕地之間的原生生物群落均存在較明顯的分組，表明在不同河流流域間、不同濕地間以及不同的水環境類型間，原生生物群落存在較大差異。

原生生物各個類群在各樣點的相對豐度如圖6所示，硅藻門在黑河（HH1～3）樣點和黑河濕地（HHSD1～3）樣點的相對豐度均超過25%。隱藻門在大通河相對豐度最高，且在大通河（DTH2～4）樣點的相對豐度超過20%。纖毛門在大通河、黑河、黑河濕地各樣點的相對豐度差異較小，而在大通河濕地、托勒河、托勒河濕地各樣點的相對豐度差異較大。除大通河區域外，硅藻門在其他各個區域相對豐度均相對較高，且在黑河濕地超過25%。纖毛門、裸藻門、金藻門、絲足蟲門等在不同區域的相對豐度變化較小。

2.3" "原生生物群落共現網絡

為探究區域內河流與濕地原生生物OTUs之間的互作關系，分別對河流及濕地的原生生物群落進行共現網絡分析（圖7），其中節點代表OTUs，邊代表OTUs之間的Spearman秩相關系數，即OTUs之間相互關系。河流中原生生物共現網絡主要的模塊有6個（M1～M6），分別占總OTUs的22.80%、18.91%、14.51%、17.62%、25.91%和0.26%；濕地中原生生物共現網絡主要的模塊有5個（M1～M5），分別占總OTUs的17.88%、23.58%、19.43%、22.02%和17.10%。河流及濕地原生生物群落共現網絡節點間的連接均以正相關為主，表明原生生物OTUs間多為互利關系。

研究區域河流與濕地環境中原生生物群落共現網絡結構參數如表3所示，河流原生生物群落共現網絡由386個節點和5 616條邊構成，其平均度（節點連接性）為29.098，圖密度為0.076，模塊化指數為0.384，平均聚類系數0.365，平均路徑長度為2.410；濕地原生生物群落共現網絡由386個節點和9 353 條邊構成，其平均度為48.461，圖密度為0.126，模塊化指數為0.336，平均聚類系數0.481，平均路徑長度為2.222。通過對比河流與濕地中原生生物共現網絡拓撲結構參數，結果顯示濕地原生生物群落共現網絡連接數、平均度、圖密度和平均聚類系數均遠高于河流，表明濕地原生生物共現網絡中各個OTUs之間的聯系更為緊密，共現網絡關系更復雜。而河流原生生物共現網絡的模塊化指數和平均路徑長度均高于濕地，表明河流原生生物共現網絡模塊化特性更強，OTUs之間的聚集更為明顯。

為了進一步探究原生生物群落共現網絡中不同類群的相互關系，對各個類群在共現網絡中的連通度進行分析，結果顯示各個類群在不同環境中的連通度存在差異（表4）。在河流中，連通度高于200的類群有10個，按連通度排序依次為裸藻門、纖毛門、硅藻門、綠藻門、Discosea、管涌足蟲門、隱藻門、透色藻門、頂復門和絲足蟲門。在濕地中，連通度高于200的類群有16個，按連通度排序依次為纖毛門、裸藻門、硅藻門、Discosea、綠藻門、管涌足蟲門、頂復門、絲足蟲門、Perkinsozoa、定鞭藻門、變形蟲門、隱藻門、Microsporidia和Imbricatea。河流中硅藻門和隱藻門的連通度高于濕地，其他類群在濕地中連通度均高于河流，這表明濕地中原生生物群落共現網絡更穩定，原生生物除硅藻門和隱藻門類群外，其他類群OTUs之間的共現關系在濕地中的聯系更為緊密。

2.4" "原生生物群落與環境因子的關系

對原生生物與環境因子進行RDA分析，結果見圖8，排序圖中僅顯示對RDA分析模型貢獻度大于0的環境因子。在河流和濕地中對RDA分析模型貢獻度大于0的環境因子有10個，為TP、T、pH、TOC、DO、Salt、TN、NO3-N、NH3-N和V。對于濕地而言，對RDA分析模型貢獻度大于0的環境因子有6個，為TP、T、Chl-a、Salt、Cl-和NH3-N。對于河流而言，對RDA分析模型貢獻度大于0的環境因子有10個，為TP、T、DO、Salt、Cl-、TUR、TN、NO2-N、TOC和NO3-N。

對各個環境因子的貢獻度進行分析（表5），結果發現在河流和濕地中，TP、TN、NH3-N、NO3-N和TOC對原生生物群落的解釋率高于10%；在濕地環境中，TP和NH3-N對原生生物群落的解釋率高于10%；在河流TP、TN和NO3-N對原生生物群落的解釋率高于10%。

基于Spearman相關性分析，對研究區域河流和濕地原生生物主要門類與環境因子相關性進行分析，結果見圖9。河流與濕地的Parabasalia、硅藻門和裸藻門與COD和TOC呈顯著負相關，Imbricatea與NO3-N、TN和Salt呈顯著負相關；纖毛蟲門與Chl-a和COD呈顯著正相關，Amoebozoa與COD呈顯著正相關，Discosea與Chl-a、T和DO呈顯著正相關，隱藻門與COD、TP和TOC呈顯著正相關。

3" "討論

3.1" "原生生物群落分布特征

本研究通過宏基因組測序，在祁連山國家公園青海片區共鑒定出393個原生生物OTUs，隸屬于24門40綱95目126科162屬。在原生生物多樣性研究中，由于原生生物個體較小，傳統方法很難鑒定到種，顯微鑒定過程費時費力，且難以標準化，對鑒定人員的專業程度存在較高要求；傳統鑒定方法能夠做到絕對定量，并且方便與之前的數據做對比。而宏基因組測序技術在原生生物多樣性研究中，能夠更全面獲得原生生物多樣性信息，也可以對原生生物與環境因子的關系進行分析，結果更加準確，且效率也相對較高，更容易標準化；但宏基因組測序技術難以做到絕對定量，同時易受干擾，物種注釋依賴于數據庫的完整性，可能對分類的準確性產生影響（羅帥等，2022）。根據鑒定結果，其中OTUs相對豐度最高的類群為硅藻門，其次為纖毛門和綠藻門，在高海拔低溫水環境中，硅藻門的占比較高，這與前人的研究結果一致（楊菲，2014）。祁連山國家公園青海片區原生生物多樣性存在區域差異，在河流中為托勒河gt;黑河gt;大通河，在濕地中為托勒河濕地gt;黑河濕地gt;大通河濕地，且河流多樣性指數顯著高于濕地；根據沈韞芬等（1990）提出的水環境質量越高，原生生物多樣性越高的理論，表明祁連山國家公園的水環境質量為河流高于濕地，且在各個河流樣點水質狀況為托勒河gt;黑河gt;大通河，各個濕地樣點水質狀況為托勒河濕地gt;黑河濕地gt;大通河濕地，這也與水環境因子差異分析結果相一致，表明祁連山國家公園青海片區各個河流濕地的環境分化明顯，環境差異較大（Zhou et al，2021）。祁連山國家公園青海片區的原生生物種類占比最高的類群為裸藻門占21%，纖毛門占18%，硅藻門占11%，表明裸藻門、纖毛門和硅藻門是該區域最常見的3種原生生物類群；其中硅藻門的相對豐度較高，這一結果可能與祁連山地區的高海拔和低水溫的環境條件有關，根據以往研究，硅藻為適應低溫環境的生物類群，因此它們能夠在祁連山國家公園青海片區的高海拔低溫環境下生存和繁殖，所以硅藻門在祁連山地區的占比較高（鄧建明等，2010；Hattori-Saito et al，2010）。同時比較大通河、托勒河和黑河硅藻門的相對豐度，發現大通河硅藻門相對豐度遠低于黑河和托勒河（圖6），這與大通河地處祁連山山系東段，海拔相對較低，流經城鎮村落較多，而托勒河與黑河地處祁連山腹地，海拔相對較高，且流域內環境干擾較低，水環境較為原始有一定關系。

3.2" "影響原生生物群落的水環境因子存在差異

已有研究表明，T、Salt、pH、TP、TN、NH3-N、NO3-N、TOC等多種因素會對原生生物群落結構產生影響（王鑫，2014；楊漸，2015；胡菊香等，2019）。通過分析原生生物與水環境因子的關系，發現總磷（TP）、總氮（TN）和總有機碳（TOC）是對原生生物群落影響較強的水環境因子，這與研究區域地處祁連山山系的高海拔地區、水環境營養物質較低有關，因此原生生物對水環境中營養物質的依賴較高。從不同河流來看，大通河及大通河濕地采樣點位于天峻縣木里礦區附近，總氮總磷可能來源于地表徑流輸送或其他天然源；黑河樣點位于城鎮周圍城鎮牧場下游，總氮總磷可能來源于城鎮人為排入和草地系統的淋溶。大通河是人類活動最多的區域，人類放牧、農耕及旅游等活動帶來的各種人為干擾，可能是導致其總磷總氮濃度較高的原因，并且由此導致大通河流域的硅藻門類群相比于其他區域較低，而隱藻門類群相比于其他區域較高。托勒河及托勒河濕地總磷的含量相比于其他區域相對較低，這可能與托勒河及托勒河濕地所處地區相對封閉、人為干擾較少、環境較為原始有關。整體濕地區域相較河流區域，人為活動較少，因此減少了外源營養物質的輸入，從而導致其營養物質較為缺乏，因而使得該地區原生生物多樣性較低（楊建新等，2008；王蕓，2017；支珞昀，2020）。總體而言，祁連山國家公園青海片區大通河，黑河和托勒河的水環境中影響原生生物群落的水環境因子存在差異，且在濕地中主要的環境因子為TP和NH3-N，對原生生物群落的影響高于70%（表5），而在河流中影響原生生物的水環境因子則更加多元化。

3.3" "河流和濕地原生生物群落共現網絡存在差異

生物間的相互作用是維持生物群落穩定及保持生態系統結構的重要因素之一（Chaffron et al，2010）。群落中各種生物之間存在著共生、合作、競爭、掠奪等互作關系（Liu et al，2019；Morris et al，2019），這些互作關系在原生生物群落中決定了各個類群間的共現關系，因此我們利用原生生物共現網絡來揭示原生生物之間潛在的相互作用，以此來揭示各個類群之間的共存模式（Proulx et al，2005）。本研究中祁連山國家公園青海片區河流和濕地2大類水體原生生物共現網絡存在差異。相較于河流，濕地環境的共現網絡更為復雜，表明其原生動物群落結構較為穩定，所以濕地共現網絡聯系較為緊密結構更為復雜，相比之下河流環境中原生生物共現網絡結構相對簡單和碎片化。這表明河流環境中共現網絡復雜性較低，生物群落更容易受到外部環境壓力的影響，其穩定性也越低。祁連山國家公園青海片區的各個河流海拔高，水源補給多為冰川融水，水溫較低，原生生物類群相對單一，這些環境條件的限制使得生物的生長和繁殖相對較為困難，從而導致生態系統的多樣性和穩定性降低，因此在河流中原生生物群落共現網絡復雜度較低。而濕地環境對生物群落的限制更加嚴格，因此在濕地中生存的物種更傾向于形成更加穩定的群落，濕地中的一些藻類如硅藻和綠藻比例較高，這與水體溫度和光照條件有關，這些藻類可以提供大量的有機物和能量，為水生動物提供養分和食物來源，構建起一個相對完整的食物鏈或食物網。此外濕地中的水體更接近于靜態，沒有大的水流影響，也有利于提高原生生物群落的穩定性。因此濕地中原生生物群落的共現網絡更為復雜，原生生物群落更為穩定。

志謝：本研究得到中國科學院超級計算武漢分中心支持。

參考文獻

安瑞志， 2021. 麥地卡濕地國家級自然保護區原生動物群落生態學研究[D]. 拉薩：西藏大學.

安瑞志， 潘成梅， 塔巴拉珍， 等， 2021. 西藏巴松錯浮游植物功能群垂直分布特征及其與環境因子的關系[J]. 湖泊科學， 33（1）：86-101.

鄧建明， 蔡永久， 陳宇煒， 等， 2010. 洪湖浮游植物群落結構及其與環境因子的關系[J]. 湖泊科學， 22（1）：70-78.

翟萬營， 汪倩， 王佳華， 等， 2022. 南極中山站附近海水微生物多樣性和宏基因組分析[J]. 上海海洋大學學報， 31（1）：288-297.

國家環境保護總局編委會， 2002. 水和廢水監測分析方法[M].4版. 北京：中國環境科學出版社.

胡菊香， 梁亮， 池仕運， 等， 2019. 環境因子對供水水庫原生動物群落特征的影響[J]. 水生態學雜志， 40（4）：30-41.

胡明慧， 趙建琪， 王玄， 等， 2022. 自然增溫對南亞熱帶森林土壤微生物群落與有機碳代謝功能基因的影響[J]. 生態學報， 42（1）：359-369.

黃平平， 2017. 基于高通量測序和形態學的黃渤海沉積物中纖毛蟲生物多樣性及分布特征研究[D]. 青島：中國科學院大學（中國科學院海洋研究所）.

金萬洲， 卜靜， 羅惠文， 等， 2022. 祁連山國家公園青海片區種子植物區系特征[J]. 浙江農林大學學報， 39（2）：289-296.

蘭翔宇， 葉沖沖， 王毅， 等， 2021. 1995-2014年青藏高原水源涵養功能時空演變特征及其驅動力分析[J]. 草地學報， 29（增刊1）：80-92.

李鐵， 1998. 莫失祁連山：祁連山水源涵養林保護調查[J]. 瞭望新聞周刊，（2）：20-21.

李新， 勾曉華， 王寧練， 等， 2019. 祁連山綠色發展：從生態治理到生態恢復[J]. 科學通報， 64（27）：2928-2937.

劉斌， 劉真誠， 羅帥， 等， 2022. 黑龍江省典型城市濕地龍鳳濕地和呼蘭河口濕地的原生生物分子多樣性[J]. 基因組學與應用生物學， 41（2）：352-362.

羅帥， 劉真誠， 王粟， 等， 2022. 基于宏基因組的保安湖浮游動物多樣性研究[J]. 水生生物學報， 46（11）：1719-1729.

馬芳， 2020. 祁連山國家公園（青海片區）脆弱生態環境保護與修復的法治保障[J]. 青海民族大學學報（社會科學版）， 46（2）：62-68.

沈韞芬， 1999. 原生動物學[M]. 北京：科學出版社.

沈韞芬， 章宗涉， 龔循矩， 等， 1990. 微型生物監測新技術[M]. 北京：中國建筑工業出版社.

王玲慧， 張代青， 李凱娟， 2015. 河流生態系統服務價值評價綜述[J]. 中國人口·資源與環境， 25（增刊1）：10-14.

王新源， 2018. 生態文明建設可持續發展研究：以祁連山為例[J]. 河南農業，（11）：82-84.

王鑫， 2014. 青藏高原不同海拔咸水湖微生物多樣性及適應性特征[D]. 蘭州：蘭州交通大學.

王學福， 2020. 祁連山河流濕地生態退化現狀與恢復[J]. 甘肅科技， 36（11）：3-6， 21.

王瑩瑩， 左金淼， 劉家岡， 2005. 以態勢理論為基礎的更新生態位測度研究[J]. 林業科學，（4）：20-24.

王蕓， 2017. 拉薩河中上游原生動物群落結構特征及其與水環境之間的關系[D]. 拉薩：西藏大學.

熊杰， 陳建平， 陳曉光， 等， 2019. 進展中的原生動物學研究：熱點領域與新格局[J]. 中國科學：生命科學， 49（10）：1301-1322.

楊菲， 2014. 西藏鹽湖浮游植物及原生動物群落結構特征的研究[D]. 上海：上海海洋大學.

楊建新， 祁洪芳， 史建全， 等， 2008. 青海湖夏季水生生物調查[J]. 青海科技， 15（6）：19-25.

楊漸， 2015. 青藏高原湖泊微生物群落演替及其環境指示意義[D]. 武漢：中國地質大學.

張華， 韓武宏， 宋金岳， 等， 2021. 祁連山國家公園生境質量時空演變[J]. 生態學雜志， 40（5）：1419-1430.

支珞昀， 2020. 高原湖泊浮游動物群落空間分布驅動力解析[D]. 北京：中國地質大學（北京）.

Boscaro V， Rossi A， Vannini C， et al， 2017. Strengths and biases of high-throughput sequencing data in the characterization of freshwater ciliate microbiomes [J]. Microb Ecol， 73：865-875.

Chaffron S， Rehrauer H， Pernthaler J， et al， 2010. A global network of coexisting microbes from environmental and whole-genome sequence data [J]. Genome Res， 20：947-959.

Fenchel T M， J?rgensen B B，1977. Detritus food chains of aquatic ecosystems： the role of bacteria[C]//Alexander M. Advances in Microbial Ecology. Boston， MA：Springer US：1-58.

Hattori-Saito A， Nishioka J， Ono T， et al， 2010. Iron deficiency in micro-sized diatoms in the Oyashio region of the Western subarctic Pacific during spring [J]. Journal of Oceanography， 66：105-115.

Jiang C， Liu B， Zhang J， et al， 2021. Diversity and seasonality dynamics of ciliate communities in four estuaries of Shenzhen， China （South China Sea） [J]. Journal of Marine Science and Engineering， 9：260.

Jiao N， Herndl G J， Hansell D A， et al， 2010. Microbial production of recalcitrant dissolved organic matter： long-term carbon storage in the global ocean [J]. Nature Reviews Microbiology， 8：593-599.

Keeling P J， Campo J d， 2017. Marine protists are not just big bacteria [J]. Current Biology， 27：R541-R549.

Liu L， Chen H， Liu M， et al， 2019. Response of the eukaryotic plankton community to the cyanobacterial biomass cycle over 6 years in two subtropical reservoirs [J]. The ISME Journal， 13：2196-2208.

Morris L A， Voolstra C R， Quigley K M， et al， 2019. Nutrient availability and metabolism affect the stability of coral-symbiodiniaceae symbioses [J]. Trends in Microbiology， 27：678-689.

Pokarzhevskii A D， van Straalen N M， Zaboev D P， et al， 2003. Microbial links and element flows in nested detrital food-webs [J]. Pedobiologia， 47：213-224.

Proulx S R， Promislow D E L， Phillips P C， 2005. Network thinking in ecology and evolution [J]. Trends in Ecology amp; Evolution， 20：345-353.

Zhang P， Xiong J， Qiao N， et al， 2022. Spatiotemporal distribution of protists in the Yarlung Zangbo River， Tibetan Plateau [J]. Water Biology and Security， 1：100064.

Zhou L， Wang P， Huang S， et al， 2021. Environmental filtering dominates bacterioplankton community assembly in a highly urbanized estuarine ecosystem [J]. Environmental Research， 196：110934.

Zhu W， Zhang A， Qin C， et al， 2021. Seasonal and spatial variation of protist communities from reef water and open ocean water in patchy coral reef areas of a semi-enclosed bay[J]. Marine Environmental Research， 169：105407.

（責任編輯" "熊美華）

Protist Diversity of Rivers and Wetlands in Qilian Mountain National Park

（Qinghai Region） Based on Metagenomics

WANG Hao‐hua1，2， ZHANG Peng2， LUO Shuai2， GU Si‐yu2， XIONG Xiong2，

YU Yao3， LI Lun3， MIAO Wei2， XIONG Jie2

（1. Dalian Ocean University， Dalian" "116023， P.R. China;

2. Institute of Hydrobiology， Chinese Academy of Sciences， Wuhan" "430072， P.R. China;

3. Qinghai Service Guarantee Center of Qilian Mountain National Park， Xining" "810000， P.R. China）

Abstract： Qilian Mountain National Park （Qinghai region） is located at the northeastern edge of the Qinghai-Tibet Plateau， an important ecological security barrier in western China and the most important water source region of the Yellow River. In this study， we explored the protist community structure and its relationship with environmental factors in the rivers and wetlands of Qilian Mountain National Park， aiming to accumulate a baseline to support conservation of biological resources and the water environment in the area. In July and August of 2020， water samples were collected at 21 sites at rivers and wetlands in Qilian Mountain National Park for the analysis of water environmental factors and DNA. A total of 58 DNA samples were obtained， and then metagenomic sequencing was used to investigate species composition and the community structure of protists. Results show that： （1） A total of 393 protist OTUs （Operational Taxonomic Units， OTUs） were identified and annotated， including 162 genera， 126 families， 95 orders， 40 classes， and 24 phyla. Euglenozoa and Ciliophora had the largest number of OTUs， while Bacillariophyta and Ciliophora were the most abundant. （2） There were significant differences in the community structure of protists from different rivers and wetlands， and the diversity of protists in rivers was significantly higher than in wetlands. The highest average Shannon （4.80） and Simpson （0.9846） diversity indices were both in Tuole River， and the highest average Margalef richness index （354） was in the Heihe River. The lowest average Shannon diversity index （4.38） and Margalef richness index （312） were both in the Datong River wetland， and the lowest average Simpson diversity index （0.9747） was in the wetland of the Heihe River. （3） Redundancy analysis shows that the protist community was primarily affected by the environmental factors TP， water temperature， PH， TOC， DO， salinity， TN， NO3--N， NH3-N and velocity. （4） The co-occurrence network in wetlands was more stable than that in rivers. This work provides basic data for the ecological assessment and monitoring of water environments in the region.

Key words：protist; diversity; metagenome; river; wetland; Qilian Mountain National Park