一种基于微生物网络评估环境污染风险的方法与流程

本发明属于环境污染评价技术领域，特别涉及一种基于微生物网络评估环境污染风险的方法。

背景技术：

环境污染就是指有害物质对大气、水、土壤和动植物污染并达到有害的程度(物理污染、化学污染、生物污染等)，通常，我国通过制定针对不同环境介质的污染风险管控标准来监测并预防环境污染，将镉、汞、砷、铅等基本指标作为农用地土壤污染风险筛选值的基本项目，将六六六总量、滴滴涕总量和苯并[a]芘定为选测污染物项目，以评估农用地土壤污染风险。但由于各类环境介质中存在的污染物质种类繁多，根据现有特征指标进行污染风险评估难免会遗漏众多潜在的污染项目，而大批量测定众多污染指标以评估环境介质污染风险成本较高，较难在各类环境介质中应用，因此挖掘更具环境污染敏感性的风险评估指标，对于环境污染风险评估和环境污染防治具有重要意义。

环境样品中存在大量的微生物，它们广泛分布于土壤、地表水、地下水、底泥等不同环境介质中。研究表明，不同的微生物在环境介质不同物质转化和代谢过程中起到至关重要的作用。大多数微生物通过利用环境介质中广泛存在的营养物质，主要包括碳源、氮源、磷源等，为自身生长代谢提供能量，进而对环境介质中的养分存在形态进行转变；一些功能微生物可以降解土壤中的有机污染物，如苯系物等，对于环境中存在的污染物起到了较大的自然衰减贡献。同时，微生物的生长和存亡特征也受介质中各个环境因子不同程度的影响。许多研究学者证实，在底泥中砷(as)、铅(pb)、镉(cd)等重金属的累积会显著改变微生物群落结构，甚至影响环境中优势种属门类；在土壤磷素以难利用形态富集时，微生物群落会向解磷菌属功能微生物聚积，假单胞菌属等微生物丰度显著升高。因此，微生物群落与环境介质中不同因子变化存在较密切的复杂互作关系。随着宏基因组测序技术的广泛应用，监测环境样品中的微生物数量和群落分布变得更加方便，且成本较低，通常采用网络分析进一步解析微生物个体间的相互作用关系并寻找它们之间的功能联系。但这些方法在估计微生物之间的关联时并未考虑环境因素的影响，忽略了构建更庞大的环境因素与微生物群落互作网络中隐藏的微生物共存信息。由于微生物种群之间和微生物和环境污染指标之间存在敏感的正负相关关系，同时考虑时会构建出新的互作网络，再进一步过滤环境干扰后的微生物共存关系中，正负相关比例表示核心微生物在生态系统中的稳定性，负相关比例越高稳定性越强，网络度表示核心微生物群落的关联性，网络度越低生态系统稳定性越差。这些关系在环境污染干扰时会产生显著的响应，因此，导致微生物共存网络关系的变化。

技术实现要素：

为了克服上述现有技术的缺点，本发明的目的在于提供一种基于微生物网络评估环境污染风险的方法，基于微生物共存网络关系在微生物-环境因子互作网络中随环境污染风险的变化，通过构建环境样品中优势微生物与关键环境指标的微生物互作网络模型，基于微生物共存关系中正负相关比例和网络平均度的变化，评估环境微生态系统稳定性并预示环境污染风险，与基于多种环境理化指标监测评价环境污染的常规方法相比，可在污染发生前做出预判，有助于监测者对环境污染防治时机做出及时、准确的判断，对环境污染防治时机提供了更准确的依据。

为了实现上述目的，本发明采用的技术方案是：

一种基于微生物网络评估环境污染风险的方法，包括以下步骤：

1)通过宏基因组测序获得环境样品微生物群落结构和相对丰度数据，同时获取对应样品基本环境指标；

2)根据优势微生物与关键环境指标构建微生物互作网络模型；

3)通过微生物共存关系中正负相关比例和网络度变化，评估环境微生态系统稳定性，负相关比例和网络度降低预示环境污染风险增大；

4)对环境污染风险增大的情况，采取适当环境污染防治措施。

所述环境样品可为土壤、地表水、地下水和底泥等不同环境介质。

对应样品的基本环境指标理化指标(温度、ph、电导率等)、营养指标(总有机碳、总氮、总磷、有机质、速效氮、速效磷、腐殖质、胡敏酸、富里酸、胡敏素等)、金属污染指标(汞、镉、铜、铬、砷、镍、铅、锌等)、有机污染指标(单环芳烃、多环芳烃、卤代烃、挥发性有机物、半挥发性有机物等)、新型污染物(抗生素、全氟化合物等)。

所述优势微生物为相对丰度高于0.5％的微生物类群，可基于otu、种、属等微生物水平，所述关键环境指标包含营养指标(总氮、总磷等)、金属污染指标(锌、铜等)以及有机污染指标(多环芳烃、卤代烃等)。

所述微生物互作网络指以存在显著相关关系即p<0.05的优势微生物和关键环境指标为节点构建的无向关联网络。所述微生物共存关系中正负相关比例指关联网络中微生物种群间的正负边占微生物共存网络中的比值，网络度指微生物共存网络节点所连边的平均值。

相同环境样品微生物共存网络中负相关比例和网络度降低时关键环境指标明显累积，环境污染风险增大，需采取适当环境污染防治措施。

与现有技术相比，本发明的有益效果是：

本发明的方法将优势环境微生物与关键环境因子互作网络中微生物共存关系统计分析应用于环境污染风险评价，通过微生物共存关系中负相关比例变化可在污染发生前做出预判，有助于监测者对环境污染防治时机做出及时、准确的判断。

附图说明

图1为本发明的实施方法流程示意图。

图2为对照(a)和污染(b)底泥优势细菌群落和关键环境因子的互作网络。

图3为对照(a)和污染(b)底泥优势细菌群落和关键环境因子的互作网络中细菌共存关系中正负比例。

图4为对照(a)和污染(b)底泥优势细菌群落和关键环境因子的互作网络中细菌共存关系网络度比较。

具体实施方式

下面结合附图和实施例对本发明的技术方案进行清楚、完整的描述，显然，以下描述的实施例是本发明的一部分实施例，而不是全部的实施例，不对本发明的内容和保护范围构成限制，任何人在本发明的启示下或是将本发明与其他现有技术的特征进行组合在没有做出创造性劳动的前提下所获得的其他实施例，都属于本发明的保护范围。

实施例：同一河网河道底泥样品中细菌群落和基本环境指标

参照图1的流程图，进行微生物-环境因子互作关系构建，并比较微生物共存关系变化，预测环境污染风险并验证。具体操作步骤如下：

选取某河道中游同一河段底泥中5处采样点进行采样，测定碳氮磷基本指标和金属污染指标，结果表明底泥样品中氮磷指标正常，且金属等指标均未超出国家污染风险管控标准。从样品中提取dna利用宏基因组测序，通过生物信息学分析得到以相似性为基准聚类的表，以同一属为基准单位，筛选相对丰度高于0.5％的种属，基于环境指标与微生物物种的spearman相关系数，选取p<0.05相互作用关系，最终得到199种微生物种属和7中关键环境因子。

利用gephi0.9.2软件构建微生物-环境因子互作关系，得到含有1915条边的互作网络，如图2a，过滤并仅保留微生物间共存关系，得到微生物共存网络并进行分析，结果表明，存在1837条边，其中负相关关系的边有577条，负相关比例为31.4％，网络平均度为18.493。

选取相同河道下游河段底泥中5处采样点进行采样，测定碳氮磷基本指标和金属污染指标，发现底泥样品中，不仅存在明显的氮磷累积，而且汞(hg)、锌(zn)、铜(cu)、镉(cd)均超出国家污染风险管控标准。从样品中提取dna利用宏基因组测序，通过生物信息学分析得到以相似性为基准聚类的表，以同一属为基准单位，筛选相对丰度高于0.5％的种属，基于环境指标与微生物物种的spearman相关系数，选取p<0.05相互作用关系，最终得到200种微生物种属和7中关键环境因子。

利用gephi0.9.2软件构建微生物-环境因子互作关系，得到含有1703条边的互作网络，如图2b，过滤并仅保留微生物间共存关系，得到微生物共存网络并进行分析，结果表明，存在1626条边，其中负相关关系的边有258条，负相关比例仅为15.86％，网络平均度为16.534。

图3和图4分别为相同河道不同污染状况底泥的微生物共存网络关系中负相关比例和网络平均度，可以看出，与未污染底泥相比，污染底泥中微生物共存网络中负相关比例显著降低，网络平均度也明显低于未污染组。由此说明，微生物-环境因子互作网络中微生物种群的共存关系对于环境污染情况存在极强敏感性。