多组学分析通过揭示西江水中溶解氧状态的功能特征，补充了物理化学监测的方法

《Water Research》：Multi-omics profiling complements physicochemical monitoring by revealing functional signatures of dissolved oxygen status in the Xijiang River

基于Xijiang河盆地的多组学整合研究，构建了溶解氧（DO）变化与降解风险的关联诊断框架，通过融合常规水质参数、未靶向代谢组学和微生物组分析，发现低DO水体中氮含有机物和短链脂肪酸显著富集，揭示有氧有机物转化效率下降。研究构建DO关联网络，涵盖6个关键微生物功能群和32种差异代谢物，并证实精氨酸-脯氨酸代谢轴与N-羰基丙氨酸与DO浓度呈显著相关性。该框架拓展了DO导向的水质诊断维度，为精准识别水体缺氧风险提供新方法。

　　

Jizhou Cao|Kai He|Xiaohong Chen|Jiabiao Wang|Qidong Yin|Wei Ouyang|Hongyang Wang|Jiachong Lin|Chenguang Fan

中山大学土木工程学院，珠海，519082，中国

摘要

本研究通过整合传统的水质分析、非靶向代谢组学和微生物组分析，建立了一个多层次的诊断框架，用于分析溶解氧（DO）的变化及其相关的降解风险。该框架旨在识别那些仅使用传统指标难以解析的与DO相关的功能降解信号。结果表明，尽管高DO水体（6.14 ± 0.9 mg/L）和低DO水体（3.52 ± 0.6 mg/L）中的营养物质浓度大致相当，但微生物群落结构和代谢谱组成存在显著差异。在鉴定出的794种代谢物中，有79种代谢物与DO的变化显著相关，其中含氮有机化合物和短链脂肪酸在低DO条件下表现出系统性的富集，这表明好氧有机物的转化效率降低。通过进一步整合差异分析和相关性分析，构建了一个由六个关键微生物功能组（|log?FC| = 0.58–2.53, |r| = 0.51–0.83）和32种差异代谢物组成的DO相关网络，这些主要与类固醇和外源有机化合物的好氧转化过程有关。在途径水平上，精氨酸-脯氨酸代谢轴与DO变化表现出稳定的关联，中间代谢物N-氨基甲酰腐胺与DO浓度呈显著正相关（|r| = 0.57），表明其作为氧气消耗状态的过程相关指标的潜力。总体而言，本研究从分子、微生物和代谢途径的角度扩展了以DO为导向的水质诊断范围，并提供了多组学诊断线索，这些线索可能有助于开发基于过程的信息方法，以实现早期检测和更精确的DO相关水质风险评估。

引言

溶解氧（DO）是水生生态系统状况和自净能力的关键指标。DO的变化反映了水体中氧气输入与氧气需求之间的平衡，因此被广泛用于水质评估和环境风险评价（Diaz和Rosenberg，2008；Breitburg等人，2018）。近几十年来，在气候变暖和人类活动增加的共同影响下，富营养化、水温升高以及水柱分层加剧等现象导致海洋和淡水系统的DO水平下降。缺氧现象变得更加频繁，并影响了内陆和沿海水域的更广泛区域，给可持续用水和生态系统服务带来了挑战（Jenny等人，2016；Sheng等人，2014；Del Giudice等人，2018）。虽然缺氧的生态影响已被广泛报道（Vaquer-Sunyer和Duarte，2008；Altieri和Gedan，2015），但控制氧气消耗的生物过程，特别是微生物代谢过程，在过程层面仍缺乏足够的了解（Bertagnolli和Stewart，2018；Gilly等人，2013）。从水质管理的角度来看，缺氧可以理解为好氧代谢减少和向更多厌氧过程逐渐转变的结果。在这种情况下，微生物介导的呼吸作用和有机物矿化是DO消耗的主要贡献者（Breitburg等人，2018；Jenny等人，2020）。由于这些过程在许多现场环境中难以准确解析，当前的管理策略在早期识别缺氧风险以及及时和有针对性的干预方面仍存在局限性，这可能会降低恢复措施的有效性（Paerl等人，2016；Conley等人，2009）。

常规的水质监测通常依赖于营养物质指标和物理化学参数来描述水生环境（Jenny等人，2020；Paerl和Huisman，2009）。这些变量通常与DO具有统计相关性，并能反映一般的物理化学背景以及空间或时间模式。然而，这种相关性主要代表变量之间的共变，通常不足以区分不同DO状态下的氧气消耗过程。它们也为将氧气需求与特定生物途径联系起来提供了有限的基础（Bocaniov等人，2020；Ho和Michalak，2015；Cotner和Biddanda，2002）。先前的研究表明，DO消耗主要由微生物介导的碳和氮循环以及有机物转化过程驱动（Kuypers等人，2018；Daims等人，2015；Jiao等人，2010；Kujawinski，2011）。这些转化的总体结果取决于具有不同功能的微生物群体之间的相互作用（Thamdrup等人，2012；Wright等人，2012）。因此，仅基于传统物理化学指标的评估可能难以解析与DO相关的功能状态和早期检测氧气耗尽风险。为了解决这一局限性，有必要用更直接反映生物过程和功能活动的指标来补充常规监测，从而提高DO相关诊断的敏感性和实际价值（Prosser，2015；Jansson和Hofmockel，2018）。

组学方法为此提供了支持。非靶向代谢组学可以捕获水生系统中的多种小分子。由于许多代谢物是微生物活动的直接产物，并能快速响应环境变化，因此它们可以提供关于正在进行中的生物地球化学过程的分子级信息（Patti等人，2012；Dunn等人，2011）。同时，16S rRNA基因测序可以表征微生物群落组成并推断潜在的功能属性，有助于识别与氧气需求相关的生物群体（Quince等人，2017；Tully等人，2022）。将代谢物模式与微生物分类和功能信息相结合，可以连接微生物组成、代谢功能和水质表型（如DO状态）。这种策略已应用于环境研究，包括污染物转化及相关过程的研究（Hultman等人，2015；Hong等人，2020；Jiang等人，2022）。然而，系统地使用多组学整合来诊断氧气消耗过程、识别候选生物标志物以及支持DO敏感水域的水质评估和风险识别仍然有限。

在本研究中，我们重点关注中国南部的西江流域，并开发了一个综合框架，该框架结合了传统的水质参数、非靶向代谢组学和微生物群落分析，以表征与DO相关的功能状态。本研究有三个目标。首先，在相似的营养物质和基线物理化学条件下，我们评估了常规水质参数区分DO状态的能力和局限性，并评估了功能性生物指标的必要性。其次，我们识别了与低DO水体一致相关的代谢物和微生物群体，并评估了它们的潜在诊断价值。第三，通过跨组学相关性和网络分析，我们研究了与氧气相关的代谢途径及其相关的微生物功能单元，并在途径层面解释了这些模式。总体而言，这项工作旨在支持基于过程的DO相关水质评估，并为开发基于生物信息的诊断方法提供基础，以改进缺氧风险的识别。

部分摘录

样品制备和采集

在西江流域的关键水体沿线共设置了12个采样点（图1），系统地覆盖了主干河道、支流、水闸和典型横截面。这些站点包括石咀渡口（SZDK1和SZDK2）、玉塘（YT1和YT2）、一条支流（ZL1）、倪湾附近的水闸（NWFJSZ）、天登河水闸（TDHSZ3）、新桥水支流（XQSZL4）、新桥水主干道（XQSGL）、新梅横截面（XMDM1和XMDM2）以及仓江支流（CJZL5）。

传统水质参数揭示了系统内在关系，但无法解析由DO驱动的生态差异

为了评估高DO水体和低DO水体之间的整体环境差异，我们首先比较了关键的传统水质参数，然后检查了它们之间的相关性。组间比较的结果显示，除了DO本身（log?FC = 1.744，p = 0.02）外，所有其他测量的物理化学参数（如温度和pH等基本变量、氨氮、总磷和总氮以及浊度）均没有显示出

局限性和未来展望

本研究采用了一种综合的多组学方法，构建了一个关联网络，将西江流域的微生物群落组成和代谢特征与DO状态联系起来。尽管该框架提供了关于DO相关水质差异的过程导向见解，但仍应承认几个局限性。首先，微生物与代谢物之间的关系主要基于相关性分析。虽然这些关联

结论

本研究基于预定义的研究框架和分析目标，应用了综合的多组学方法，在过程层面探索了西江流域水体中与DO变化相关的生物和代谢特征。结果表明，传统的水质参数可以在一定程度上反映系统的整体物理化学特征，但在区分功能过程方面的能力仍然有限

作者贡献声明

Jizhou Cao：撰写 – 审稿与编辑，撰写 – 原稿，可视化，方法学，数据管理，概念化。Kai He：撰写 – 审稿与编辑，监督，资源获取，方法学，资金筹集。Xiaohong Chen：概念化。Jiabiao Wang：数据管理。Qidong Yin：撰写 – 审稿与编辑，监督。Wei Ouyang：监督。Hongyang Wang：监督。Jiachong Lin：可视化。Chenguang Fan：可视化。

利益冲突声明

作者声明他们没有已知的竞争性财务利益或个人关系可能会影响本文所述的工作。

致谢

本研究得到了中国国家重点研发计划（2022YFC3202200）、广东省基础与应用基础研究基金（2024A1515011909和2023B1515040028）以及中央公益性研究院国际合作基础研究运行费用专项计划（2025YSKY-71）的支持。