大亚湾夏季鱼类生物量粒径谱年际变化特征

徐姗楠, 郭建忠, 范江涛, 许友伟, 粟丽, 李纯厚

徐姗楠, 郭建忠, 范江涛, 许友伟, 粟丽, 李纯厚. 大亚湾夏季鱼类生物量粒径谱年际变化特征[J]. 南方水产科学, 2020, 16(4): 28-38. DOI: 10.12131/20200016
引用本文: 徐姗楠, 郭建忠, 范江涛, 许友伟, 粟丽, 李纯厚. 大亚湾夏季鱼类生物量粒径谱年际变化特征[J]. 南方水产科学, 2020, 16(4): 28-38. DOI: 10.12131/20200016
XU Shannan, GUO Jianzhong, FAN Jiangtao, XU Youwei, SU Li, LI Chunhou. Annual variation in fish biomass size spectrum in Daya Bay, South China Sea in summer[J]. South China Fisheries Science, 2020, 16(4): 28-38. DOI: 10.12131/20200016
Citation: XU Shannan, GUO Jianzhong, FAN Jiangtao, XU Youwei, SU Li, LI Chunhou. Annual variation in fish biomass size spectrum in Daya Bay, South China Sea in summer[J]. South China Fisheries Science, 2020, 16(4): 28-38. DOI: 10.12131/20200016

大亚湾夏季鱼类生物量粒径谱年际变化特征

基金项目: 国家重点研发计划项目 (2018YFD0900902);南方海洋科学与工程广东省实验室 (广州) 人才团队引进重大专项 (GML2019ZD0605);中国水产科学研究院南海水产研究所中央级公益性科研院所基本科研业务费专项 (2019TS22)
详细信息
    作者简介:

    徐姗楠 (1979—),女,博士,副研究员,从事海洋生态学研究。E-mail: xushannan@scsfri.ac.cn

    通讯作者:

    李纯厚 (1963—),男,研究员,从事海湾与岛礁水域生态保护与修复研究。E-mail: scslch@vip.163.com

  • 中图分类号: S 932

Annual variation in fish biomass size spectrum in Daya Bay, South China Sea in summer

  • 摘要:

    文章根据2015、2017和2018年3次底拖网渔业资源调查数据,构建了大亚湾夏季鱼类生物量粒径谱,并比较分析了这3个时期夏季鱼类生物量粒径谱特征参数差异性。结果表明,大亚湾夏季鱼类生物量粒径谱存在明显的年际和空间变化,3个时期Sheldon型生物量粒径谱呈“单峰”型,粒径范围以2015和2018年最大 (−1~9),2017年次之 (−1~8);优势种组成由2015年以黄鳍马面鲀 (Thamnaconus hypargyreus)、短吻鲾 (Leiognathus brevirostris) 和细条天竺鲷 (Apogon lineatus) 为主演变为2017、2018年以短吻鲾、黄斑蓝子鱼 (Siganus oramin) 等粒径级小的鱼类为主。标准化生物量粒径谱曲率年际变化上以2015年最大,2018年次之,2017年最小;空间分布上,沿岸海域以2015年最大,2017年最小;湾中部海域以2018年最大,2017年最小;湾口海域以2018年最大,2017年最小。数量-生物量比较 (Abundance-biomass comparison, ABC) 曲线表明,大亚湾夏季鱼类群落处于严重干扰状态。大亚湾夏季鱼类生物量粒径谱特征存在明显的年际差异与鱼类自身生活习性、补充比率、栖息环境及人类活动干扰有关,尤其是捕捞因素。

    Abstract:

    Based on the data collected from three bottom trawl surveys of fishery resources in 2015, 2017 and 2018, we constructed the biomass size spectrum of fish in the Daya Bay in summer, and compared and analyzed the differences of the characteristic parameters of fish biomass size spectrum. The results show that the biomass size spectrum in different years displayed obvious annual and spatial variation characteristics. The fish biomass size spectrum of the Sheldon-type were all "single-peak" as a whole, with the largest particle size ranges in 2015 and 2018 (−1–9), followed by 2017 (−1–8); The dominant species composition of the fish community evolved from Thamnaconus hypargyreus, Leiognathus brevirostris and Apogon lineatusin in 2015 to the main small-size species such as L. brevirostris and Siganus oramin in 2017 and 2018. The species composition of the normalized biomass size spectrum curvature in 2015 was the largest, followed by that in 2018, while that in 2017 was the smallest. In terms of spatial distribution, the curvature of the coastal waters was the largest in 2015 but the smallest in 2017; the curvature of the central area was the largest in 2018 but the smallest in 2017; and the curvature of the mouth area was the largest in 2018 but the smallest in 2017. The abundance-biomass comparison (ABC) curve indicates that the fish community in the Daya Bay in summer was at a state of severe disturbance. The biomass size spectrum characteristics displayed obvious annual differences, relating to fish life habits, supplement ratios, habitat environment and human activities, especially fishing factors.

  • 黄鳝 (Monopteru albus),俗名鳝鱼,广泛分布于我国各湖泊、水库和稻田等淡水水域。其肉质鲜美,含有丰富的必需氨基酸和脂肪酸及其他特殊营养素,具有很高的药用和滋补功能,一直深受消费者青睐[1]。黄鳝是目前我国大力推广养殖的重要名特优水产品之一,2016年我国人工养殖黄鳝产量达到38.6万吨。从市场角度看,规格一致的鱼苗或成鱼有利于养殖品种的商品化,但在鱼类养殖过程中,总有部分鱼生长缓慢,这不仅浪费养殖空间,也导致饲料浪费,严重影响了养殖经济效益。黄鳝养殖在这方面尤为突出,即使是同一亲本所产、在相同环境中生长的黄鳝,这种生长差异依然存在且显著。影响鱼类生长的因素很多,如种质差异、营养水平、温度、密度、水质等[2],但目前对黄鳝生长差异产生的机制尚不清楚,亟待研究探讨。

    近年来,转录组学被广泛应用于生物学研究,对于功能基因发掘、转录调控机制、分子标记开发和信号通路等各方面的研究具有重要作用[3]。目前,转录组学已广泛应用于鱼类发育[4]、进化[5]、免疫[6]和抗病机理[7]研究中。本文通过转录组测序发掘黄鳝生长差异基因及其调控通路,初步阐明造成黄鳝生长差异的基因调控机制,以期为促进黄鳝工业化养殖提供理论依据。

    实验鳝苗取自江西农业大学水产基地,均为饲养在相同水箱中、同一亲本黄鳝当年产卵孵化的鳝苗;黄鳝养殖用的配合饲料大宗原料购买于南昌大佑农生物技术有限公司。养殖1年后,从同一水箱中取个体差异显著的健康黄鳝,个体较大的为实验组 (AEG),个体较小的为对照组 (ACG),具体数据见表1,取其肝脏液氮冷冻后放−80 ℃冰箱备用。

    表  1  样品信息
    Table  1.  Information of samples
    样品Sample体质量Body mass/g全长Total length/cm
    实验组Treatment group AEG1 42.27 35.8
    AEG2 44.10 36.5
    AEG3 35.78 34.6
    对照组Control group ACG1 6.30 19.8
    ACG2 6.61 18.9
    ACG3 6.12 20.2
    下载: 导出CSV 
    | 显示表格

    取50~100 mg肝脏组织,加入一定比例的TRIzol,在低温下迅速匀浆,室温放置5 min,使其充分裂解,经氯仿抽提、异丙醇沉淀、75%乙醇洗涤后,室温开盖晾约5 min,用适量RNase-free水溶解RNA后于−80 ℃保存备用。使用1%的琼脂糖凝胶电泳检测其完整性。

    总RNA提取以后,使用美国纽英伦生物技术公司试剂盒 (#E7530) 进行cDNA建库。首先用带有Oligo (dT) 磁珠富集真核生物的mRNA加入fragmentation buffer将mRNA打断成短片段并用六碱基随机引物合成cDNA第一条链。然后加入缓冲液、DNA聚合酶Ⅰ、dNTP、RNase和缓冲溶液合成cDNA第二条链。使用快速PCR抽提试剂盒,尾端修复,纯化双链cDNA片段,并引入单碱基“A”使其与IIIumina测序接头链接。最后进行PCR扩增,通过琼脂糖凝胶电泳分离连接产物,PCR扩增富集目标片段。文库构建完成后,使用Agilent 2100 Bioanalyzer对文库进行检测以及使用ABI StepOnePlus Real-Time PCR System对文库浓度进行定量检测,合格后用IIIumina HiSeq TM 4000对cDNA文库进行测序。测序服务由北京博云华康基因科技有限公司提供。

    转录组测序后原始数据Raw reads含有低质量的reads,经过筛选过滤得到高质量的Clean reads。使用HISAT程序将得到的Clean reads比对到参考基因组上。利用DEGseq差异分析软件包进行差异基因筛选,首先计算差异倍数 (Fold change,FC) log2值和P,只有同时符合log2绝对值大于2和P的绝对值小于0.001的基因才被确定为显著差异基因 (Differentially expressed gene, DEG),然后对差异基因进行KEGG通路和GO功能富集性分析。

    对于筛选到的7个与生长相关的差异表达基因进行qPCR验证。引物设计见表2,18 S作为内参基因。荧光定量PCR反应条件为95预变性90 s,95 ℃变性5 s,60 ℃退火15 s,72 ℃延伸20 s,共40个循环。每个样品重复3次,实验数据按照Livak的2−△△Ct方法处理。

    表  2  荧光定量PCR引物信息
    Table  2.  Information of primers used for qPCR
    基因GeneqPCR引物序列 (5'–3')Primer sequence of qPCR退火温度Annealing temperature/℃片段大小Fragment size/bp
    col1α1 F:AGTTGTTTGCGGACCGAGAT 60.0 110
    R:GCAATCTGGCATTTCCTCACA 59.2
    nkx6.1 F:GGACAAAGATGGGAAACGAAA 56.7 96
    R:GCCAGGTATTTGGTCTGTTCA 58.2
    nnos F:CTATCAGTCTGGATGCCACAAC 58.8 115
    R:CAGAGCCCAACAGAAACATTAG 57.3
    plexina4 F:TGCTGAGAACCCTGAGTGGATA 60.6 159
    R:TAGCATTTGCGGTTGTCTTCAT 58.9
    pcgf1 F:CAGCCCTTACTCAACCTCAAA 57.9 167
    R:GCATCTGGCACAGCATCTACG 61.7
    igfbp1 F:CAGAGAGCCTTGGAAAAGATTG 57.3 171
    R:CTTGCCGTTCCAGGAGTGT 59.9
    h3.3 F:ATTTTGAGTTGCGGCGATTA 56.4 181
    R:GTAACGATGGGGCTTCTTCAC 59.0
    18S F:GTGGAGCGATTTGTCTGGTTA 57.8 162
    R:CGGACATCTAAGGGCATCAC 57.7
    下载: 导出CSV 
    | 显示表格

    本实验共测6个样本,平均每个样本产出约41 000 000 Clean reads,约合6.0 Gb数据量 (表3)。用Q20 (单个碱基的测序错误率低于1%) 和Q30 (单个碱基的测序错误率低于0.1%) 对这些数据的质量进行检测,Q20 和Q30值分别为98.02%和94.75%以上,说明测序质量很好。将测序结果与参考基因组进行比对,匹配率在74.32%以上。将匹配到参考基因的Reads组装成基因,共得到19 149个基因。以长势差的ACG组为对照,使用RSEM计算基因与转录表达水平,分析发现差异表达基因有598个,其中有303个基因上调,295个下调。差异表达基因的火山图和统计图分别见图1-a图1-b

    表  3  测序结果统计
    Table  3.  Statistics of sequencing results
    样品Sample过滤后ReadsFiltered ReadsQ20/%Q30/%GC含量GC content/%匹配率Matching ratio/%
    对照组Control groupACG14120116898.0394.7546.7875.48
    ACG24104770498.0494.7746.6175.48
    ACG34092654098.0294.7848.1275.98
    实验组Treatment groupAEG14100432498.0994.9646.8774.32
    AEG24098404698.1295.0047.0974.44
    AEG34099936698.0794.8847.3375.21
    下载: 导出CSV 
    | 显示表格
    图  1  差异基因火山和统计图
    红色代表上调,蓝色代表下调,黑色代表无差异,每个点代表一个基因
    Figure  1.  Volcano-plots (a) and statistics (b) of differentially expressed genes
    Up-regulated genes are in red; down-regulated ones are in blue; black represents no difference; each dot represents a gene.

    将598个差异表达基因进行GO分析 (图2),这些基因分属于生物过程、细胞组分和分子功能三大类下的42个分支。生物过程组中含有19个分支,其中单生物体过程、细胞过程和代谢过程占比最高分别为19.57%、19.23%和15.72%;细胞组分组中有15个分支,其中细胞、细胞部分和膜分占比最高,分别为11.87%、11.87%和10.87%;在分子功能分组中有8个分支,其中结合、催化活性和运输活性占比最高,分别为16.22%、13.38%和3.51%。

    图  2  差异表达基因GO功能分类图
    1. 单生物体过程;2. 细胞过程;3. 代谢过程;4. 生物调节;5. 生物过程调节;6. 定位;7. 刺激应答;8. 发展过程;9. 多细胞生物体过程;10. 生物体细胞组成或起源;11. 信号传导;12. 正调节生物过程;13. 负调节生物过程;14;生长;15. 运动;16. 免疫系统过程;17. 行为;18多生物体过程;19. 节律过程;20. 细胞;21. 细胞部分;22. 膜;23. 膜部分;24. 细胞器;25. 复杂大分子;26. 细胞器部分;27. 细胞外区域;28. 细胞外区域部分;29. 膜封闭腔;30. 细胞连接;31. 细胞外模型;32. 超分子纤维;33. 突触;34. 突触部分;35. 结合;36. 催化活性;37. 运输活性;38. 分子功能调节;39. 信号传感活性;40. 结构分子活性;41. 分子传感活性;42. 核苷酸结合转录因子活性
    Figure  2.  GO functional classification map of differentially expressed genes
    1. Single-organism process; 2. Cellular process; 3. Metabolic process; 4. Biological regulation; 5. Regulation of biological regulation; 6. Localization; 7. Response to stimulus; 8. Developmental process; 9. Multicellular organismal process; 10. Cell compent organization or biogenesis; 11. Signaling; 12. Positive regulation of biological process; 13. Negative regulation of biological process; 14. Gowth; 15. Locomotion; 16. Immune system process; 17. Behavior; 18. Multi-organism process; 19. Rhythmic process; 20. Cell; 21. Cell part; 22. Membrane; 23. Membrane part; 24. Organelle; 25. Macromolecular complex; 26. Organelle part; 27. Extracellular region; 28. Extracellular region part; 29. Membrane-enclosed lumen; 30. Cell junction; 31. Extracellular matrix; 32. Supramolecular fiber; 33. Synapse; 34. Synapse part; 35. Binding; 36. Catalytic activity; 37. Transporter activity; 38. Molecular function regulation; 39. Signal transducer activity; 40. Structural molecule activity; 41. Molecular transducer activity; 42. Nucleic acid binding transcription factor activity

    将差异表达基因序列与KEGG数据库中的数据进行BlastX比对注释,结果显示598个差异表达基因分布在262条KEGG通路中,其中显著富集的通路有38条 (P<0.05),在这38条通路中有11条代谢相关通路富集效果极显著 (P<0.01)。

    GO功能注释分析发现,与生长相关的差异表达基因有7个,分别为Ⅰ型胶原α1 (collagen typeⅠalpha 1,col1α1)、转录因子nkx6.1 (NK6 homebox 1)、神经性一氧化氮合酶 (Neuronal nitric oxide synthasennos)、神经丛蛋白家族A4 (plexina4)、类胰岛素生长因子结合蛋白-1 (Insulin-like growth factors binding protein 1, igfbp1)、多梳环指蛋白1 (Polycomb group RING finger protein 1, pcgf1) 和组蛋白3.3 (histone 3.3,h3.3)。这7个基因中,除col1α1和nkx6.1基因显著下调外,其余5个基因明显上调。这7个基因分属不同的通路 (表4),这些通路分属于4种类型,其中col1α1、nkx6.1和h3.3基因所在通路属于人类疾病,nnos基因所在通路属于新陈代谢,plexina4基因所在通路属于环境信息加工,igfbp1和pcgf1基因所在通路属于细胞过程。这些通路中只有col1α1所在的利什曼病通路和nnos所在的精氨酸和脯氨酸代谢通路是显著富集的 (P<0.05),其他5个差异基因所在通路富集效果不显著 (P>0.05)。

    表  4  生长相关差异表达基因
    Table  4.  Growth-related differentially expressed genes
    基因名称Gene name基因IDGene ID差异倍数Fold change所属通路Belonged pathway通路IDPathway ID
    col1α1 109951101 −2.5 利什曼病 Ko05140
    nkx6.1 109952563 −3.3 青少年成熟性糖尿病 Ko04950
    nnos 109959109 4.0 精氨酸和脯氨酸代谢 Ko00330
    plexina4 109959815 3.4 细胞黏附分子 Ko04514
    igfbp1 109961253 2.3 p53信号通路 Ko04115
    pcgf1 109972045 3.3 干细胞潜能调节通路 Ko04550
    h3.3 109974907 2.2 癌症的转录失调 Ko05202
    下载: 导出CSV 
    | 显示表格

    荧光定量PCR结果表明 (图3),所选的7个差异表达基因与转录组测序结果表达趋势一致。col1α1和nkx6.1这两个基因表达量均为对照组高于实验组 (实验组为1,对照组分别为3.807和1.725),nnosplexina4、igfbp1、pcgf1和h3.3这5个基因表达量则是实验组高于对照组 (实验组为1,对照组分别为0.497、0.511、0.012、0.872和0.168)。通过荧光定量PCR验证,表明转录组测序结果可靠。

    图  3  差异表达基因qPCR验证图
    Figure  3.  Validation of differentially expressed genes by qPCR

    生长分化是鱼类生长过程中的普遍现象。有观点认为,摄食不足会导致生长分化的产生[8],但杨帆等[9]研究表明,饱食投喂且增加投喂频率并不能改善黄鳝的生长分化现象。为了解黄鳝生长分化的调节机制,本研究进行了转录组测序。本次测序共得到19 149个基因,其中差异表达基因有598个,303个基因上调,295个下调。对这些差异基因进行KEGG通路分析发现,富集的KEGG通路多数与代谢相关。本研究发现,差异表达基因显著富集的38条通路中有15条与代谢有关,其中与脂肪代谢相关的有8条。在前20条富集极显著的通路中,更是有11条与代谢相关,其中影响最显著的代谢通路为类固醇生物合成。

    GO功能注释分析发现,与生长相关的差异表达基因有7个,分别为col1α1、nkx6.1、nnosplexina4、igfbp1、pcgf1和h3.3。col1α1基因显著下调,说明在ACG组的黄鳝中col1α1表达水平显著高于AEG组。Ⅰ型胶原 (COL1) 是由α1和α2两条肽链组成的,col1α1基因的过度表达使α1和α2链的比例发生变化,当比例超过2∶1时会导致骨骼密度、骨骼结构和骨骼质量发生变化从而引起骨质疏松性骨折进而影响生物体正常发育[10]。转录因子nkx6.1基因最早在胰腺β细胞中发现,与胰腺的发育相关[11]。研究发现nkx6.1基因参与调控胰腺β细胞的二次分化,胰腺β细胞能够分泌胰岛素,nkx6.1基因的突变会导致胰腺β细胞无法形成,影响胰岛素的分泌。对鸡胚胎发育的研究发现,过量表达的nkx6.1基因在胚胎发育早期能够促进脊髓Olig2的表达,但在晚期反而会抑制Olig2的表达,这说明nkx6.1在不同时期功能会发生变化。本实验中,ACG组的nkx6.1表达量明显高于AEG组,说明ACG组黄鳝过量表达nkx6.1可能会抑制胰腺β细胞的二次分化,减少胰岛素的分泌,从而影响黄鳝的生长发育。nnos存在于神经元和神经纤维中,其主要的功能就是在细胞间传递信息,具有传递和调节的作用[12]。正常状态下nnos可以产生少量NO维持细胞的生理活动。NO参与多种生理活动调节,对于生长因子增殖、T细胞活化、神经发育和神经再生都有促进作用。除此之外,对美国红鱼 (Sciaenops ocellatus) 添加维生素C的实验表明,nnos基因可以像inos一样被诱导表达参与机体的免疫应答[13]。本实验中nnos表达差异倍数最大 (4倍),NO含量水平的降低会导致胰岛素抗体的出现,使胰岛素不能正常发挥作用,最终导致黄鳝生长发育受阻。plexina4是神经丛蛋白a家族 (a1—a4) 最晚被发现的一个,plexina4对于中枢神经和外周神经的修复和再生具有重要作用[14]plexina4在脑信号蛋白3的信号传递中,起到重要的转导作用[15]。作为膜结合脑信号蛋白6A和6B的受体和信号转导因子,plexina4对于皮质脊髓束和海马组织中苔藓纤维的形成和发育至关重要[16]。有研究发现,在视觉神经和运动神经的发育信号通路中plexina4起到了指导作用,另外对于通路的维持和再生也具有重要作用[17]。本实验中,ACG组plexina4的表达量降低,有可能造成黄鳝神经系统发育不完全从而导致生长受阻。

    类胰岛素生长因子结合蛋白 (Insulin-like growth factors binding protein, Igfbps) 负责保护Igf防止其降解并调节它的生物活性[18]。Igfbps家族目前已知含有6种,从Igfbp1至Igfbp6,对硬骨鱼类的研究发现,不同组织至少含有1种Igfbp而在鱼类血液中至少含有3种主要的Igfbps[19]。在鱼类胚胎发育的各个时期都能检测到igfbp1的表达,孵化后主要在肝脏中表达。无论是成鱼还是胚胎,低氧诱导都可以使igfbp1的表达量显著增加。Igfbp1的主要功能是运输类胰岛素生长因子1 (Igf1)。Igfbp1通过与Igf1结合,调控Igf1的生物学功能:例如,介导Igf与受体之间的亲和力;控制Igf1的运输与代谢;延长Igf1的半衰期;决定Igf1的细胞通透率;调节Igf1的作用位点等。除此之外,Igfbp1自身也具有其他不依赖Igf1的生物学功能,包括控制细胞增殖、抑制机体代谢、参与肿瘤抑制、诱导细胞凋亡和促进血糖升高等。相关研究还发现许多内分泌疾病 (甲亢、糖尿病和性腺发育障碍等) 与Igfbp1有着重要联系[20],虽然对其作用机制尚不了解,但研究发现类固醇激素 (胰岛素、促肾上腺激素和雌激素等) 对igfbp1的表达有调控作用。本实验中igfbp1在ACG组中表达量显著降低,这可能造成Igf1不能完全发挥其生物学功能,从而导致黄鳝发育受阻。Pcgf1是多梳蛋白家族的一种,属于多梳抑制复合体 (Polycomb repression complex, Pcr) Pcr1。Pcgf1在神经系统高度表达因此又称为神经系统多梳蛋白1 (Nervous system polycomb 1, Nspc1)。Pcgf1蛋白在哺乳动物中可以对细胞周期进行调控,对造血干细胞的增殖和分化具有重要作用[21]。Pcr1环指部分的亲水性表面具有E3泛素连接酶活性,它可以通过改变染色质的状态来抑制基因表达[22]。有研究表明pcgf1基因的敲除会使细胞增殖能力下降[23],本实验中ACG组的pcgf1表达量降低可能导致了造血干细胞的增殖下降,从而影响黄鳝的生长发育。组蛋白H3的变体H3.3是一种重要的母源因子,能在受精后替换精子中的鱼精蛋白,参与雄性原核的重编程[24]。母源H3.3会重新激活细胞核的多潜能基因oct4,敲除h3.3后关键的多潜能基因转录水平降低,体细胞核不能被完全重编程导致胚胎不能正常发育[25-26]。注入外源h3.3 mRNA可以弥补这种缺陷。h3.3被认为是转录活性的标志[27]h3.3能够促进基因的转录表达,维持基因组稳定,保证rDNA的转录,促进rDNA的表达,重编码供体细胞核使其成为具有全能性的胚胎[28]。本实验中,ACG组h3.3表达量的降低可能导致了一些关键生长基因 (例如igfbp1、nnosplexina4和pcgf1等) 的转录表达降低,从而影响了黄鳝的生长发育。

    本文通过对生长差异显著的黄鳝进行转录组测序分析,找到了7个与黄鳝生长相关的差异表达基因,这些基因与黄鳝的神经系统、代谢系统和内分泌系统等有密切关系。结合KEGG通路分析,发现col1α1所在的利什曼病通路和nnos所在的精氨酸和脯氨酸代谢通路富集显著,说明其对黄鳝生长具有重要影响,但具体调节机制还需要进一步研究。在7个生长相关的差异表达基因中h3.3与胚胎发育相关,它既能维持基因组稳定,又能保证DNA的正确转录,还能激活多潜能基因重新编程体细胞;由于h3.3具有调节基因转录表达的功能,所以这些差异表达基因的出现是否与h3.3基因 (ACG组) 的表达下调相关还需进一步研究。

  • 图  1   大亚湾海域站位采样示意图

    Figure  1.   Map of sampling stations in Daya Bay

    图  2   2015 (a)、2017 (b)、2018 (c) 年大亚湾海域夏季鱼类群落ABC曲线

    Figure  2.   Abundance-biomass comparison (ABC) curves of fish community in Daya Bay in summer of 2015 (a), 2017 (b) and 2018 (c)

    图  3   2015、2017、2018年大亚湾海域夏季鱼类生物量粒径谱

    a. Sheldon型;b. 标准化型

    Figure  3.   Biomass particle spectrum of fishes of Daya Bay in summer of 2015, 2017 and 2018

    a. Sheldon; b. Normalized

    图  4   2015、2017、2018年大亚湾海域夏季各区域鱼类Sheldon型生物量粒径谱

    a. 沿岸海域;b. 中部海域;c. 湾口海域

    Figure  4.   Sheldon type biomass particle size spectrum of fish in different areas of Daya Bay in summer of 2015, 2017 and 2018

    a. Coastal area; b. Central area; c. Mouth area

    图  5   2015、2017、2018年大亚湾海域夏季各区域鱼类标准化生物量粒径谱

    a. 沿岸海域;b. 中部海域;c. 湾口海域

    Figure  5.   Normalized biomass particle size spectra of fish in different regions of Daya Bay in summer of 2015, 2017 and 2018

    a. Coastal area; b. Central area; c. Mouth area

    图  6   大亚湾海域夏季环境因子与曲率的相关性

    Figure  6.   Correlation between summer environmental variables and curvature of Daya Bay in summer

    表  1   大亚湾夏季不同年份鱼类组成

    Table  1   Composition of fish in Daya Bay in summer in different years

    项目 Item年份 Year
    201520172018
    目 Order 12 8 9
    科 Family 41 27 34
    属 Genus 54 42 47
    种 Species 69 50 56
    尾数渔获率 Catch rates in number/(尾·h−1) 11 414 3 983 8 666
    质量渔获率 Catch rates in mass/(kg·h−1) 67.75 34.06 95.72
    平均体质量 Average body mass/g 5.94 8.55 11.05
    优势种 Dominant species 黄鳍马面鲀 Thamnaconus hypargyreus 短吻鲾 Leiognathus brevirostris 短吻鲾 Leiognathus brevirostris
    短吻鲾 Leiognathus brevirostris 黄斑蓝子鱼 Siganus oramin 黄斑蓝子鱼 Siganus oramin
    细条天竺鲷 Apogon lineatus
    下载: 导出CSV

    表  2   大亚湾夏季鱼类生物量粒径谱主要参数比较

    Table  2   Comparison of main parameters of fish biomass size spectrum of Daya Bay in summer

    年份
    Year
    总生物量
    Total biomass/(kg·km−2)
    粒径级范围
    Size range/g
    峰值对应粒径级
    Size class of the peak/g
    拟合方程
    Fitted equation
    R2
    2015632.6[0.5,512][8,16]y=−0.33x2+2.03x+10.760.95
    2017359.4[0.5,256][8,16]y=−0.50x2+3.19x+8.450.97
    2018830.6[0.5,512][16,32]y=−0.37x2+2.59x+7.760.92
    下载: 导出CSV

    表  3   大亚湾海域夏季各区域鱼类Sheldon 型生物量粒径谱年际比较

    Table  3   Interannual comparison of Sheldon-type biomass particle size spectra of fish in different regions of Daya Bay in summer

    年份
    Year
    海域
    Area
    峰型
    Peak shape
    粒径级
    范围
    Size range/g
    峰值区
    Peak zone/g
    主要物种组成
    Major species composition
    2015 沿岸海域 单峰 [0.5,128] [8,16] 短吻鲾
    Leiognathus brevirostris
    南方䲗
    Callionymus meridionalis
    及达副叶鲹
    Alepes djedaba
    中部海域 单峰 [0.5,128] [8,16] 短吻鲾
    Leiognathus brevirostris
    南方䲗
    Callionymus meridionalis
    六指马鲅
    Polynemus sextarius
    湾口海域 单峰 [0.5,128] [8,16] 南方䲗
    Callionymus meridionalis
    短吻鲾
    Leiognathus brevirostris
    黄鳍马面鲀
    Thamnaconus hypargyreus
    2017 沿岸海域 单峰 [0.5,256] [8,16] 短吻鲾
    Leiognathus brevirostris
    黄斑蓝子鱼
    Siganus oramin

    Therapon theraps
    中部海域 单峰 [1,128] [8,16] 短吻鲾
    Leiognathus brevirostris
    黄斑蓝子鱼
    Siganus oramin
    李氏䲗
    Callionymus richardsoni
    湾口海域 单峰 [1,128] [8,16] 黄斑蓝子鱼
    Siganus oramin
    短吻鲾
    Leiognathus brevirostris
    李氏䲗
    Callionymus richardsoni
    2018 沿岸海域 单峰 [0.5,128] [32,64] 金钱鱼
    Scatophagus argus
    白姑鱼
    Argyrosomus argentatus
    黄鳍鲷
    Acanthopagrus latus
    中部海域 直线 [1,512]
    湾口海域 单峰 [1,128] [16,32] 二长棘犁齿鲷
    Evynnis cardinalis
    截尾白姑鱼
    Pennahia anea
    丽叶鲹
    Caranx kalla
    注:−. 无数据 Note: −. no data
    下载: 导出CSV

    表  4   大亚湾海域夏季各区域鱼类标准化生物量粒径谱年际比较

    Table  4   Interannual comparison of normalized biomass particle size spectra of fish in different regions of Daya Bay in summer

    年份
    Year
    海域
    Area
    生物量
    Biomass/(g·km−2)
    拟合曲线方程
    Fit curve equation
    曲率
    Curvature
    R2
    2015 沿岸海域 84 883.1 y=−0.33x2+1.61x+9.83 −0.33 0.84
    中部海域 82 837.2 y=−0.37x2+1.94x+9.29 −0.37 0.77
    湾口海域 57 665.3 y=−0.46x2+2.78x+6.77 −0.46 0.88
    2017 沿岸海域 137 681.5 y=−0.43x2+2.60x+8.58 −0.43 0.98
    中部海域 74 723.9 y=−0.52x2+3.48x+5.78 −0.52 0.97
    湾口海域 52 992.3 y=−0.65x2+4.73x+2.55 −0.65 0.97
    2018 沿岸海域 112 390.1 y=−0.37x2+2.55x+7.40 −0.37 0.97
    中部海域 14 693.2 y=−0.03x2+0.21x+5.14 −0.03 0.93
    湾口海域 16 183.2 y=−0.42x2+2.78x+4.47 −0.42 0.72
    下载: 导出CSV

    表  5   亚湾海域夏季主要环境因子的年际变化

    Table  5   Interannual variations of major environmental factors in Daya Bay in summer

    年份
    Year
    海表温度
    Sea surface temperature/℃
    海表盐度
    Sea surface salinity
    水深
    Water depth/m
    pH溶解氧
    Dissolved oxygen/(mg·L−1)
    2015 26.20~30.10 32.73~35.73 3.30~19.00 7.89~8.32 4.80~8.88
    2017 27.50~30.90 26.06~35.03 2.50~19.50 8.05~8.49 5.63~11.93
    2018 29.20~33.60 20.94~30.52 3.00~16.00 8.30~8.52 4.36~9.68
    下载: 导出CSV

    表  6   大亚湾海域夏季主要鱼类物种生物量的年际比较

    Table  6   Interannual comparison of biomass of major fish species in Daya Bay in summer

    物种
    Species
    201520172018
    密度
    Density/
    (尾·km−2)
    生物量
    Biomass/
    (kg·km−2)
    密度
    Density/
    (尾·km−2)
    生物量
    Biomass/
    (kg·km−2)
    密度
    Density/
    (尾·km−2)
    生物量
    Biomass/
    (kg·km−2)
    青石斑鱼 Epinephelus awoara 63 0.4 40 2.0 138 17.0
    带鱼 Trichiurus lepturus 0 0 40 0.6 69 4.8
    真鲷 Pagrosomus major 0 0 0 0 207 8.7
    黄姑鱼 Nibea albiflora 0 0 40 4.6 69 22.1
    金钱鱼 Scatophagus argus 0 0 0 0 322 15.9
    下载: 导出CSV
  • [1]

    SHELDON R W, PARSONS T R. A continuous size spectrum for particulate matter in the sea[J]. J Fish Res Board Can, 1967, 24(5): 909-915. doi: 10.1139/f67-081

    [2] 郭建忠, 陈作志, 徐姗楠. 鱼类粒径谱研究进展[J]. 海洋渔业, 2017, 39(5): 582-591. doi: 10.3969/j.issn.1004-2490.2017.05.012
    [3] 周林滨, 谭烨辉, 黄良民, 等. 水生生物粒径谱/生物量谱研究进展[J]. 生态学报, 2010, 30(12): 3319-3333.
    [4]

    LEFORT S, AUMONT O, BOPP L, et al. Spatial and body-size dependent response of marine pelagic communities to projected global climate change[J]. Global Change Biol, 2015, 21(1): 154-164. doi: 10.1111/gcb.12679

    [5]

    GUIET J, POGGIALE J C, MAURY O. Modelling the community size-spectrum: recent developments and new directions[J]. Ecol Model, 2016, 337: 4-14. doi: 10.1016/j.ecolmodel.2016.05.015

    [6]

    DUPLISEA D E, KERR S R. Application of a biomass size spectrum model to demersal fish data from the scotian shelf[J]. J Theor Biol, 1995, 177(3): 263-269. doi: 10.1006/jtbi.1995.0243

    [7]

    GRAHAM N, DULVY N K, JENNINGS S, et al. Size-spectra as indicators of the effects of fishing on coral reef fish assemblages[J]. Coral Reefs, 2005, 24(1): 118-124. doi: 10.1007/s00338-004-0466-y

    [8]

    JUNG S, HOUDE E D. Fish biomass size spectra in Chesapeake Bay[J]. Estuar Coast, 2005, 28(2): 226-240. doi: 10.1007/BF02732857

    [9]

    BLANCHARD J L, ANDERSEN K H, SCOTT F, et al. Evaluating targets and trade-offs among fisheries and conservation objectives using a multispecies size spectrum model[J]. J Appl Ecol, 2014, 51(3): 612-622. doi: 10.1111/1365-2664.12238

    [10] 林秋奇, 赵帅营, 韩博平, 等. 广东流溪河水库后生浮游动物生物量谱时空异质性[J]. 湖泊科学, 2006, 18(6): 661-669. doi: 10.3321/j.issn:1003-5427.2006.06.016
    [11] 宋伦, 王年斌, 宋永刚, 等. 辽宁近岸浑浊海域网采浮游生物的粒径结构特征[J]. 应用生态学报, 2013, 24(4): 900-908.
    [12] 林岿璇, 张志南, 王睿照. 东、黄海典型站位底栖动物粒径谱研究[J]. 生态学报, 2004, 24(2): 241-245. doi: 10.3321/j.issn:1000-0933.2004.02.011
    [13] 饶义勇, 蔡立哲, 黄聪丽, 等. 湛江高桥红树林湿地底栖动物粒径谱[J]. 生态学报, 2015, 35(21): 7182-7189.
    [14] 徐姗楠, 郭建忠, 陈作志, 等. 大亚湾鱼类生物量粒径谱特征[J]. 中国水产科学, 2019, 26(1): 34-43.
    [15]

    CHEN Z Z, XU S N, QIU Y S. Using a food-web model to assess the trophic structure and energy flows in Daya Bay, China[J]. Cont Shelf Res, 2015, 111: 316-326. doi: 10.1016/j.csr.2015.08.013

    [16]

    FETZER W W, ROTH B M, INFANTE D M, et al. Spatial and temporal dynamics of nearshore fish communities in Lake Michigan and Lake Huron[J]. J Great Lakes Res, 2017, 43(2): 319-334. doi: 10.1016/j.jglr.2016.12.003

    [17]

    LOTZE H K, LENIHAN H S, BOURQUE B J, et al. Depletion, degradation, and recovery potential of estuaries and coastal seas[J]. Science, 2005, 312(5781): 1806-1809.

    [18] 徐恭昭. 大亚湾环境与资源[M]. 合肥: 安徽科学技术出版社, 1989: 245-272.
    [19]

    SUN C C, WANG Y S, WU M L, et al. Seasonal variation of water quality and phytoplankton response patterns in Daya Bay, China[J]. Int J Env Res Pub, 2011, 8(7): 2951-2966. doi: 10.3390/ijerph8072951

    [20] 谢福武, 刘华雪, 黄洪辉, 等. 大亚湾浮游植物粒级结构对温排水和营养盐输入的响应[J]. 热带海洋学报, 2018, 37(3): 55-64.
    [21] 杜飞雁, 李纯厚, 廖秀丽, 等. 大亚湾海域浮游动物生物量变化特征[J]. 海洋环境科学, 2006, 25(S1): 37-39.
    [22] 王肇鼎, 练健生, 胡建兴, 等. 大亚湾生态环境的退化现状与特征[J]. 生态科学, 2003, 22(4): 313-320. doi: 10.3969/j.issn.1008-8873.2003.04.006
    [23] 王雪辉, 杜飞雁, 邱永松, 等. 1980-2007年大亚湾鱼类物种多样性、区系特征和数量变化[J]. 应用生态学报, 2010, 21(9): 2403-2410.
    [24] 陈丕茂, 袁华荣, 贾晓平, 等. 大亚湾杨梅坑人工鱼礁区渔业资源变动初步研究[J]. 南方水产科学, 2013, 9(5): 100-108. doi: 10.3969/j.issn.2095-0780.2013.05.016
    [25] 郭建忠, 陈作志, 许友伟, 等. 人类活动对大亚湾海域鱼类群落多样性及其演替的影响[J]. 中国水产科学, 2018, 25(3): 595-607.
    [26] 林昭进, 王雪辉, 江艳娥. 大亚湾鱼卵数量分布及种类组成特征[J]. 中国水产科学, 2010, 17(3): 543-550.
    [27] 成庆泰, 郑葆珊. 中国鱼类系统检索.下册[M]. 北京: 科学出版社, 1987: 287-293.
    [28]

    NELSON J S. Fishes of the World, 4th Edition[J]. Fish Fish, 2006, 7(4): 334. doi: 10.1111/j.1467-2979.2006.00227.x

    [29]

    WARWICK R M. A new method for detecting pollution effects on marine macrobenthic communities[J]. Mar Biol, 1986, 92(4): 557-562. doi: 10.1007/BF00392515

    [30]

    YEMANE D, FIELD J G, LESLIE R W. Exploring the effects of fishing on fish assemblages using Abundance Biomass Comparison (ABC) curves[J]. ICES J Mar Sci, 2005, 62(3): 374-379. doi: 10.1016/j.icesjms.2005.01.009

    [31] 晏磊, 谭永光, 杨炳忠, 等. 基于张网渔业休渔前后的黄茅海河口渔业资源群落比较[J]. 南方水产科学, 2016, 12(6): 1-8. doi: 10.3969/j.issn.2095-0780.2016.06.001
    [32]

    SPRULES W, MUNAWAR M. Plankton size spectra in relation to ecosystem productivity, size, and perturbation[J]. Can J Fish Aquat Sci, 1986, 43(9): 1789-1794. doi: 10.1139/f86-222

    [33]

    SPRULES W G, STOCKWELL J D. Size-based biomass and production models in the St Lawrence Great Lakes[J]. ICES J Mar Sci, 1995, 52(3/4): 705-710.

    [34]

    KERR S R, DICKIE L M. The biomass spectrum[M]. New York: Columbia University Press, 2001: 110-128.

    [35]

    MACPHERSON E, GORDOA A. Biomass spectra in benthic fish assemblages in the Benguela System[J]. Mar Ecol Prog, 1996, 138(1/2/3): 27-32.

    [36]

    TREBILCO R, BAUM J K, SALOMON A K, et al. Ecosystem ecology: size-based constraints on the pyramids of life[J]. Trends Ecol Evol, 2013, 28(7): 423-431. doi: 10.1016/j.tree.2013.03.008

    [37]

    ROCHET M J, BENOIT E. Fishing destabilizes the biomass flow in the marine size spectrum[J]. Proc Biol Sci, 2012, 279(1727): 284-292. doi: 10.1098/rspb.2011.0893

    [38] 詹秉义. 渔业资源评估[M]. 北京: 中国农业出版社, 1995: 257-260.
    [39]

    SHINDO S. General review of the trawl fishery and the demersal fish stocks of the South China Sea[R]. Rome: FAO Fish Tech Pap, 1973, 120: 1-49.

    [40]

    SHELDON R W, PRAKASH A, SUTCLIFFE W H. The size distribution of particles in the ocean[J]. Limnol Oceanogr, 1972, 17(3): 327-340. doi: 10.4319/lo.1972.17.3.0327

    [41]

    PINKAS L, OLIPHANT M S, IVERSON I L K. Food habits of albacore, bluefin tuna, and bonito in California waters[J]. Calif Dep Fish Game, Fish Bull, 1971, 152: 1-105.

    [42]

    CLARKE K R, AINSWORTH M. A method of linking multivariate community structure to environmental variables[J]. Mar Ecol Prog Ser, 1993, 92(3): 205-219.

    [43] 李圣法. 以数量生物量比较曲线评价东海鱼类群落的状况[J]. 中国水产科学, 2008, 15(1): 136-144. doi: 10.3321/j.issn:1005-8737.2008.01.018
    [44]

    FENBERG P B, ROY K. Ecological and evolutionary consequences of size-selective harvesting: how much do we know?[J]. Mol Ecol, 2008, 17(1): 209-220. doi: 10.1111/j.1365-294X.2007.03522.x

    [45] 王跃中, 孙典荣, 贾晓平, 等. 捕捞压力和气候变化对东海马面鲀渔获量的影响[J]. 南方水产科学, 2013, 9(1): 8-15. doi: 10.3969/j.issn.2095-0780.2013.01.002
    [46] 施震, 黄小平. 大亚湾海域氮磷硅结构及其时空分布特征[J]. 海洋环境科学, 2013, 32(6): 118-123.
    [47]

    HAEDRICH R L, BARNES S M. Changes over time of the size structure in an exploited shelf fish community[J]. Fish Res, 1997, 31(3): 229-239. doi: 10.1016/S0165-7836(97)00023-4

    [48]

    SVEDANG H. The inshore demersal fish community on the Swedish Skagerrak coast: regulation by recruitment from offshore sources[J]. ICES J Mar Sci, 2003, 60(1): 23-31. doi: 10.1006/jmsc.2002.1329

    [49]

    JENNINGS S, GREENSTREET S P R, HILL L, et al. Long-term trends in trophic structure of the North Sea fish community: evidence from stable-isotope analysis, size spectra and community metrics[J]. Mar Biol, 2002, 141(6): 1085-1097. doi: 10.1007/s00227-002-0905-7

    [50]

    SILVERT W, PLATT T. Energy flux in the pelagic ecosystem: a time-dependent equation[J]. Limnol Oceanogr, 1978, 23(4): 813-816. doi: 10.4319/lo.1978.23.4.0813

    [51]

    MACPHERSON E, GORDOA A, GARCIA-RUBIES A. Biomass size spectra in littoral fishes in protected and unprotected areas in the NW Mediterranean[J]. Estuar Coast Shelf Sci, 2002, 55(5): 777-788. doi: 10.1006/ecss.2001.0939

    [52] 郭建忠, 陈作志, 许友伟, 等. 大亚湾鱼类资源数量的时空分布特征[J]. 中国海洋大学学报, 2018, 48(12): 47-55.
    [53]

    WANG Y S, LOU Z P, SUN C C, et al. Ecological environment changes in Daya Bay, China, from 1982 to 2004[J]. Mar Pollut Bull, 2008, 56(11): 1871-1879. doi: 10.1016/j.marpolbul.2008.07.017

    [54] 李纯厚, 徐姗楠, 杜飞雁, 等. 大亚湾生态系统对人类活动的响应及健康评价[J]. 中国渔业质量与标准, 2015, 5(1): 1-10.
  • 期刊类型引用(2)

    1. 林彬彬,袁泉,田志新,潘显斌,周文宗,徐震. 基于SSA- LSTM模型的黄鳝池溶氧预测研究. 渔业现代化. 2023(01): 71-79 . 百度学术
    2. 曹晓莉,李昭林,胡毅. 低鱼粉饲料中添加牛磺酸对黄鳝生长、消化率及肠道酶活性的影响. 南方水产科学. 2021(05): 64-70 . 本站查看

    其他类型引用(2)

图(6)  /  表(6)
计量
  • 文章访问数:  4182
  • HTML全文浏览量:  1797
  • PDF下载量:  61
  • 被引次数: 4
出版历程
  • 收稿日期:  2020-02-08
  • 修回日期:  2020-03-29
  • 录用日期:  2020-04-14
  • 网络出版日期:  2020-04-27
  • 刊出日期:  2020-08-04

目录

/

返回文章
返回