基于eDITH模型提升河流环境DNA宏条形码物种丰度定量分析的精准性

《Environmental DNA》：Improving Species Abundance Information From River eDNA Metabarcoding Data

本文通过对比河流环境DNA（eDNA）宏条形码读数和eDITH（eDNA Integrating Transport and Hydrology）模型预测结果与踢网采样数据，首次实证验证eDITH框架在量化水生昆虫物种丰度方面的优势。研究表明，eDITH通过整合水文传输与DNA衰减动力学，显著改善了对蜉蝣目等物种的空间分布预测，为eDNA定量生态研究提供了关键方法学支撑。

　　

摘要

准确获取物种丰度及其空间分布信息是生态学研究的核心目标，也是环境管理决策的基础。环境DNA（eDNA）技术能够通过宏条形码（metabarcoding）实现对生物多样性的群落级检测，但其基于测序读数的物种丰度定量能力存在显著局限性。eDITH（eDNA Integrating Transport and Hydrology）模型通过整合河流网络中eDNA的水文传输与衰减动力学，有望提升物种空间分布的预测分辨率，但其定量能力的实证验证尚未开展。本研究以瑞士内卡河126 km²流域为研究区，在春、夏两季对25个站点同步进行eDNA采样和踢网采样，对比eDNA读数、eDITH预测值与踢网实测丰度的相关性。结果显示，eDNA读数与本地踢网丰度无显著相关性，而eDITH预测值则呈现显著正相关，但改善程度因昆虫目类和物种而异。本研究证实了直接使用eDNA读数的定量局限性，凸显了eDITH框架在优化宏条形码数据解读方面的潜力。

1 引言

物种分布与相对丰度评估是生态学研究及环境管理的基础。eDNA技术通过从环境样本中提取生物DNA，已成为评估物种存在与分布的重要工具，但其在定量应用上面临挑战。宏条形码读数因受扩增偏倚、DNA传输与衰减等多过程影响，难以直接反映物种丰度。尤其在河流生态系统中，eDNA信号整合了上游河段的贡献，需通过模型校正空间动态。eDITH框架结合流域水文、形态特征及物种分布模型，可预测全流域尺度的物种密度，但此前缺乏基于独立实证数据的验证。本研究通过对比eDNA读数、eDITH输出值与踢网数据，检验eDITH是否提升对水生昆虫（蜉蝣目、襀翅目、毛翅目）丰度的估计精度，并探讨其性能随流域面积与类群的变化规律。

2 方法

2.1 研究区域与采样设计

研究区为瑞士东北部内卡河流域（面积126 km²），流域生态状态良好，无显著人为干扰。于2022年4月（春季）和7月（夏季）分两次对25个站点进行eDNA与踢网采样。eDNA采样通过过滤5×1 L河水至0.22 μm Sterivex滤膜获得5个现场重复，并设置阴性对照；踢网采样采用标准方法（30 s，500 μm网孔，捕获面积0.25×0.25 m）。目标类群为水质指示物种蜉蝣目、襀翅目和毛翅目，均鉴定至物种水平。

2.2 实验室分析

eDNA提取使用DNeasy PowerWater Sterivex试剂盒，宏条形码靶向线粒体COI基因的142 bp区域（EPT特异性引物）。测序数据经USEARCH软件和SINTAX算法进行序列过滤与分类注释（置信阈值≥0.8），剔除阴性对照中占比≥10%的序列以控制污染。

2.3 水文与空间数据

基于rivnet R包提取流域河网，聚合为129条河段（阈值面积0.5 km²，最大长度2000 m）。利用水文站数据推演全流域水力参数（如流量、河道宽度），为eDITH模型提供输入。

2.4 eDITH模型拟合

使用eDITH R包对每个物种单独拟合贝叶斯模型，采用负二项分布处理读数误差，引入25个不对称特征向量图（AEM）和排水面积作为空间协变量。以后验中位数eDNA产生速率（p_t）作为物种丰度估计值。

2.5 统计分析

将踢网个体数、eDNA读数均值、eDITH预测密度归一化至0–1范围，计算其与踢网丰度的Pearson相关性。通过Wilcoxon符号秩检验比较eDNA与eDITH相关性的差异。定义站点相似性分数（S_DNA和S_eDITH），分析其与排水面积的关系，并使用多元逻辑回归检验昆虫目类组成沿河梯度的变化。

3 结果

3.1 物种检测重叠

共记录158种EPT昆虫，其中59种被两种方法共同检出。蜉蝣目的方法重叠率最高（约50%），襀翅目和毛翅目较低（22%–33%）。夏季共同检出率略高于春季。

3.2 eDITH定量性能提升

eDITH预测值与踢网丰度的相关性显著优于eDNA读数（p< 0.05），且改善效果在蜉蝣目中最为显著（春、夏均成立），而襀翅目和毛翅目仅在夏季有边际提升。物种水平相关性存在较大变异（图S1–S3）。

3.3 排水面积的影响

相似性分数随排水面积增加而上升（p= 0.005），eDITH分数整体高于eDNA（p= 0.004），但两者与排水面积的交互作用不显著。沿河梯度上，蜉蝣目比例随排水面积增加而上升，襀翅目下降，毛翅目无明显趋势（图S7）。

4 讨论

本研究首次实证验证eDITH模型在提升河流昆虫丰度定量估计中的有效性。eDNA读数因未校正水文传输与实验室偏倚，与踢网丰度相关性弱；eDITH通过整合DNA动力学，显著改善了对蜉蝣目等类群的预测。下游站点估计精度的提升可能与模型整合更多上游数据及蜉蝣目优势度增加有关。然而，eDITH性能存在类群特异性，且对襀翅目和毛翅目的改善有限，反映其仍受物种检测效率差异的制约。

当前宏条形码定量化需综合校正水文（如eDITH）、扩增（如qPCR）等多环节偏倚。eDITH框架为河流eDNA数据的空间解译提供了关键工具，但其与实验室校正方法的整合将是未来突破定量瓶颈的重要方向。在生物多样性危机背景下，发展可靠的eDNA定量技术对生态监测与管理具有迫切意义。

作者贡献与资助

E.C.、F.A.和L.C.共同设计研究；L.C.负责野外数据采集与分析；E.C.撰写初稿；所有作者参与终稿修订。研究受瑞士国家科学基金会资助（Ambizione项目PZ00P2_202010等）。数据与代码公开于Zenodo仓库。