下载:
-
种子萌发是高等植物生命周期新的开始，它始于吸水止于胚根突出，经历一系列复杂的生物学过程。一般情况，种子萌发可划分为3个发育阶段：3 h内种子迅速吸水膨胀(阶段Ⅰ)，随后储藏物动员(阶段Ⅱ)，最后胚根突出完成萌发(阶段Ⅲ)[1]。种子萌发完成后将进入幼苗发育阶段，其中胚根向下生长逐渐发育为植物的根，而胚轴和胚芽向上生长发育为植物的茎和叶。在深层土壤中，光很少参与种子萌发的调控。因此，研究黑暗条件下种子萌发的分子调控网络，不仅有助于揭示种子暗萌发的分子机制，而且对于指导作物播种也具有重要意义。
经过长期自然选择，高等植物已进化出多种光感受器，以适应复杂多变的自然环境。在拟南芥Arabidopsis thaliana中，至今已发现3类光受体，即红光/远红光受体光敏色素、蓝光受体隐花色素以及紫外光受体。在调节种子萌发方面，以光敏色素(PHY)研究较为深入。在黑暗中，PHY失活，其靶标蛋白光敏色素互作因子(PIF1)积累，抑制赤霉素(GA)信号和激发脱落酸(ABA)信号，从而抑制种子萌发；在红光或远红光下，光敏色素B (PHYB) 或光敏色素A (PHYA)被激活促进PIF1降解，减除 PIF1 对GA信号的抑制和ABA信号的激发，从而促进种子萌发[2−4]。
不同物种光调控种子萌发的机制存在一定差异。如光促进拟南芥种子萌发，而抑制番茄Solanum lycopersicum种子萌发。在拟南芥中，PHYA 和 PHYB 分别感知远红光和红光调控种子萌发[5−6]，然而，在番茄中红光或远红光下PHYA均抑制种子萌发[7]。DONG等[8]对244份烟草Nicotiana tabacum种质资源进行研究，根据萌发对光的敏感性将烟草种子划分为浅光休眠种子和深度光休眠种子，浅光休眠种子在光下萌发率＞90%，暗光下萌发率＞50%；而深度光休眠种子在光下萌发率＞90%，暗光下萌发率＜20%。本研究以浅光休眠种子类群中暗萌发率较高的代表野生型烟草Y85为材料，对萌发前后的种子样本进行转录组和蛋白组测序，通过联合分析挖掘黑暗下浅光休眠种子萌发的调控网络。
-
野生型烟草Y85种子由贵州省烟草科学研究院提供。为避免光休眠、成熟度和后熟期差异对实验结果造成影响，种子均为授粉后40 d收获，在40 ℃机械烘干36 h脱粒。
-
采用质量分数为0.5%硫酸铜溶液进行种子消毒处理；15 min后，用蒸馏水反复冲洗已消毒的种子；最后用滤纸吸附种子表面水分待用。配置质量分数为0.8%的琼脂溶液，进行高压灭菌，将灭菌液倒入直径为9 cm的培养皿中制作琼脂发芽床。每个处理设3次重复，每次重复100粒种子，以10×10模式均匀点播在琼脂床表面，然后将培养皿放置在人工气候箱中(江南仪器RXZ-36C)，设置人工气候箱的温度为25 ℃，光照强度为0 lx，相对湿度为80%，进行种子萌发实验。
-
分别收集暗萌发第2天和第4天的种子作为转录组测序的样本。使用TRIzol试剂(Tiagen Biochemical)提取种子的总RNA。使用NanoDrop 2000分光光度计(Thermo Science)评估纯度和定量，同时使用Agilent 2100生物分析仪(Agilent Technologies)评估RNA的完整性。使用TruSeq Stranded mRNA LT Sample Prep Kit (Illumina)构建基因库。转录物测序和分析由APTBIO生物技术有限公司(中国上海)完成。文库在Illumina HiSeq X Ten平台上进行测序，产生150 bp的成对末端读数。使用Trimomatic[9]处理FASTQ格式的原始读数，并为每个样品生成原始读数。通过从原始数据中去除低质量的读数和poly-N的读数，获得准确的读数用于深入分析。使用HISAT2[10]将处理后的读数映射到野生型烟草Y85基因组上。使用Cufflinks[11]计算每个基因的每千碱基转录每百万映射读取的片段值[12]，使用HTSeq-Coun获得每个基因的读数。差异表达分析使用DESeq (2012)R[13]进行。P＜0.05和差异倍数(FC)＞2.0或＜0.5被用作差异表达的阈值。对差异表达基因(DEGs)进行了层次聚类分析，以探索基因表达模式。随后，应用数学模型对转录组数据进行分析。首先，筛选出在2和4 d发芽的DEGs，根据超几何分布，使用R软件包对DEGs进行了基因本体(GO)富集及京都基因和基因组百科全书(KEGG)路径富集分析。
-
将种子样品在液氮中磨成细粉，用3 mL含有1 mm 苯甲基磺酰氟的提取缓冲液[50 mmol·L−1 三羟甲基氨基甲烷盐酸盐(Tris-HCl)，pH 8.0，0.1 mol·L−1 氯化钾(KCl)，5 mmol·L−1 EDTA，质量分数为30%蔗糖]提取500 mg样品，持续2 h。在13 000 r·min−1下离心15 min后，将上清液转移到新的试管中。在上清液中加入5倍体积的体积分数为10%冷TCA丙酮，在20 ℃下保存2 h，然后以13 000 r·min−1离心15 min。用体积分数为90%的冷丙酮冲洗，在20 ℃下放置30 min，然后以13 000 r·min−1离心5 min。这个步骤重复3次。
冻干后，最终的颗粒在80 ℃下储存或立即进行分析。将蛋白质样品加入0.5 mL标准缓冲液(质量分数为4%十二烷基硫酸钠，1 mmol·L−1 二硫苏糖醇，150 mmol·L−1 Tris-HCl，pH 8.0)，在沸水中孵育5 min，然后超声处理10次(持续时间为5 min，时间间隔为5 min)。
在13 000 r·min−1下离心40 min后，用聚氰基丙烯酸正丁酯法测定蛋白质浓度。用200 μL 尿酸缓冲液(8 mol·L−1尿素，150 mmol·L−1 Tris-HCl，pH 8.0)稀释约200 μg蛋白质样品，在14 000 r·min−1下离心30 min，然后加入200 μL UA缓冲液(50 mmol·L−1碘乙酰胺)。加入100 μL UA缓冲液，在黑暗中孵化30 min，离心20 min，重复2次。加入100 μL的溴酚蓝缓冲液(50 mmol·L−1三乙基碳酸铵，pH 8.5)，离心20 min。此步骤重复2次，然后加入40 μL胰蛋白酶溶液(在40 μL DS缓冲液中加入2 μg Pro mega的胰蛋白酶)。样品在37 ℃下培养约17 h，并通过离心收集多肽。用BCA法测定多肽含量。光密度[D(280)]为1.1，表示1 g·L−1。使用iTRAQ (Applied Biosystems) 4plex试剂盒的标准方案对每个样品约100 μg多肽分别进行标记[14]。
-
使用TIANGEN RNA Prep Pure植物总RNA提取试剂盒(离心柱型)提取总RNA。使用NanoDrop-2000测定RNA的浓度和纯度。使用TaKaRaPrimeScript™ II First Strand cDNA Synthesis Kit将提取的RNA进行逆转录。使用TaKaRaTBGreen®Premix Ex Taq™ II (TliRNaseH Plus), Batch Fluorescence Quantification Kit 20 µL反应系统进行RT-PCR：10 µL TB Green Premix Ex Taq(2×) (TliRNaseH Plus)，0.4 µL ROX参考染料(50×)，2 µL稀释至40 mg·L−1的cDNA，0.8 µL上游和下游引物，其余用水补足。RT-PCR反应的条件是在95 ℃下预变性0.5 min，95 ℃循环5 s，58 ℃循环30 s。使用Step One Plus实时PCR仪测定每个基因的相对表达水平，每个样品重复3次。根据LIVAK等[15]的方法计算相对表达水平[15]。
-
结果(图1和图2)发现：胚根突出前后种子的差异表达mRNA与蛋白可划分为16个象限，包括5种类型。其中，转录和翻译两者同时无差异的蛋白(基因)最多；其次为仅在蛋白或者mRNA一种水平下差异表达的蛋白(基因)；再次为同时下调的差异蛋白(基因)，有24个；再次为同时上调的差异蛋白(基因)，有15个；而表达趋势相反的差异蛋白(基因)最少，仅为3个。上述结果说明：黑暗条件在转录和翻译水平同时上调或者下调的蛋白(基因)数量相对较少，而更多的基因是在转录或者翻译单一水平表达参与调控胚根突出。
图 1 差异表达基因和差异表达蛋白象限图
Figure 1. Quadrant map of differentially expressed genes and differentially expressed proteins
图 2 共上调(下调)差异表达基因(蛋白)维恩分析示意图
Figure 2. Schematic diagram of Wien analysis of co-upregulated (co-downregulated) differentially expressed genes (proteins)
本研究重点关注了胚根突出后转录和翻译共同上调或者下调的蛋白(基因)，共同上调表达的蛋白(基因)有β-葡糖苷酶(BoGH3B)、内甘露聚糖-1,4-β-甘露糖苷酶1 (MAN1)、甲基转移酶 PMT21 (ERD3)、MLP-like protein 31 (MLP31)、脂肪酸结合蛋白1 (FAP1)、非特异性脂质转移蛋白C、60伴侣蛋白2β亚基、叶绿体(CPN60B2)、线粒体解偶联蛋白1 (PUMP1)、豇豆球蛋白(CYSEP)、过氧化物酶24 (PER24)、B8网状内皮素蛋白(RTNLB8)等(图2和表1)。而共同下调表达的蛋白(基因)有坏死稳定素1 (NEC1)、母体植株开花时间调控蛋白(MFT)、胚胎晚期丰度蛋白63 (ECP63)、Peroxygenase (SOP1)、跨膜蛋白205 (TMEM205)、胚胎晚期丰度蛋白25 (LE25)、种子维生素内含蛋白(SBP65)、应激蛋白(At3g01520)、莨菪碱6-双加氧酶(H6H)、聚二磷酸腺苷核糖聚合酶3 (PARP3)等(图2和表1)。
表 1 差异表达基因和差异表达蛋白联合分析
Table 1. Combined analysis of differentially expressed genes and differentially expressed proteins
登录号 转录差异 翻译差异 基因名称 上下调基因/蛋白 倍数 P 倍数 P Nitab4.5_0000010g0130.1 3.325 5 0.001 7 3.853 8 0.000 4 BoGH3B 上调 Nitab4.5_0000023g0130.1 20.474 7 0.000 0 2.071 3 0.000 9 MAN1 上调 Nitab4.5_0000108g0440.1 2.120 7 0.001 4 2.171 9 0.014 5 ERD3 上调 Nitab4.5_0001238g0070.1 6.056 6 0.009 8 2.218 9 0.005 6 MLP31 上调 Nitab4.5_0001550g0100.1 3.766 1 0.000 0 2.421 4 0.000 4 FAP1 上调 Nitab4.5_0006538g0070.1 2.239 3 0.031 9 2.485 4 0.010 9 CPN60B2 上调 Nitab4.5_0008198g0010.1 2.110 4 0.001 6 2.014 6 0.034 4 PUMP1 上调 Nitab4.5_0010931g0010.1 20.901 6 0.000 0 2.461 1 0.001 5 CYSEP 上调 Nitab4.5_0014169g0010.1 6.893 3 0.016 7 2.187 9 0.003 1 PER24 上调 Nitab4.5_0014487g0010.1 3.953 8 0.000 0 2.362 0 0.011 5 RTNLB8 上调 Nitab4.5_0000541g0010.1 0.064 3 0.000 0 0.381 9 0.006 4 NEC1 下调 Nitab4.5_0000649g0080.1 0.095 6 0.046 2 0.459 1 0.018 2 MFT 下调 Nitab4.5_0000680g0110.1 0.196 4 0.000 0 0.450 5 0.031 1 ECP63 下调 Nitab4.5_0001051g0080.1 0.159 4 0.001 4 0.498 9 0.009 4 SOP1 下调 Nitab4.5_0001378g0010.1 0.155 3 0.000 0 0.460 8 0.026 6 TMEM205 下调 Nitab4.5_0001538g0010.1 0.107 0 0.009 4 0.151 8 0.014 4 LE25 下调 Nitab4.5_0002674g0020.1 0.149 6 0.000 1 0.430 3 0.007 4 SBP65 下调 Nitab4.5_0003715g0060.1 0.151 4 0.033 7 0.470 9 0.000 1 At3g01520 下调 Nitab4.5_0004232g0030.1 0.095 5 0.000 0 0.435 2 0.001 6 H6H 下调 Nitab4.5_0005388g0040.1 0.104 5 0.001 0 0.437 4 0.034 1 At3g06035 下调 Nitab4.5_0017202g0010.1 0.122 7 0.000 0 0.475 3 0.001 9 PARP3 下调 -
对同时上调或下调的蛋白(基因)进行GO和KEGG富集，富集到的信号通路主要包括果糖和甘露糖代谢、甘露聚糖分解、内甘露聚糖-1,4-β-甘露糖苷酶活性等，发生功能的细胞成分包括细胞外区域、线粒体、膜的组成部分和叶绿体等(图3)。说明在黑暗下种子萌发可能依赖于甘露聚糖分解代谢，而线粒体和叶绿体2个细胞器在种子暗萌发中可能均具有一定的作用。
图 3 共上调(下调)的差异表达基因(蛋白)的信号富集通路图
Figure 3. Signal enrichment pathway diagram of co-up-regulated (down-regulated) differentially expressed genes (proteins)
-
对差异蛋白和差异mRNA/基因进行非监督层次聚类(图4)表明：转录组和蛋白组测序样品的重复性较好。同一处理样品可以通过聚类出现在同一个簇中，聚在同一个簇中的差异蛋白或基因可能具有相似的生物学功能。通过 RT-PCR进一步验证了转录组测序的准确性。由图4可知：第2天转录组测序结果与RT-PCR结果的皮尔逊相关系数为0.44，而第4天转录组测序结果与RT-PCR测序的皮尔逊相关系数为0.96，但随机挑选的10个基因RT-PCR验证结果与转录组测序结果表达趋势一致(图5)，因此认为测序结果是可靠的。
图 4 mRNA与蛋白的表达聚类分析
Figure 4. Clustering analysis of mRNA and protein expression
图 5 RT-PCR验证转录组测序结果
Figure 5. Validation of transcriptome sequencing results by RT-PCR
-
光照是调控种子萌发的重要环境信号，对于嗜光性种子，未完成后熟其种子萌发依赖于光照，如拟南芥、生菜Lactuca sativa和烟草种子等；对于厌光性种子，其萌发被光照所抑制，如番茄和岩芥菜Brassica juncea种子等；对于光中性种子，光照与否种子均可萌发，如玉米Zea mays、水稻Oryza sativa、小麦Triticum aestivum等主要粮食作物种子[16]。DONG等[8]研究发现烟草种子萌发普遍对光比较敏感，新采收种子暗发芽率普遍＜50%。宋碧清等[17]也表明：烟草种子萌发存在光敏感类型，但不敏感品种居多，这可能是由于栽培环境差异导致。DONG等[8]研究发现：烟草种子萌发光敏感型不仅存在基因型差异，而且存在强烈的母体环境效应，在遮阴环境下成熟的浅光休眠烟草种子萌发率显著提高。与光中性种子类似，浅光休眠烟草种子在光和暗环境下均可萌发，但光可以提高萌发比率和加快萌发速度[18]。本研究也发现：浅光休眠烟草种子在暗下可萌发，发芽率达50%以上，这与上述研究结果一致。
光通过影响ABA和GA信号和水平来控制种子萌发。在拟南芥中，黑暗条件下PIF1强烈抑制种子萌发。光照下，PHYA和(或)PHYB被光激活，进而促进PIF1的降解，导致GA/ABA升高，GA信号被激发，促进种子萌发[19−20]。本研究未发现光敏色素协同植物激素ABA和GA信号通路基因(蛋白)参与调控烟草种子暗萌发。2个阶段差异表达基因达到数千个，而差异蛋白仅数百个，且前人在拟南芥种子萌发时研究表明：光主要在转录层面调控ABA和GA代谢和信号基因表达[19−20]。因此，本研究对转录组数据进行单独分析，但也未富集到光介导的ABA和GA信号通路。说明浅光休眠烟草种子暗萌发可能存在一种新的调控机制。
在种子暗萌发前后多个基因和蛋白表达水平发生了共表达。LEA 广泛参与种子成熟脱水的调控，在种子萌发期间迅速消失[21]。本研究发现：ECP63、LE25和SBP65等3类胚胎晚期丰度蛋白(基因)在烟草种子萌发后表达量显著下调。MFT (MOTHER-OF-FT-AND-TFL 1)抑制拟南芥种子萌发[22]。而本研究也发现：MFT抑制烟草种子萌发，这与拟南芥种子研究结果一致。β-1,3-葡聚糖酶是烟草种子萌发时胚乳破裂的关键酶，它的表达介于种皮破裂后和胚乳破裂前[23]。番茄种子萌发过程中胚根突破种皮需要水解酶软化胚乳帽，与此过程有关的蛋白是 expansion和内β-甘露聚糖酶[24]。本研究发现：水解酶MAN1无论是转录还是翻译水平在胚乳破裂前显著上调表达，这与上述研究结果类似，说明水解酶亦参与调控黑暗条件下的烟草种子萌发。此外，本研究还筛选到烟草种子暗萌发的正调控因子BoGH3B、ERD3、MLP31、FAP1、CPN60B2、PUMP1、CYSEP、PER24、RTNLB8等和负调控因子NEC1、SOP1、TMEM205、At3g01520、H6H、PARP3等，关于这些基因(蛋白)调控种子萌发的功能还未见报道，可通过遗传学实验进一步证实。
-
本研究通过整合转录组和蛋白组数据，发现烟草萌发前后蛋白和mRNA表达差异存在5种类型，其中共同上调表达的蛋白(基因)有BoGH3B、MAN1、ERD3、 MLP31、FAP1等，共同下调表达的蛋白(基因)有NEC1、MFT、ECP63、SOP1、LE25、SBP65等。基因富集分析和调控网络预测表明：在黑暗下，种子萌发依赖于甘露聚糖分解代谢，线粒体和叶绿体2个细胞器在种子暗萌发中具有关键作用。
Analysis of molecular networks for dark germination of shallow photodormant Nicotiana tabacum seeds based on transcriptomic and proteomic data
-
摘要:
目的 旨在挖掘浅光休眠烟草Nicotiana tabacum种子在黑暗下的调控基因和分子网络。 方法 以浅光休眠烟草Y85种子为实验材料，通过整合转录组和蛋白组数据，挖掘其暗萌发的分子网络。 结果 胚根突出前后蛋白和(或) mRNA表达差异存在5种差异类型，其中共同上调表达的蛋白(基因)有BoGH3B、MAN1、ERD3、MLP31、FAP1等，共同下调表达的蛋白(基因)有NEC1、MFT、ECP63、SOP1、LE25、SBP65等。上述差异蛋白(基因)富集的信号通路包括果糖和甘露糖代谢、甘露聚糖分解、内甘露聚糖-1,4-β-甘露糖苷酶活性；而发生功能的细胞成分包括线粒体、膜组成部分和叶绿体。 结论 通过整合转录组和蛋白组数据初步构建了浅光休眠烟草Y85种子的暗萌发调控网络。图5表1参24 Abstract:Objective This study aims to explore the regulatory genes and molecular network for shallow photodormant Nicotiana tabacum in the dark. Method Shallow photodormant N. tabacum Y85 seeds were used as experimental materials, and the molecular network of dark germination was studied by integrating transcriptome and proteome data. Result There were five types of differences in the expression of protein or mRNA expression before and after radicle protrusion, among which the jointly up-regulated proteins (genes) were BoGH3B, MAN1, ERD3, MLP31, FAP1, etc., and the jointly down-regulated proteins (genes) were NEC1, MFT, ECP63, SOP1, LE25, SBP65, and so on. The signal pathways enriched by the above proteins (genes) included fructose and mannose metabolism, mannan decomposition, endomannan-1,4-β-mannosidase activity. Functional cellular components included mitochondria, membrane components and chloroplasts. Conclusion By integrating transcriptomic and proteomic data, the dark germination regulatory network for shallow photodormant Y85 seeds was preliminarily constructed. [Ch, 5 fig. 1 tab. 24 ref.] -
Key words:
- Nicotiana tabacum /
- photodormant seed /
- dark germination /
- transcriptome /
- proteome /
- joint analysis
-
土壤有机碳储量及碳库组分变化是全球碳循环及全球变化研究的热点问题之一。陆地生态系统中土壤碳库碳储量约为2500 Pg。土壤有机碳作为土壤碳库的重要组分，主要来源于土壤有机物在不同分解阶段产生的复杂混合物，在调节植物多样性、改变土壤理化性质和土壤肥力、减缓全球温室效应等方面发挥着极其重要的生态作用[1]。
湿地生态系统具有重要的碳汇功能，在调控全球碳平衡方面具有重要作用[2]。全球湿地面积仅占陆地的5%~8%，但湿地土壤有机碳储量却占全球土壤碳储量的20%~30%[3]。近年来，国内学者对东部沿海地区的盐城滩涂湿地[4]、西北甘肃尕海湿地[5]、中部洞庭湖湿地[3]等不同地区湿地土壤碳组分特征及影响因素进行了研究，结果表明：植被是影响湿地土壤有机碳沉积的重要因素。湿地植被类型变化能够改变凋落物分布格局[6]，并导致土壤微生物、水分及其他理化性质等的一系列改变[7]，进而影响到土壤碳库各组分含量的积累与分配[8]。同时，植被类型与地下水埋深之间存在复杂的相互作用和反馈机制，一方面植物会通过蒸腾作用影响地下水位，另一方面地下水位影响湿地植被生长所需要的水分和养分供给[9]。因此，揭示“植被类型—地下水埋深—土壤微生物量及理化性质—土壤有机碳储量及组分”之间的耦合关系，对于研究湿地生态功能及全球变化均具有十分重要的科学意义。
云南香格里拉纳帕海是中国典型的高原季节性湿地，孕育着丰富的生物多样性并具有显著的碳汇潜力[10]。但在自然因素与人为干扰的双重作用下，该湿地退化严重，水文条件也发生了明显改变，导致湿地植物群落与土壤环境发生改变，并影响土壤有机碳储量及各组分的积累。本研究选取不同地下水埋深的3种典型草甸群落，分析土壤有机碳储量和有机碳组分(总有机碳、微生物生物量碳、易氧化有机碳、颗粒有机碳)的变化特征，探讨湿地植物生物量、多样性及土壤性质变化对土壤有机碳储量及碳组分质量分数的影响，旨在阐明影响草甸湿地土壤有机碳储量及碳组分积累的关键影响因子。研究结果可为理解高原湿地的土壤碳循环过程提供数据支撑，同时也可为纳帕海高原湿地恢复和保护提供科学依据。
1. 研究区概况与研究方法
1.1 研究区概况
研究区位于云南香格里拉纳帕海湿地(27°49′~27°55′N，99°37′~99°41′E)，海拔3260 m，面积3100 hm2，是在石灰岩上发育而成的喀斯特型季节性湿地[11]。该区干湿季节分明，湿地水量补给主要依靠降水，年均降水量为619 mm，其中雨季为495 mm (5—10月)，旱季为124 mm (11月至翌年4月)[12]。土壤类型主要为沼泽土、沼泽化草甸土和草甸土[13]。
1.2 植物群落多样性及地上生物量调查
2020年11月，在纳帕海湿地依地下水埋深由高到低选取3个典型草甸群落样地，即：疏花早熟禾Poa pratensis群落(PP)、鼠曲草Gnaphalium affine群落(GA)和云雾薹草Carex nubigena群落(CN)(表1)。每个草甸群落中随机布设3个重复样地，大小50 m×10 m (间距＞200 m)，每个样地内再设置4个10 m×5 m的采样方，并详细记录样方内植物种类、株数和盖度等，同时采集植物标本。在固定样方内，选取50 cm×50 cm的小样方，对地上植物沿地面齐平进行刈割，去除附着土壤，立即称取植物鲜质量，随后将上述植物装入信封带回实验室，放置于105 ℃烘箱中，杀青30 min后调整温度至75 ℃，继续烘干48 h，确保植物完全烘干后称取干质量，计算植物地上生物量[14]。依据样方调查数据计算群落的Shannon-Wiener多样性指数(H)、Pielou均匀度指数(E)、Margalef丰富度指数(DMG)和Simpson优势度指数(C)[15]。
表 1 样地基本信息Table 1 Basic information of the sampling sites群落类型 纬度(N) 经度(E) 地下水埋深/cm 优势植物 盖度/% 土壤类型 疏花早熟禾群落(PP) 27°50′43.46″ 99°39′7.86″ −58.5±8.5 疏花早熟禾、牡蒿Artemisia japonica 90 草甸土 鼠曲草群落(GA) 27°50′43.46″ 99°38′34.60″ −112.0±6.8 鼠曲草、平车前 Plantago depressa 88 草甸土 云雾薹草群落(CN) 27°49′56.13″ 99°38′55.26″ −150.0±1.5 云雾薹草、车前P. asiatica 83 草甸土 1.3 土壤碳组分及理化性质测定
1.3.1 土壤样品采集
在上述样方内挖掘土壤剖面，剖面深度为45~50 cm，先去除表面植物，分别采集0~20、20~40 cm土层土样，并将同层土壤混合，剔除根系和砾石等杂物，用四分法取约1.5 kg混合土样装入无菌自封袋中，贴好标签密封，放置于冰盒内带回实验室。共采集72份土壤样品。同时用环刀分层采集原状土测定土壤容重，共采集216个环刀样。使用水位计测量地下水深度。实验室内将新鲜土样做如下处理：约100 g用于测定土壤自然含水率；约400 g放入4 ℃冰箱冷藏保存，于1周内完成土壤微生物生物量碳测定；约1 000 g自然风干15 d后，分别通过1.00和0.25 mm孔筛，用于土壤总有机碳、易氧化有机碳、颗粒有机碳、pH、全氮、全磷、全钾等指标的测定。
1.3.2 土壤样品测定
土壤理化指标测定参照《土壤农业化学分析方法》[16]。土壤容重(SBD)采用环刀法测定；土壤含水量(SWC)采用烘干称量法测定；土壤pH采用电位法(水土质量比为1.0∶2.5)测定；土壤全氮(TN)采用凯氏法消煮-全自动定氮仪测定；土壤全磷(TP)采用碱熔钼锑抗比色法测定；土壤全钾(TK)采用氢氧化钠熔融-火焰光度计法测定。每个土样测定3个平行样，取其平均值。
土壤总有机碳(TOC)采用外加热重铬酸钾氧化法[16]测定；土壤微生物生物量碳(MBC)采用硫酸钾-氯仿熏蒸法[14]测定；土壤易氧化有机碳(EOC)采用高锰酸钾氧化法[17]测定；土壤颗粒有机碳(POC)采用六偏磷酸钠分散法[18]测定。每个土样测定3个平行样，取其平均值。
1.3.3 土壤碳储量计算
土壤有机碳储量由土层深度、土壤容重和土壤有机碳质量分数决定，计算公式参照ELLERT等[19]。
$$ M_{{\rm{SOC}}} = \sum\limits_{i = 1}^n {(d_{{\rm{BD}}i} \times M_{{\rm{SOC}}i} \times D_i \times 0.1)}。 $$ 式中：
$ M_{{\rm{SOC}}} $ 为土壤有机碳储量(t·hm−2)；$d_{{\rm{BD}}i}$ 为第i层土壤容重( g·cm−3 )；$M_{{\rm{SOC}}i}$ 为第i层土壤有机碳质量分数(g·kg−1)；Di为第i土层厚度(cm)。1.4 数据处理
采用双因素方差分析法比较不同草甸群落类型及不同土层土壤总有机碳、微生物生物量碳、易氧化有机碳、颗粒有机碳质量分数的差异性；以总有机碳及其碳组分作为响应变量，以土壤理化性质(容重、含水量、pH、全氮、全磷、全钾)和地上植物(植物多样性指数、植物地上生物量)作为解释变量进行冗余分析(RDA)。通过计算Pearson相关系数(α=0.05)检验总有机碳和各有机碳组分与土壤理化指标的相关性。所有数据使用Excel 2016整理，双因素方差分析和Pearson相关系数的计算在SPSS AU中进行，绘图使用Origin 2019完成，冗余分析在Canoco 5.0中完成。
2. 结果与分析
2.1 不同典型草甸群落土壤有机碳储量和碳组分特征
2.1.1 土壤有机碳储量
土壤有机碳储量(0~40 cm土层)在不同典型草甸群落中差异显著(图1，P＜0.05)，从大到小依次为疏花早熟禾群落(47.55 t·hm−2)、云雾薹草群落(42.28 t·hm−2)、鼠曲草群落(32.14 t·hm−2)，其中疏花早熟禾群落是鼠曲草群落的1.5倍；土壤碳储量垂直分布均为随着土层加深而显著下降(P＜0.05)，其中0~20 cm土层碳储量均值占总量的57.10%~63.85%，鼠曲草群落垂直变化幅度最大，从上层到下层减小1.8倍。
图 1 纳帕海典型草甸群落土壤有机碳储量变化Figure 1 Vertical variations in soil organic carbon storages in typical meadow communities of Napahai2.1.2 土壤碳组分质量分数
图2表明：随着地下水埋深降低， 0~40 cm土层土壤总有机碳、微生物生物量碳、易氧化有机碳和颗粒有机碳均值呈减少趋势，但差异不显著(P＞0.05)，最大值均出现在疏花早熟禾群落(19.33 g·kg−1、256.32 mg·kg−1、15.61 g·kg−1、10.67 g·kg−1)。垂直变化幅度上，土壤碳组分在鼠曲草群落中变化幅度最大，从上层到下层分别减小2.0、1.8、1.9、2.5倍，在云雾薹草群落变幅最小，分别为1.3、1.2、1.9倍。
图 2 纳帕海典型草甸群落土壤有机碳组分质量分数的特征Figure 2 Characteristics of soil organic carbon components in typical meadow communities of Napahai2.2 不同典型草甸群落地上生物量及多样性特征
由表2可知：不同典型草甸群落多样性差异显著(P＜0.05)。随着地下水位加深，植物Shannon-Wiener多样性指数、Pielou均匀度指数、Margalef丰富度指数和Simpson优势度指数均显著增加，在疏花早熟禾群落中最大，分别是云雾薹草群落的2.3、1.6、2.5和1.5倍。
表 2 纳帕海典型草甸群落地上生物量和多样性特征Table 2 Characteristics of above-ground biomass and diversity in typical meadow community of Napahai样地名称 地上生物量/(g·m−2) Shannon-Wiener多样性指数 Pielou均匀度指数 Margalef丰富度指数 Simpson优势度指数 疏花早熟禾群落 646.94±69.16 a 3.71±0.02 a 0.93±0.01a 13.11±0.38 a 0.92±0.02 a 鼠曲草群落 337.45±43.66 b 2.87±0.01 b 0.87±0.06 b 9.49±0.68 b 0.86±0.01 b 云雾薹草群落 229.58±1.87 c 1.58±0.30 c 0.57±0.09 c 5.19±0.39 c 0.62±0.07 c 说明：同列不同小写字母表示不同典型草甸群落多样性差异显著(P＜0.05)。数值为平均值±标准误 2.3 不同典型草甸群落土壤理化性质特征
从表3可看出：不同典型草甸群落土壤理化性质差异显著(P＜0.05)。土壤含水量、pH、全磷的最大值出现在疏花早熟禾群落(25.48%、8.35、0.51 g·kg−1)，最小值在鼠曲草群落(21.41%、5.14、0.42 g·kg−1)；土壤容重、全钾则与之相反，最大值出现在鼠曲草群落(1.28 g·cm−3、34.03 g·kg−1)；土壤全氮在云雾薹草群落中最大(1.70 g·kg−1)，在疏花早熟禾群落中最小(1.20 g·kg−1)；土壤全磷在疏花早熟禾群落最大(0.51 g·kg−1)。垂直变化方面，各群落土壤理化性质随着土层加深呈现不同的变化规律。土壤容重和pH随着土层加深而增大。土壤含水量、全氧、全磷、全钾随着土层加深呈显著减小(P＜0.05)。变化幅度上，土壤含水量变化幅度最大出现在云雾薹草群落，幅度为1.2倍，疏花早熟禾群落的土壤变化幅度最大，幅度为1.4倍，土壤全氮、全磷、全钾变幅度最大值分别为云雾薹草群落(2.0倍)、鼠曲草群落(1.2倍)和疏花早熟禾群落(1.0倍)。
表 3 纳帕海典型草甸群落土壤理化性质特征Table 3 Characteristics of soil physicochemical properties of typical meadow communities of Napahai植物群落 地下水位/cm 土层深度/cm 土壤含水量/% 容重/(g·cm−3) pH 全氮/(g·kg−1) 全磷/(g·kg−1) 全钾/(g·kg−1) 疏花早熟禾群落 −58.5 0~20 26.66±0.85 Aa 1.01±0.01 Cb 8.54±0.08 Aa 1.38±0.03 Ab 0.54±0.03 Aa 33.59±2.34 Ba 20~40 24.29±0.70 Ba 1.22±0.03 Ab 8.54±0.06 Aa 0.85±0.08 Ba 0.48±0.03 Ba 35.90±0.45 Aa 0~40 25.48±0.61 Aa 1.11±0.02 Bb 8.35±0.37 Aa 1.20±0.16 Ab 0.51±0.03 Aa 30.57±2.45 Ca 鼠曲草群落 −112.0 0~20 22.17±0.40 Ab 1.23±0.12 Aa 4.97±0.11 Ac 1.44±0.16 Ab 0.47±0.04 Ab 28.03±0.57 Ab 20~40 20.65±0.37 Cc 1.32±0.04 Aa 5.44±0.41 Ac 0.91±0.02 Ba 0.38±0.03 Bb 28.36±0.24 Ab 0~40 21.41±0.28 Bc 1.28±0.10 Aa 5.14±0.27 Ac 1.31±0.17 Ab 0.42±0.03 Ab 28.45±1.39 Aa 云雾薹草群落 −150.0 0~20 25.61±0.52 Aa 0.96±0.03 Cc 6.87±0.25 Ab 1.84±0.11 Aa 0.46±0.02 Ab 34.03±0.91 Aa 20~40 21.58±0.72 Bb 1.28±0.04 Aa 7.28±0.45 Ab 0.93±0.42 Ba 0.39±0.01 Cb 28.78±0.20 Cb 0~40 23.59±3.70 Aa 1.12±0.01 Bb 7.07±0.52 Ab 1.70±0.19 Aa 0.42±0.01 Bb 32.60±3.74 Ba 说明：不同大写字母表示同一典型草甸群落不同土层差异显著(P＜0.05)，不同小写字母表示不同典型草甸群落相同土层差异显著(P＜0.05)。数值为平均值±标准误 2.4 不同典型草甸群落植物多样性、土壤性质与土壤有机碳储量及碳组分的关系
从表4可知：植物多样性、地上生物量及土壤理化性质对土壤有机碳储量及碳组分的影响因子存在一定差异。其中植物多样性和地上生物量均与有机碳储量及碳组分呈极显著(P＜0.01)或显著(P＜0.05)正相关；土壤含水量与总有机碳呈显著正相关(P＜0.05)，与颗粒有机碳呈极显著正相关(P＜0.01)；土壤容重与总有机碳和颗粒有机碳呈极显著负相关(P＜0.01)，与微生物生物量碳呈显著负相关(P＜0.05)；全氮与有机碳储量、微生物生物量碳呈显著正相关(P＜0.05)，与总有机碳和颗粒有机碳呈极显著正相关(P＜0.01)；全磷与微生物生物量碳呈显著正相关(P＜0.05)，与颗粒有机碳呈极显著正相关(P＜0.01)；全钾仅与颗粒有机碳呈显著正相关(P＜0.05)。
表 4 土壤有机碳储量及碳组分质量分数与环境因子之间的相关系数Table 4 Correlation coefficients between the soil organic carbon components and environment factors of soil指标 Shannon-Wiener
指数Pielou
指数Margalef
指数Simpson
指数地上生
物量土壤含
水量容重 pH 全氮 全磷 全钾 总有机碳 0.718** 0.784** 0.664** 0.791** 0.612** 0.343* −0.596** −0.100 0.585** 0.259 0.265 微生物生物量碳 0.645** 0.654** 0.616** 0.649** 0.564** 0.290 −0.372* 0.144 0.339* 0.335* 0.057 易氧化有机碳 0.204 0.169 0.272 0.176 0.448** 0.129 −0.068 0.097 −0.116 0.086 0.137 颗粒有机碳 0.773** 0.767** 0.775** 0.765** 0.859** 0.620** −0.758** 0.172 0.482** 0.439** 0.370* 有机碳储量 0.457** 0.549** 0.402* 0.558** 0.409* 0.097 −0.256 −0.250 0.381* 0.065 0.112 说明：*P＜0.05; **P＜0.01 以植物地上生物量、多样性指数及土壤环境因子为解释变量，土壤有机碳储量和碳组分为响应变量进行RDA分析，结果表明(图3)：有机碳储量与总有机碳、微生物生物量碳夹角最小，而与Pielou均匀度指数(E)、Simpson优势度指数(C)、Margalef丰富度指数(DMG)、Shannon-Wiener多样性指数(H)、地上部生物量、全氮夹角次之，说明总有机碳与微生物生物量是土壤有机碳储量形成的主要控制者，Pielou均匀度指数、Simpson优势度指数、Margalef丰富度指数、Shannon-Wiener多样性指数、地上部生物量、全氮是土壤有机碳储量的主要影响因子。土壤碳组分与Shannon-Wiener多样性指数、Pielou均匀度指数、Margalef丰富度指数和Simpson优势度指数、全磷、土壤含水量及地上生物量的夹角最小，说明地上生物量、植物多样性、全磷、土壤含水量是促进土壤有机碳储量和碳组分的主控因子。
图 3 纳帕海典型草甸群落土壤有机碳组分与环境因子间的冗余分析Figure 3 Redundancy analysis of the soil organic carbon components in typical meadow communities of Napahai3. 讨论
3.1 不同典型草甸群落土壤有机碳储量特征
植物残体腐质化进入土壤是有机碳的主要来源，不同植被类型具有不同的物种组成与丰富度，导致地上生物量、土壤动物和微生物活性的差异，直接影响到土壤有机碳的积累与分解，由此形成不同植被类型土壤有机碳的分布格局[20]。本研究发现：疏花早熟禾群落土壤有机碳储量最大。这与李宁云等[21]的研究结果相一致，主要原因是疏花早熟禾群落植被盖度、多样性和地上生物量最大，其植物光合作用和固碳能力最强。另外，该群落地下水埋深最高，湿地土壤有机碳与水分存在相互作用[9]，土壤水分增加从而减缓氧化分解速率，进一步促进土壤有机质积累，最终促进土壤碳积累，增强其碳汇能力[22]。土壤有机碳储量最小值出现在鼠曲草群落，可能与该群落位于湖泊附近，存在季节性水位变化相关。MOCHE等[23]研究认为：反复的淹水和退水会使土壤固碳能力下降。本研究中土壤碳储量的范围为64.28~95.11 t·hm−2，超过中国大部分低海拔地区的湿地[24−25]，因此高原湿地碳库的重要性不言而喻。减缓纳帕海高原湿地植被退化并恢复已退化植被的工作刻不容缓。
土壤有机碳储量主要来源于地表植物和土壤养分等，并受地上生物的矿化分解、转化、累积影响[25]。本研究发现：植物多样性指数、地上生物量和土壤全氮与土壤有机碳储量均呈正相关关系，这与梁春玲[3]研究结果相似，说明植被多样性、地上生物量和土壤全氮随地下水埋深的变化，直接调控了土壤碳在不同地下水埋深处的积累。冗余分析显示：总有机碳是土壤有机碳储量的主要贡献者，且土壤容重与碳储量呈负相关，这也与已有研究一致[23]。土壤容重越大，土壤有机碳和土壤微生物生物量碳质量分数减小，进而影响土壤有机碳储量[26]。
本研究中，3种典型草甸群落类型土壤碳储量均随着土层加深而减小，这与前人研究结果一致[21, 27]。植物生长时通过“根际沉降”使有机碳积累[26]，草甸植物根系集中分布在0~20 cm土层[28]，有机碳难以通过根系输入到深层土壤，因此土壤碳储量随土层加深而减小，这也表明表层土壤具有重要的碳汇功能。在3种典型草甸群落中，鼠曲草群落土壤碳储量从上层到下层的下降幅度最大，这可能是因为该群落表层具有较高的植物多样性指数和地上生物量，“根际沉降”使得有机碳富集在表层土壤，但随着土层加深，土壤含水量减少，抑制了土壤微生物的繁殖，加上采样季节正处冬季，较低的土温又降低了微生物的活性[29]。
3.2 不同典型草甸群落土壤碳组分特征
不同典型草甸群落地表植被覆盖及土壤环境的改变，能够引起土壤碳组分的显著变化，但由于不同土壤碳组分具有不同来源与性质，其对植被类型变化的响应具有一定的变异性[30]。土壤微生物生物量碳和易氧化有机碳是土壤活性有机碳库中最重要的组分。其中，土壤易氧化有机碳周转速率最快且最先被氧化[31]，而微生物生物量碳则反映了土壤中微生物和动植物残体等的数量，能够表征土壤碳、氮、磷等养分循环状况，在调控湿地物质循环过程中具有重要作用[32]。土壤颗粒有机碳相对稳定，其多少决定了该地区碳库的稳定性[33]。
本研究中，土壤总有机碳、微生物生物量碳、易氧化有机碳、颗粒有机碳最大值均出现在疏花早熟禾群落。这可能与群落盖度、植物多样性指数、地上生物量和地下水位有关。高水位导致土壤通气状况差，抑制了微生物活性及土壤呼吸，从而抑制了有机质的分解，促进了总有机碳的积累[34]。此外，在本研究中土壤总有机碳质量分数显著高于东部滨海滩涂湿地[4]、洞庭湖湿地[3]等低海拔湿地，表明纳帕海高原湿地土壤具有较大的固碳潜力。疏花早熟禾群落具有最高的地上生物量，为微生物提供了充分的碳源，从而具有较高的微生物生物量碳。疏花早熟禾群落较高的地上生物量，输入土壤的凋落物量高于鼠曲草和云雾薹草群落，促进了土壤易氧化有机碳的积累。另外，可能由于疏花早熟禾有利于湿地土壤团聚性的形成与稳定，从而使得其颗粒有机碳质量分数大于其他2个样地[35]。
3种典型草甸群落土壤总有机碳、微生物生物量碳、易氧化有机碳、颗粒有机碳质量分数均随着土层的加深而显著减小(P＜0.05)。随着地下水埋深加深，容重增大，土壤有机碳分解速率随通气性减弱而减小，深层土壤碳组分质量分数减少。在本研究中，地下水埋深的高低以及深层土壤环境的差异，导致了在不同土壤层次间碳组分的相对含量及其变化趋势因群落类型而有不同变化趋势。其中，有机碳组分在鼠曲草群落中的减小幅度最大。这可能与该群落的地下水埋深高度有关，同时，纳帕海高原湿地干湿季分明，位于湖泊附近的鼠曲草群落在反复的季节性淹水和退水的水文条件下，地下水埋深波动较大，导致土壤胶体形态、土壤结构、容重和粒径等性质的改变，使原来不能分解的有机质因团聚体的分散而分解[36]。土壤总有机碳、微生物生物量碳在疏花早熟禾群落的垂直变化幅度最小，土壤易氧化有机碳、颗粒有机碳在云雾薹草群落的降幅最小。这可能是由于疏花早熟禾群落具有最高的地上生物量，为微生物提供了充分的碳源，促进了微生物特别是厌氧微生物数量的增长。云雾薹草群落地下水埋深最低，受地下水波动影响较小，表层和深层土壤结构较为稳定，故降幅最小。
3.3 植物多样性、生物量和土壤理化因子对土壤碳组分的影响
植物是草甸土壤有机碳输入的主要来源，地下水位埋深的变化能够引起湿地植物多样性、地上生物量和土壤理化性质的改变，进而显著影响湿地土壤碳组分的积累[37]。土壤总有机碳、微生物生物量碳、易氧化有机碳、颗粒有机碳均与植物多样性指数呈正相关关系，说明随着地下水埋深降低，地表植物多样性呈减少趋势，进而导致此4种碳组分质量分数随地下水埋深降低而呈现显著减少格局。朱丽等[37]在海流兔河研究发现：随着地下水位的降低，植物物种数显著减少，同时，水位埋深变化影响最大根系深度、根系形态特征和生理特性。这些特征又对根系向土壤的碳输入产生影响[38]。水位埋深降低导致根系栓质化，造成根系分泌物数量降低以及细根的周转期延长，最终减缓根系对土壤的碳输入[7]。
土壤pH作为湿地生态功能的重要调控因子，能够直接影响土壤微生物的活性，从而对有机碳组分产生显著影响[3]。但在本研究中，pH对土壤有机碳组分质量分数的解释率最低，这可能和地下水埋深有关，水位的高低决定了土壤酸性离子流失量。地下水埋深越高，土壤pH值越大[39]。本研究中，3种典型草甸植物群落所在样地的地下水位埋深差异显著(P＜0.05)，这也是各群落土壤pH差异显著的原因之一。全氮是影响土壤有机碳组分的主控因子之一，相关分析也表明：土壤有机碳组分(总有机碳、微生物生物量碳、颗粒有机碳)沿地下水埋深变化对全氮存在显著正效应(P＜0.05)。这与尹鹏松等[40]研究结果相似。这可能由于土壤全氮增加可显著刺激土壤微生物多样性，从而促进土壤有机碳的固持[41]。孟妍君等[35]研究亦表明：土壤氮等底物利用率增加通过刺激土壤微生物多样性促进土壤有机碳的积累，并且土壤全氮可以直接影响土壤微生物的种类、数量及活性，从而影响土壤碳转化过程[37]。土壤全磷对土壤易氧化有机碳和颗粒有机碳存在正向效应，这与徐耀文等[42]研究结果相似。本研究中土壤全磷质量分数最大值出现在水位高埋深处。作为限制湿地植物生长的主要元素，土壤磷增加可通过刺激植物与微生物的生长影响土壤碳的输入，进而促进土壤碳组分积累[7]。
4. 结论
湿地植物群落、土壤理化性质与地下水埋深在空间尺度上存在一定的交互作用，进而导致了土壤有机碳质量分数及碳组分的空间变化。随地下水埋深的降低，3个草甸植物群落地上生物量和物种多样性指数下降1.5~2.3倍，土壤有机碳储量及碳组分质量分数降低了1.0~2.2倍，沿土层下降1.2~2.5倍。冗余分析显示：总有机碳和微生物生物量碳质量分数变化是土壤有机碳储量的主要贡献者，而植物多样性、全氮是总有机碳、微生物生物量碳的主要影响因子，植物地上生物量、土壤全磷及土壤含水量是影响颗粒有机碳和易氧化有机碳变化的主控因子。因此，探明草甸植物生物量和多样性以及水文和土壤养分供应状况的改变及其对土壤有机碳沉积的影响，是未来全球变化加剧背景下湿地土壤碳积累与分配时空格局及调控机制研究的核心内容。
本研究采样时间处于研究区的干季，今后还可对纳帕海典型草甸湿地土壤碳储量及碳组分的干湿季变化和年变化开展研究。
-
图 1 差异表达基因和差异表达蛋白象限图
Figure 1 Quadrant map of differentially expressed genes and differentially expressed proteins
图 2 共上调(下调)差异表达基因(蛋白)维恩分析示意图
Figure 2 Schematic diagram of Wien analysis of co-upregulated (co-downregulated) differentially expressed genes (proteins)
图 3 共上调(下调)的差异表达基因(蛋白)的信号富集通路图
Figure 3 Signal enrichment pathway diagram of co-up-regulated (down-regulated) differentially expressed genes (proteins)
表 1 差异表达基因和差异表达蛋白联合分析
Table 1. Combined analysis of differentially expressed genes and differentially expressed proteins
登录号 转录差异 翻译差异 基因名称 上下调基因/蛋白 倍数 P 倍数 P Nitab4.5_0000010g0130.1 3.325 5 0.001 7 3.853 8 0.000 4 BoGH3B 上调 Nitab4.5_0000023g0130.1 20.474 7 0.000 0 2.071 3 0.000 9 MAN1 上调 Nitab4.5_0000108g0440.1 2.120 7 0.001 4 2.171 9 0.014 5 ERD3 上调 Nitab4.5_0001238g0070.1 6.056 6 0.009 8 2.218 9 0.005 6 MLP31 上调 Nitab4.5_0001550g0100.1 3.766 1 0.000 0 2.421 4 0.000 4 FAP1 上调 Nitab4.5_0006538g0070.1 2.239 3 0.031 9 2.485 4 0.010 9 CPN60B2 上调 Nitab4.5_0008198g0010.1 2.110 4 0.001 6 2.014 6 0.034 4 PUMP1 上调 Nitab4.5_0010931g0010.1 20.901 6 0.000 0 2.461 1 0.001 5 CYSEP 上调 Nitab4.5_0014169g0010.1 6.893 3 0.016 7 2.187 9 0.003 1 PER24 上调 Nitab4.5_0014487g0010.1 3.953 8 0.000 0 2.362 0 0.011 5 RTNLB8 上调 Nitab4.5_0000541g0010.1 0.064 3 0.000 0 0.381 9 0.006 4 NEC1 下调 Nitab4.5_0000649g0080.1 0.095 6 0.046 2 0.459 1 0.018 2 MFT 下调 Nitab4.5_0000680g0110.1 0.196 4 0.000 0 0.450 5 0.031 1 ECP63 下调 Nitab4.5_0001051g0080.1 0.159 4 0.001 4 0.498 9 0.009 4 SOP1 下调 Nitab4.5_0001378g0010.1 0.155 3 0.000 0 0.460 8 0.026 6 TMEM205 下调 Nitab4.5_0001538g0010.1 0.107 0 0.009 4 0.151 8 0.014 4 LE25 下调 Nitab4.5_0002674g0020.1 0.149 6 0.000 1 0.430 3 0.007 4 SBP65 下调 Nitab4.5_0003715g0060.1 0.151 4 0.033 7 0.470 9 0.000 1 At3g01520 下调 Nitab4.5_0004232g0030.1 0.095 5 0.000 0 0.435 2 0.001 6 H6H 下调 Nitab4.5_0005388g0040.1 0.104 5 0.001 0 0.437 4 0.034 1 At3g06035 下调 Nitab4.5_0017202g0010.1 0.122 7 0.000 0 0.475 3 0.001 9 PARP3 下调 
下载: 导出CSV
-
[1] MAMZ B, MÜLLER K, KUCERA B, et al. Water uptake and distribution in germinating tobacco seeds investigated in vivo by nuclear magnetic resonance imaging [J]. Plant Physiology, 2005, 138: 1538 − 1551. [2] OH E, KANG H, YAMAGUCHI S, et al. Genome-wide analysis of genes targeted by PHYTOCHROME INTERACTING FACTOR 3-LIKE5 during seed germination in Arabidopsis [J]. The Plant Cell, 2009, 21: 403 − 419. [3] OH E, YAMAGUCHI S, HU Jianhong, et al. PIL5, a phytochrome-interacting Bhlh protein, regulates gibberellin responsiveness by binding directly to the GAI and RGA promoters in Arabidopsis seeds [J]. The Plant Cell, 2007, 19: 1192 − 1208. [4] PARK J, LEE N, KIM W, et al. ABI3 and PIL5 collaboratively activate the expression of SOMNUS by directly binding to its promoter in imbibed Arabidopsis seeds [J]. The Plant Cell, 2011, 23: 1404 − 1415. [5] SHINOMURA T, NAGATANI A, CHORY J, et al. The induction of seed germination in Arabidopsis thaliana is regulated principally by phytochrome B and secondarily by phytochrome A [J]. Plant Physiology, 1994, 104: 363 − 371. [6] SHINOMURA T, NAGATANI A, HANZAWA H, et al. Action spectra for phytochrome A- and B-specific photoinduction of seed germination in Arabidopsis thaliana [J]. Proceedings of the National Academy of Sciences of the United States of America, 1996, 93: 8129 − 8133. [7] APPENROTH K J, LENK G, GOLDAU L, et al. Tomato seed germination: regulation of different response modes by phytochrome B2 and phytochrome A [J]. Plant Cell and Environment, 2006, 29: 701 − 709. [8] DONG Shuai, LIU Yiling, ZHANG Min, et al. Maternal light environment interacts with genotype in regulating seed photodormancy in tobacco[J/OL]. Environment and Experimental Botany, 2022, 194: 104745[2022-09-07]. doi: 10.1016/j.envexpbot.2021.104745. [9] BOLGER A M, LOHSE M, USADEL B. Trimmomatic: a flexible trimmer for illumina sequence data [J]. Bioinformatics, 2014, 30(15): 2114 − 2120. [10] KIM D, LANGMEAD B, SALZBERG S L. HISAT: a fast spliced aligner with low memory requirements [J/OL]. Nature Methods, 2015, 12(4)[2022-09-07]. doi: 10.1038/NMETH.3317. [11] TRAPNELL C, WILLIAMS B A, PERTEA G, et al. Transcript assembly and quantification by RNA-Seq reveals unannotated transcripts and isoform switching during cell differentiation [J]. Nature Biotechnology, 2010, 28(5): 511 − 515. [12] ROBERTS A, TRAPNELL C, DONAGHEY J, et al. Improving RNA-Seq expression estimates by correcting for fragment bias [J/OL]. Genome Biology, 2011, 12(3): R22[2022-09-07]. http://genomebiology.com/2011/12/3/R22. [13] LOVE M I, SONESON C, PATRO R. Swimming downstream: statistical analysis of differential transcript usage following salmon quantification [J/OL]. F1000Research, 2018, 7: 952[2022-09-07]. https://f1000research.com/articles/7-952. [14] WIESE S, REIDEGELD K A, MEYER H E, et al. Protein labeling by ITRAQ: a new tool for quantitative mass spectrometry in proteome research [J]. Proteomics, 2007, 7(3): 340 − 350. [15] LIVAK K J, SCHMITTGEN T D. Analysis of relative gene expression data using real-time quantitative PCR and the 2−ΔΔCt method [J]. Methods, 2001, 25(4): 402 − 408. [16] 李振华, 徐如宏, 任明见, 等. 光敏色素感知光温信号调控种子休眠与萌发研究进展[J]. 植物生理学报, 2019, 55(5): 539 − 546. LI Zhenhua, XU Ruhong, REN Mingjian, et al. Advances in phytochrome regulating seed dormancy and germination by sensing light and temperature signals [J]. Plant Physiology Journal, 2019, 55(5): 539 − 546. [17] 宋碧清, 郑昀晔, 马文广, 等. 贮藏温度对烟草种子后熟的影响研究[J]. 种子, 2017, 36(4): 77 − 79. SONG Biqing, ZHENG Yunye, MA Wenguang, et al. Effects of storage temperature on after-ripening of tobacco seed [J]. Seeds, 2017, 36(4): 77 − 79. [18] LIU Qiyuan, LI Zhenhua, ZHANG Min, et al. Systematic analysis of photo/sko-regulated germination and post-germination development of shallow photodormant seeds in Nicotiana tabacum L. [J/OL]. Frontiers in Plant Science, 2022, 13: 1042981[2022-09-07]. doi: 10.3389/fpls.2022.1042981. [19] de WIT M, GALVÃO V C, FANKHAUSER C. Light-mediated hormonal regulation of plant growth and development [J]. Annual Review of Plant Biology, 2016, 67(1): 513 − 537. [20] 杨立文, 刘双荣, 林荣呈. 光信号与激素调控种子休眠和萌发研究进展[J]. 植物学报, 2019, 54(5): 569 − 581. YANG Liwen, LIU Shuangrong, LIN Rongcheng. Advances in light and hormones in regulating seed dormancy and germination [J]. Chinese Bulletin of Botany, 2019, 54(5): 569 − 581. [21] ALBAN C, JOB D, DOUCE R. Biotin metabolism in plants [J]. Annual Review of Plant Biology, 2000, 51: 17 − 47. [22] VAISTIJ F E, BARROS-GALVÃO T, COLE A F, et al. MOTHER-OF-FT-AND-TFL1 represses seed germination under far-red light by modulating phytohormone responses in Arabidopsis thaliana [J]. Proceedings of the National Academy of Sciences of the United States of America, 2018, 115: 8442 − 8447. [23] LEUBNER-METZGER G. Functions and regulation of β-1, 3-glucanase during seed germination, dormancy release and after-ripenning [J]. Seed Science Research, 2003, 13(1): 17 − 34. [24] NONOGAKI H, GEE O H, BRADFORD K J. A germination specific endomannanase gene is expressed in the micropylar endosperm cap of tomato seeds [J]. Plant Physiology, 2000, 123(4): 1235 − 1246. 期刊类型引用(1)
1. 张爽，高启晨，张戎，宋晨珲，栗忠飞. 基于PLUS-InVEST模型碳储量时空演变及驱动因素分析——以纳帕海流域为例. 中国环境科学. 2024(09): 5192-5201 . 
百度学术其他类型引用(3)
-
-
链接本文:
https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.20220515
点击查看大图
计量
- 文章访问数: 785
- HTML全文浏览量: 124
- PDF下载量: 75
- 被引次数: 4
