中太平洋黄鳍金枪鱼CPUE时空分布及其与环境因子的关系

李东旭, 邹晓荣, 周淑婷

李东旭, 邹晓荣, 周淑婷. 中太平洋黄鳍金枪鱼CPUE时空分布及其与环境因子的关系[J]. 南方水产科学, 2024, 20(4): 68-76. DOI: 10.12131/20240047
引用本文: 李东旭, 邹晓荣, 周淑婷. 中太平洋黄鳍金枪鱼CPUE时空分布及其与环境因子的关系[J]. 南方水产科学, 2024, 20(4): 68-76. DOI: 10.12131/20240047
LI Dongxu, ZOU Xiaorong, ZHOU Shuting. Spatio-temporal distribution of Thunnus albacares CPUE and its relationship with environmental factors in central Pacific Ocean[J]. South China Fisheries Science, 2024, 20(4): 68-76. DOI: 10.12131/20240047
Citation: LI Dongxu, ZOU Xiaorong, ZHOU Shuting. Spatio-temporal distribution of Thunnus albacares CPUE and its relationship with environmental factors in central Pacific Ocean[J]. South China Fisheries Science, 2024, 20(4): 68-76. DOI: 10.12131/20240047

中太平洋黄鳍金枪鱼CPUE时空分布及其与环境因子的关系

基金项目: 浙江省“领雁”重大攻关计划项目 (2022C02025)
详细信息
    作者简介:

    李东旭 (1997—),男,硕士研究生,研究方向为远洋渔业系统集成。E-mail: 2551547673@qq.com

    通讯作者:

    邹晓荣 (1971—),男,副教授,硕士,研究方向为远洋渔业系统集成。E-mail: xrzou@shou.edu.cn

  • 中图分类号: S 977

Spatio-temporal distribution of Thunnus albacares CPUE and its relationship with environmental factors in central Pacific Ocean

  • 摘要:

    中太平洋黄鳍金枪鱼(Thunnus albacares) 是中国金枪鱼延绳钓渔业的主要捕捞对象之一。为提高捕捞效率,促进资源可持续利用,利用2018—2022年中太平洋黄鳍金枪鱼延绳钓生产数据,结合不同水层的温度、叶绿素a浓度和海表盐度等环境因子,通过构建广义加性模型 (GAM) 和神级广义相加模型 (nodeGAM),分析了太平洋中部黄鳍金枪鱼单位捕捞努力量渔获量 (Catch perunit of effort, CPUE) 时空分布及其与环境因子的关系。结果表明:中太平洋黄鳍金枪鱼的盛渔期在5—7月,CPUE主要分布在赤道以南,在5°S附近最盛。与GAM模型 (偏差解释率为29.4%,均方误差为0.149) 相比,nodeGAM模型的拟合优度显著提高,偏差解释率达49.4% (提升68.02%),均方误差降至0.103 (降低30.87%)。2种模型均表明,表层温度≥27 °C、100 m水层温度15~20 °C、表层盐度34.2‰~35.2‰、叶绿素a质量浓度0.1~0.25 mg·m−3为黄鳍金枪鱼适宜的环境因子范围。与GAM模型相比,nodeGAM模型的拟合效果和解释能力更优,从模型输出的效应曲线来看,nodeGAM模型能更好地反映CPUE与环境因子间的非线性关系。

    Abstract:

    Yellowfin tuna (Thunnus albacares) is one of the primary target species in China's tuna longline fishing industry. In order to improve fishing efficiency and promote sustainable use of resources, based on the longline production data of T. albacares in central Pacific Ocean from 2018 to 2022, combining with the environmental factors, such as temperature at different water layers, concentration of chlorophyll a, and salinity of sea surface (SSS), we analyzed the spatio-temporal distribution of the catch perunit of effort (CPUE) of T. albacares in that sea area and its relationship with environmental factors by constructing two models (GAM and nodeGAM). The results show that the peak season of T. albacares in the central Pacific Ocean was from May to July, and the CPUE was mainly distributed in the southern equatorial Pacific, with the highest tuna catches near 5°S. Compared with GAM [Bias explained rate 29.4%, Mean-square error (MSE) 0.149], the nodeGAM showed significantly better goodness-of-fit with a bias explained rate of 49.4% (68.02% enhancement), and the MSE reduced to 0.103 (Decrease of 30.87%). Both models indicate that T0 ≥27 °C, T100 of 15−20 °C, SSS of 34.2‰−35.2‰, and CHL-a concentration of 0.1−0.25 mg·m−3 were the suitable environmental ranges for T. albacares. Compared with GAM, nodeGAM has a better fitting effect and explanatory ability. According to the effect curves of the model output, nodeGAM can better reflect the nonlinear relationship between CPUE and environmental factors.

  • 南海又称南中国海或中国南海,是世界第三大边缘海[1],拥有丰富的海洋生物资源。同时,南海也是海上“丝绸之路”的起点和国家海洋强国战略的“主战场”,具有重要的生态、经济和政治意义。但20世纪80年代以来,南海渔业资源受海洋污染和过度捕捞的双重影响而不断衰退[2]。因此自1999年起,我国政府开始对南海区域渔船数量等进行管控,调整渔业生产结构,以降低南海渔业资源的开发强度[3],保护海洋渔业资源。

    鱼类是海洋中最主要的动物类群,现存种类主要包括硬骨鱼纲、软骨鱼纲、盲鳗纲和头甲纲4个纲[4]。张俊等[5]发现南海中南部中层鱼中硬骨鱼纲的种类最多,是南海海洋生态系统的主要物种。鳃是鱼类等海洋生物的主要呼吸器官,除了具有呼吸作用,还具有滤食、渗透压调节、pH平衡调节和氨排泄等功能[6]。同时,鳃也是海洋环境微生物进入宿主体内的第一道关卡,对宿主内生的微生物群落具有重要调控作用。海洋鱼类鳃组织中的微生物类群是一个重要的免疫屏障,也是鱼类抵御海洋环境中潜在病原体的第一道防线。研究发现,鱼类鳃组织中的细菌与宿主的疾病具有重要的相关性,Toenshoff等[7]通过对大西洋鲑 (Salmon salar) 鳃组织菌群研究发现了一种新型的β-proteobacterial会引起宿主鱼体上皮囊炎等疾病。因此,对鳃组织上附着的微生物群落进行研究,对更好地理解海洋动物在海洋环境中的适应性作用、以及病原入侵与鱼类病害的发生机制具有重要意义。近年来,海洋鱼类微生物研究大多关注在各种鱼类的肠道组织,如日本花鲈 (Lateolabrax japonicus)[8]、大西洋鳕 (Gadus morhua)[9]、大西洋鲑[10]、大菱鲆 (Scophthalmus maximus)[11]和大黄鱼 (Larimichthys crocea)[12]等经济性物种,而围绕鳃组织微生物多样性及其功能的研究匮乏。王小彤和许强华[13]报道了4种南极鱼类鳃组织微生物群落多样性,Pratte等[14]对珊瑚礁不同鱼类鳃组织微生物群落多样性进行了报道。但相较于种类繁多的海洋鱼类资源,鳃组织微生物的研究数据还十分匮乏。

    16S rDNA (或16S rRNA) 基因作为细菌的保守特征序列是进行细菌系统发育和分类鉴定的标签基因[15]。随着高通量测序成本的降低和扩增子 (Amplicon) 技术的日臻完善,16S rDNA扩增子已逐渐成为微生物多样性研究的主流方法[16]。本研究基于16S扩增子技术,对从南海近岸海域7个站点采集的45种海洋硬骨鱼纲生物的鳃组织样品进行了细菌群落分析,以期为了解影响海洋动物鳃组织微生物群落的主要因素、探索海洋动物与海洋环境微生物的相互依存关系提供参考。

    2019年3月,在7个站点共采集了52份鱼类鳃组织样品 (分类见表1),分属于11目33科40属的45种硬骨鱼纲鱼类。7个站点的位置见图1,其中D3、D8、F3、F8、H3、H8和I9站点距离海岸的距离分别为60、215、10、175、20、130和165 km。采集到的鲜活样品迅速装于无菌密封袋中,于−80 ℃暂存。上岸后用无菌解剖工具完整取下鳃组织并于液氮中速冻后,置于−80 ℃长期保存。本实验将同一站点采集的同种鱼类的鳃组织,根据鱼体大小,进行1~3尾的混合而作为一个样品,以保证文库构建和测序数据的质量。

    表  1  样品分类信息
    Table  1  Taxonomy information of samples
    站点
    Sampling station
    样品编号
    Sample ID

    Order
    物种
    Species
    D3D3.1S 鲈形目 条纹䱨 Terapon theraps
    D3D3.2S 鲈形目 日本金线鱼 Nemipterus japonicus
    D3D3C.2S 鲈形目 列牙䱨 Pelates quadrilineatus
    F3F3.2S 鲈形目 鹿斑鲾 Leiognathus ruconius
    F3F3.4S 鲽形目 少牙斑鲆 Pseudorhombus oligodon
    F3F3.5S 鲈形目 带鱼 Trichiurus lepturus
    D8D8.1S 鲈形目 蓝圆鲹 Decapterus maruadsi
    D8D8.3S 鳗鲡目 网纹裸胸鳝 Gymnothorax reticularis
    D8D8.5S 鮟目 黑鮟 Lophiomus setigerus
    D8D8.6S 鲉形目 环纹蓑鲥 Pterois lunulata
    D8D8.8S 鲈形目 深水金线鱼 Nemipterus bathybius
    D8D8.12S 鲉形目 深海红娘鱼 Lepidotrigla abyssalis
    F8F8.1S 鲉形目 环纹蓑鲥 Pterois lunulata
    F8F8.4S 鲉形目 单棘豹鲂鮄 Daicocus peterseni
    F8F8.8S 鲈形目 二长棘鲷 Parargyrops edita
    F8F8.11S 鮟目 棘茄鱼 Halieutaea stellata
    F8F8.16S 鲉形目 日本红娘鱼 Lepidotrigla japonice
    F8F8.17S 鲉形目 拟蓑鲉 Parapterois heterurus
    F8F8.18S 海龙鱼目 鳞烟管鱼 Fistularia petimba
    H3H3.3S 鲈形目 翼红娘鱼 Lepidotrigla alata
    H3H3.4S 鲈形目 中华䲢 Uranoscopus chinensis
    H3H3.5S 鳗鲡目 大鳞鳞头鲉 Sebastapistes megalepis
    H3H3.7S 鮟目 无备虎鲉 Minous inermis
    H8H8.1S 鲉形目 大鳞短额鲆 Engyprosopon grandisquama
    H8H8.2S 鲈形目 鳞烟管鱼 Fistularia petimba
    H8H8.3S 鲉形目 繁星鲆 Bothus myriaster
    H8H8.7S 鲉形目 孔鰕虎鱼 Trypauchen vagina
    H8H8.10S 鲉形目 斑鰶 Konosirus punctatus
    H8H8.12S 鲈形目 皮氏叫姑鱼 Johnius belangerii
    H8H8.15S 鮟目 短吻鲾 Leiognathus brevirostris
    H8H8.24S 鲉形目 大头狗母鱼 Trachinocephalus myops
    H8H8.25S 鲉形目 大头狗母鱼 Trachinocephalus myops
    I9I9.1S 海龙鱼目 大鳞鳞头鲉 Sebastapistes megalepis
    I9I9.5S 鲉形目 黄纹拟鲈 Parapercis xanthozona
    I9I9.7S 鲈形目 寿鱼 Banjos banjos
    I9I9.8S 鲉形目 棕斑宽吻鲀 Amblyrhynchotes rufopunctatus
    I9I9.9S 鲉形目 单棘豹鲂鮄 Daicocus peterseni
    I9I9.10S 鲽形目 松球鱼 Monocentris japonica
    I9I9.11S 海龙鱼目 新平鲉 Neosebastes entaxis
    I9I9.12S 鲽形目 二长棘鲷 Parargyrops edita
    I9I9.13S 鲈形目 横带眶棘鲈 Scolopsis inermis
    I9I9.14S 鲱形目 盔蓑鲉 Ebosia bleekeri
    I9I9.15S 鲈形目 冠鲽 Samaris cristatus
    I9I9.16S 鲈形目 叉斑狗母鱼 Synodus macrops
    I9I9.17S 海龙鱼目 美尾䲗 Calliurichthys japonicus
    I9I9.18S 鲉形目 瑞氏红鲂鮄 Satyrichthys rieffeli
    I9I9.20S 鲉形目 虻鲉 Erisphex pottii
    I9I9.21S 鲉形目 红鲬 Bembras japonicus
    I9I9.22S 鲈形目 六带拟鲈 Parapercis sexfasciata
    I9I9.23S 鲈形目 黄纹拟鲈 Parapercis xanthozona
    I9I9.24S 鲈形目 尖牙鲈 Synagrops japonicus
    I9I9.25S 鲈形目 水珍鱼 Argentina kagoshimae
    下载: 导出CSV 
    | 显示表格
    图  1  广东近岸南海海域采样站点示意图
    Fig. 1  Diagram of sampling stations in Guangdong coastal waters in South China Sea

    分别按照采样站位、宿主来源可将52个样品进行两种分组编排。依站点不同可分为7组,依宿主目水平可分为3组,其中鲈形目样品最多 (19个),鲉形目16个,其他小目统一编为一组 (17个)。

    使用HiPure Bacterial DNA kit (Magen,广州) 试剂盒,参照说明书进行总DNA提取,利用Thermo NanoDrop One (Thermo Fisher Scientific Inc., 上海) 检测DNA的纯度和浓度。针对16S rDNA基因的V4区进行巢套式扩增,使用带barcode的特异引物及TaKaRa Premix Taq® Version 2.0 (TaKaRa Biotechnology Co., 大连) 进行PCR扩增。所用一轮引物为27F (5'-AGAGTTTGATCCTGGCTCAG-3') 和1492R (5'-TACGGYTACCTTGTTAYGACTT-3'),二轮引物为515F (5'-GTGCCAGCMGCCGCGGTAA-3') 和806R (5'-GGACTACHVGGGTWTCTAAT-3'),扩增区域长度为310 bp。一轮PCR反应体系为 (20 μL):Premix TaqTM (Ex TaqTM Version 2.0 plus dye)/Mix 10 μL,上下游引物 (10 μmol·L−1) 各0.4 μL,模板DNA (40~60 ng) 各1 μL,Nuclease-free water 8 μL。二轮PCR反应体系 (50 μL) 为:Premix TaqTM (Ex TaqTM Version 2.0 plus dye)/Mix 25 μL,上下游引物 (10 μmol·L−1) 各1 μL,模板DNA (40~60 ng) 1 μL,Nuclease-free water 22 μL。PCR反应条件为94 ℃ 5 min;94 ℃ 30 s,53 ℃ 30 s,72 ℃ 30 s,30个循环;72 ℃ 8 min。DNA提取、文库构建及测序工作委托广东美格基因科技有限公司进行。

    采用Illumina Nova 6000平台对构建的扩增子文库进行PE250测序 (广东美格基因科技有限公司, 广州),测序完成后得到原始的下机数据:双端原始序列 (Paired-end Raw Reads),利用fastp[17] (An ultra-fast all-in-one FASTQ preprocessor, V 0.14.1,https://github.com/OpenGene/fastp) 分别对两端的原始序列进行滑窗 (sliding window) 质量剪裁,同时根据序列首尾两端的引物信息利用cutadapt软件 (https://github.com/marcelm/cutadapt/) 去除引物,得到质控和过滤后高质量的双端优化序列 (Clean Reads)。对于双端优化序列,根据reads之间的overlap关系,利用usearch-fastq_mergepairs (V10, http://www.drive5.com/usearch/预设参数包含最小overlap长度设置为16 bp,拼接序列的overlap区允许的最大错配5 bp等) 过滤不符合的Tags,获得原始的拼接序列 (Raw Tags),利用fastp对拼接序列数据进行滑窗质量剪裁,得到优化的拼接序列 (Clean Tags)。利用UPARSE[18]方法进行OTU聚类。利用usearch-sintax将每个OTU的代表序列与SILVA (16S)、RDP (16S)、Greengenes (16S) 数据库进行比对获得物种注释信息,以达到了解所有序列物种来源的目的,最终用SILVA (16S) 数据库注释得到的OTU结果进行后续分析。

    使用过滤后获得的最终OTU丰度表进一步进行物种群落组成分析、Alpha多样性分析、Beta多样性分析。Alpha多样性使用物种丰富度或均匀度来表征,其中Chao1[19]、 ACE和Observed species指数用于估算群落物种丰富度[20]。而Shannon[21]和Simpson指数用于反映群落物种多样性。Beta多样性通过非度量多维尺度分析 (Nonmetric Multidimensional Scaling, NMDS) 来表征,NMDS 可以基于进化关系或数量距离矩阵对比样本之间的差异。

    使用PICRUSt软件[22]预测OTU的功能,首先消除16S marker gene在物种基因组中的拷贝数的影响,然后通过每个OTU所对应的greengene id,分别比对到京都基因和基因组百科全书 (Kyoto Encyclopedia of Genes and Genomes, KEGG) 数据库和COG (Clusters of Orthologous Groups) 数据库,获得功能预测信息,根据OTU丰度计算各功能类别的丰度,分别得到各样本在不同分类水平的功能丰度表。

    使用在线微生物组分析平台MicrobiomeAnalyst (https://www.microbiomeanalyst.ca) 进行微生物数据的多样性和功能分析[23]

    对52份16S rDNA文库进行测序,共获得有效拼接序列2 952 366条,平均每个文库56 776条;共产生10 617个OTU。图2表明各样本稀释曲线随着测序深度的增加逐渐趋于平缓,所有样品均达到平台期,表明本研究的测序深度足够。由稀释曲线的位置可知,I9站点样品的OTU数量相对较高,D8站点样品较低。

    图  2  各个样本的稀释曲线
    Fig. 2  Rarefaction curve of each sample

    对不同站点样品的细菌门水平分类组成和相对丰度情况进行了统计 (图3)。在总体水平上,平均相对丰度≥1%的优势菌门依次为变形菌门 (Proteobacteria, 71.3%)、厚壁菌门 (Firmicutes, 10.3%)、浮霉菌门 (Planctomycetes, 8.3%)、放线菌门 (Actinobacteria, 3.4%)、拟杆菌门 (Bacteroidetes, 2.1%) 和蓝细菌 (Cyanobacteria, 1%)。不同站点的优势菌门丰度不同,但变形菌门均为所有站点中丰度最高的优势类群,其中以F3和F8站点最高,D3站点最低。厚壁菌门主要分布于D3、D8、I9站点,而浮霉菌门主要分布于D3、H8、I9站点,其他门在不同站点间丰度比例略有差异。另外,F3和F8站点的细菌种类较少,而H8和I9站点的细菌种类相对较多。

    图  3  鱼鳃细菌门水平物种组成相对丰度
    Fig. 3  Relative abundance of taxonomy composition of bacteria in fish gill at phylum level

    进一步在属水平上对各站点样品的分类组成和相对丰度进行统计分析。在所有站点中,相对丰度≥2%的优势菌属依次为不动杆菌属 (Acinetobacter, 17.2%)、青枯菌属 (Ralstonia, 7.5%)、嗜冷杆菌属 (Psychrobacter, 7.5%)、鞘氨醇单胞菌 (Sphingomonas, 3.5%)、BD1_7_clade (3.3%) 和Clostridium_sensu_stricto_1 (3%,图4)。不同菌属在不同站点的丰度占比不同,但不动杆菌属在所有站点中均为优势菌属。青枯菌属 (26.5%) 和鞘氨醇单胞菌属 (20.5%) 主要分布于F3站点,BD1_7_clade在F8站点占比最高 (20.3%),而嗜冷杆菌属在H3 (20.7%) 和I9站点 (17.9%) 丰度较高。总体来看,D8、H8、I9站点的细菌在属水平上的种类相对其他几个站点较多,各个站点优势菌属的相对丰度相差较大。

    图  4  鱼鳃细菌属水平物种组成相对丰度
    Fig. 4  Relative abundance of taxonomy composition of bacteria in fish gill at genus level

    Alpha多样性指数可用于反映样品内部微生物群落的相对丰度及多样性。本研究计算了各站点分组样品的Alpha多样性指数 (图5)。结果表明,H3、H8和I9站点的物种丰富度,包括Chao1 (图5-a)、ACE (图5-b) 和Observed species指数 (图5-c) 均极显著高于D3、D8、F3和F8站点 (P<0.01),尤以H8和I9最高。各站点的群落多样性,包括Simpson (图5-d) 和Shannon指数 (图5-e),也表现出了显著差异 (P<0.05),其中D3站点最高,F3站点最低。然而,基于宿主目水平的分组结果显示,不同物种分组间的Alpha指数均无显著差异 (P>0.05,图5-f,以Chao1指数为例)。上述结果表明,不同站点细菌群落多样性和丰富度指数均存在显著差异,而基于宿主目水平的分组之间未表现出显著差异。

    图  5  Alpha多样性指数箱线图
    注:a—e. 基于站点分组的Chao1、ACE、Observed、Simpson、Shannon 多样性指数箱线图,不同颜色代表不同站点的样本;f. 基于样本宿主(目水平) 分类分组的Chao1 指数箱线图。
    Fig. 5  Boxplot of Alpha diversity index
    Note: a–e. Boxplot of diversity indexes of Chao1, ACE, Observed, Simpson and Shannon based on site grouping, and different colors represent samples of different sites; f. Boxplot of Chao1 index based on sample host (Order level) classification.

    Beta多样性可用于描述不同样本微生物群落之间物种组成的差异。我们基于不同分组对各个样本进行NMDS分析 (图6)。按照站点分组结果显示,各个站点样本的Beta多样性具有极显著差异 (P<0.001),且不同站点样本分别聚集在一起 (图6-a)。总体来看,与α多样性结果一致,即H3、H8、I9站点与D3、D8、F3、F8站点明显分为两个主要类群。其中D3和F3、D8 和F8 站点的样本距离更近,H3、H8和I9站点的10个样本聚集在一起,I9站点一部分样本单独分群(图6-a:I9-2)。然而,基于样本目水平的分组未发现明显分群,不同的目分组间不存在显著差异 (P>0.05,图6-b)。由此可见,地理站位对硬骨鱼鳃组织内微生物可能具有重要影响,而样本宿主遗传因素可能不是影响鱼鳃细菌群落分布的主要因素。

    图  6  基于不同分组方式的NMDS分析 [非参数多元方差分析 (PerMANOVA)]
    注:a. 基于站点分组的 NMDS 分析; b. 基于样本的目水平分组。图中两个样本点越接近,表示两个样本物种组成越相似。横纵坐标表示样本间的相对距离,无实际意义。图形中的每一个点代表一个样本,不同颜色代表不同的样本分组信息。NMDS 结果的优劣用胁迫系数 (stress) 来衡量,此值越小越好,当小于 0.2 时表示可以用 NMDS 的二维点图表示组间或组内差异。
    Fig. 6  NMDS analysis based on different grouping modes [Nonparametric multivariate analysis of variance (PerMANOVA)]
    Note: a. NMDS analysis based on site grouping; b. Grouping based on the order level of the sample. The closer the two sample points are,the more similar the composition of the two sample species are. The abscissa and ordinate indicate the relative distance between samples, which is of no practical significance. Each point in the graph represents a sample, and different colors represent different sample grouping information. The advantages and disadvantages of testing NMDS results are measured by stress coefficients, the smaller, the better, and the value less than 0.2 indicates that the two-dimensional dot plot of NMDS can be used to represent differences between or within groups.

    基于KEGG比对共获得8个一级层级和41个二级层级功能分类。各样本在一级功能层级组成上的差异不明显 (数据未展示),占比最高的均为基因与新陈代谢相关功能 (Metabolism, 50%),其次是遗传信息处理 (Genetic information processing, 16%)、环境信息处理 (Environmental information processing, 13%)。图7为KEGG数据库比对到的22个相对丰度较高 (>1%) 的二级功能层级热图。总体来看,二级功能层级中膜转运 (Membrane transport)功能丰度最高 (11.02%),其次为氨基酸代谢 (Amino acid metabolism, 10.5%)。但不同功能在不同样本中丰度差异明显,膜转运 (14%)、碳水化合物代谢 (Carbohydrate metabolism, 10%)、氨基酸代谢 (9%)、复制和修复 (Replication and repair, 9%) 在I9.11S中丰度最高,在D8.6S中次之。样本聚类显示鱼鳃中细菌功能基因分布及丰度与站点没有明显的关联性。另外,基于COG数据库预测结果与KEGG的一级功能结果类似 (数据未展示),各样本中的功能基因比例总体差别不大。

    图  7  22个KEGG-L2功能层级相对丰度热图
    注:横坐标代表不同的样本,纵坐标代表不同的功能层级,图片上方色条表示不同分组,并按照样本聚类。
    Fig. 7  Heatmap of relative abundance of 22 KEGG-L2 functional levels
    Note: The abscissa represents different samples; the ordinate represents different functional levels; the color bars indicate different groups, which are clustered according to samples.

    两种功能数据库预测结果均表明,鱼鳃细菌群落可能主要参与了宿主营养物质转运及代谢等相关进程。

    本研究发现,硬骨鱼鳃组织细菌群落中的优势菌门包括变形菌门、厚壁菌门、浮霉菌门、放线菌门、拟杆菌门和蓝细菌,这与其他学者对海洋环境菌群统计分析所得结果一致,如穆大帅等[24]对我国分离鉴定的577种海洋细菌进行多样性分析,发现在门分类水平上分布最多的是变形菌门,其次是拟杆菌门、放线菌门和厚壁菌门。白洁等[25]采用高通量测序方法分析了南海南部海域浮游细菌丰度,发现南海南部海域浮游细菌的优势类群为变形菌门、蓝藻门和拟杆菌门,优势亚群为γ-变形菌纲、α-变形菌纲、蓝藻菌纲和黄杆菌纲。徐新亚等[26]报道广西北部湾分离鉴定到1 843种海洋细菌,分别隶属于放线菌门、拟杆菌门、厚壁菌门、浮霉菌门和变形菌门。本研究结果表明海洋环境与鱼类鳃中的微生物群落至少在门水平上具有较高的一致性。变形菌门作为海洋中主要的微生物类群之一,在海洋生态系统的碳循环、氮循环等多种物质循环过程中均发挥重要作用[27],有研究证实海洋表面的变形菌门含有丰富的固氮种群[28]。厚壁菌门最主要的功能是降解纤维类物质,拟杆菌门主要降解非纤维物质[29-30],而上述3类细菌在鱼鳃组织上的富集可能与宿主在海洋环境中的代谢需求有关。此外,Legrand等[31]认为,黄尾鰤 (Seriola lalandi) 鳃中丰度较高的浮霉菌门可能在海洋鱼类体内固氮作用中发挥功能,有助于促进氮元素在海洋环境与海洋生物之间的垂直传播。由于本研究是通过16S的物种组成反推预测群落功能,并未直接对宏基因组和功能基因进行测序。因此,功能分析结果会与真实情况有一定差距。未来研究还需进一步结合宏基因组测序及海洋环境有机物质的测定,才能更好地解读鳃组织微生物在鱼体环境适应性方面发挥的功能。

    近年来,国内外学者在海洋细菌多样性研究领域贡献了大量成果,但多数只关注水体中游离的细菌,对于宿主,尤其是鳃组织上,共附生细菌群落潜在功能的研究相对较少。本研究预测到鱼类鳃中细菌多参与宿主的新陈代谢过程,积极参与氨基酸代谢反应和碳水化合物代谢反应,表明鱼鳃中细菌可能在碳循环中发挥作用。Kessel等[32]研究了鲤 (Cyprinus carpio) 和斑马鱼 (Danio rerio) 鳃中微生物在氮循环中的作用,结果发现鳃中含有一个活跃的N-循环细菌群,属于β-变形杆菌纲成员,可能对许多鱼类降低氨浓度、防止高浓度氨中毒有益。本研究发现所有样本中均包含丰度不一的β-变形菌纲成员,提示海水鱼类鳃组织中可能也具有类似功能的菌群。Pratte等[14]对于法国Moorea珊瑚礁采集的鱼鳃和肠道等样本的微生物群落进行研究,发现成鱼和幼鱼鳃中的微生物群落组成与肠道有显著差异。鳃中最丰富的细菌是希瓦氏菌属和Endozoicimonaceae成员,且微生物群落与环境样品共享的OTU百分比高达75%,表明鳃微生物组可能受到周围浮游微生物群落变化的影响。本研究中D8站点的网纹裸胸鳝 (Gymnothorax reticularis)、黑鮟 (Lophiomus setigerus)、环纹蓑鲥 (Pterois lunulata) 和深水金线鱼 (Nemipterus bathybius) 中的希瓦氏菌属细菌占比同样较高,与该结果吻合。然而,其他多数样品中则是变形菌门的不动杆菌属细菌比例较高,是所有站点的优势菌属。该结果说明不同站点或不同宿主物种的微生物组成可能差异很大。有研究报道,不动杆菌属细菌作为非发酵革兰阴性菌,具有代谢多样性,可有效降解海水中己内酰胺、石油油烃等海洋污染成分[33]。不动杆菌属在海水鱼鳃部的富集或可有效促进环境污染物等的代谢,从而对宿主产生潜在的保护作用。除了D3站点,其他6个站点的优势菌属还包括嗜冷杆菌属。该属细菌多分布于潮湿、含盐或寒冷的生境中,且能分泌适应低温的酶,可在海洋低温下发挥其生物活性[34],且具有较高的催化效率。然而,本研究发现的广泛存在于鱼鳃组织中的嗜冷杆菌是否也具有类似功能值得深入研究。

    本研究发现站点对鱼鳃细菌群落的影响远高于宿主物种遗传因素的影响。近年来,其他研究者也发现地理位置对海洋环境中的微生物群落产生影响。翟万营等[35]发现地理位置对南极中山站附近海水微生物群落组成有重要影响;Zhang等[36]认为除理化性质外,地理位置对南极中山站、长城站周边土壤样品和近海沉积物中的细菌群落组成产生一定影响。与土壤等环境样本不同,生物体内的微生物群落除受到环境影响外,还会受到饮食、遗传、发育阶段、健康等因素的影响。本研究发现海洋鱼类鳃中的菌群也受到地理位置的影响,可能由不同站点的水质环境、浮游微生物和营养物质与鳃的直接接触造成。海洋动物鳃组织与肠道等内生组织不同,鳃暴露于水体环境中,没有额外的免疫屏障,可能导致鱼鳃细菌群落受到环境的影响尤为显著。鉴于海洋鱼类具有自主、灵活的游泳能力,由此推测,其在海洋微生物传播和海洋微生物群落调节中可能发挥着重要作用。

    此外,本研究还发现I9站点的20个样本明显分为两个群,这可能有两个原因:1) 两个群落在宿主物种水平上存在差异,第一个群落包括大鳞鳞头鲉 (Sebastapistes megalepis)、黄纹拟鲈 (Parapercis xanthozona)、寿鱼 (Banjos banjos) 和棕斑宽吻鲀 (Amblyrhynchotes rufopunctatus) 等物种;第二个群落包括冠鲽 (Samaris cristatus)、叉斑狗母鱼 (Synodus macrops)、美尾䲗 (Calliurichthys japonicus)、虻鲉 (Erisphex pottii) 和红鲬 (Bembras japonicus) 等物种。通过调查采样记录发现,第一个类群部分物种鱼类营养级高于第二个类群,而第二个类群的样本鱼体较小,由此推测,营养级和个体大小 (发育阶段) 或许是造成该批次群落差异的一个原因。2) 扩增、建库、测序等试验环节批次的不同也有可能会对上述群落差异造成一定影响,具体原因还需要更多试验证实。

    综上所述,南海具有丰富的海洋微生物资源,本研究发现南海近岸硬骨鱼鳃组织中细菌群落的组成非常丰富。采样站点相比宿主来源对鳃组织上细菌群落结构及多样性具有更主要的影响,它们可能在辅助宿主营养物质转运及代谢方面发挥积极作用。然而本研究也存在很多不足如:样本和站点数量较少,未对海水样品进行对照研究等。未来还需进一步扩大样品的种类、数量,并结合水质环境、理化因子和宿主的生理生长指标及生活方式等多维度指标,同时探讨海洋动物鳃、肠道等多个器官中海洋微生物的分布、富集和传播模式,为研究海洋动物宿主微生物与环境浮游微生物群落之间的互作关系及生态影响提供更深入、全面的数据支持。

  • 图  1   CPUE时间序列分布图

    Figure  1.   Distribution of CPUE time series

    图  2   2018—2022年中太平洋黄鳍金枪鱼CPUE空间分布

    Figure  2.   Spatial distribution of CPUE for yellowfin tuna in central Pacific Ocean from 2018 to 2022

    图  3   nodeGAM模型统计结果

    Figure  3.   Statistical results of nodeGAM

    图  4   GAM和nodeGAM中各环境因子对CPUE的影响效应

    Figure  4.   Effects of various environmental factors on CPUE of GAM and nodeGAM

    图  5   2018—2022年太平洋中部延绳钓黄鳍金枪鱼年均 (a)、月均 (b) 名义CPUE和GAM、nodeGAM模型标准化后的CPUE对比

    Figure  5.   Comparison between annual (a), monthly (b) nominal CPUE, and CPUE of GAM, standardized nodeGAM for

    T. albacares caught by longline in central Pacific Ocean from 2018 to 2022

    表  1   GAM模型统计结果

    Table  1   Statistical results of GAM

    模型因子
    Model factor
    赤池准则信息
    AIC
    累计偏差解释率
    Accumulation of deviance explained
    F
    F-value
    p
    p-value
    均方误差
    MSE
    表层温度T05 3884.88%14.487<0.050.149
    100 m水层温度T1004 52622.3%36.288<0.05
    200 m水层温度T2004 47323.5%7.891<0.05
    300 m水层温度T3004 39825.1%12.426<0.05
    叶绿素a浓度CHL-a4 31026.9%9.072<0.05
    表层盐度SSS4 15529.4%26.286<0.05
    下载: 导出CSV
  • [1] 杨胜龙, 张忭忭, 靳少非, 等. 中西太平洋延绳钓黄鳍金枪鱼渔场时空分布与温跃层关系[J]. 海洋学报, 2015, 37(6): 78-87.
    [2]

    SKIRTUN M, PILLING G M, REID C, et al. Trade-offs for the southern longline fishery in achieving a candidate South Pacific albacore target reference point[J]. Mar Policy, 2019, 100: 66-75. doi: 10.1016/j.marpol.2018.11.014

    [3] 王佚兮. 热带中西太平洋大眼金枪鱼、黄鳍金枪鱼的繁殖生物学研究[D]. 上海: 上海海洋大学, 2023: 4.
    [4] 孟晓梦, 叶振江, 王英俊. 世界黄鳍金枪鱼渔业现状和生物学研究进展[J]. 南方水产, 2007, 3(4): 74-80.
    [5] 联合国粮农组织. 2022年世界渔业和水产养殖状况: 努力实现蓝色转型[M]. Rome: FAO, 2022: 44.
    [6] 宋利明, 沈智宾, 周建坤, 等. 库克群岛海域海洋环境因子对黄鳍金枪鱼渔获率的影响[J]. 上海海洋大学学报, 2016, 25(3): 454-464. doi: 10.12024/jsou.20150901553
    [7] 王啸, 王佚兮, 刘文俊, 等. 热带中西太平洋金枪鱼延绳钓渔获物组成及其多样性[J]. 中国水产科学, 2022, 29(5): 732-743. doi: 10.12264/JFSC2021-0307
    [8] 费姣姣, 李成, 张健, 等. 中西太平洋海山特征对延绳钓渔业和围网渔业黄鳍金枪鱼CPUE的影响[J]. 南方水产科学, 2024, 20(2): 1-10. doi: 10.12131/20230200
    [9] 陈新军, 高峰, 官文江, 等. 渔情预报技术及模型研究进展[J]. 水产学报, 2013, 37(8): 1270-1280.
    [10]

    FRANKLIN J. Mapping species distributions: spatial inference and prediction[M]. New York: Cambridge University Press, 2010: 105-112.

    [11] 丁鹏, 邹晓荣, 丁淑仪, 等. 基于CNN-BiLSTM模型的黄鳍金枪鱼渔获量与气候因子关系研究[J]. 南方水产科学, 2024, 20(2): 19-26. doi: 10.12131/20230190
    [12] 郑志辉. 基于贝叶斯方法、分位数回归和人工神经网络模型的黄鳍金枪鱼渔情预报模型比较[D]. 上海: 上海海洋大学, 2018: 37-39.
    [13] 张嘉容, 杨晓明, 戴小杰, 等. 南太平洋长鳍金枪鱼延绳钓渔获率与环境因子的关系研究[J]. 南方水产科学, 2020, 16(1): 69-77. doi: 10.12131/20190178
    [14] 官文江, 田思泉, 王学昉, 等. CPUE标准化方法与模型选择的回顾与展望[J]. 中国水产科学, 2014, 21(4): 852-862.
    [15] 杨胜龙, 史慧敏, 范秀梅, 等. 热带中西太平洋黄鳍金枪鱼栖息水层空间分析[J]. 中国农业科技导报, 2022, 24(1): 183-191.
    [16]

    AKAIKE H, PARZEN E, TANABE K, et al. Factor analysis and AIC[M]. New York: Springer, 1987: 371-386.

    [17]

    CHANG C H, CARUANA R, GOLDENBERG A. Node-gam: neural generalized additive model for interpretable deep learning [EB/OL]. (2022-05-16).https://arxiv.org/abs/2106.01613.

    [18]

    RADENOVIC F, DUBEY A, MAHAJAN D. Neural basis models for interpretability[J]. Adv Neural Inf Process Syst, 2022, 35: 8414-8426.

    [19]

    ZHANG W, BARR B, PAISLEY J. Gaussian Process Neural Additive Models [OL]. (2024-02-19).https://arxiv.org/abs/2402.12518.

    [20] 汪学清, 刘爽, 李秋燕, 等. 基于K折交叉验证的SVM隧道围岩分级判别[J]. 矿冶工程, 2021, 41(6): 126-128, 133. doi: 10.3969/j.issn.0253-6099.2021.06.031
    [21] 唐浩, 许柳雄, 陈新军, 等. 基于GAM模型研究时空及环境因子对中西太平洋鲣鱼渔场的影响[J]. 海洋环境科学, 2013, 32(4): 518-522.
    [22]

    ROMENA N A. Factors affecting distribution of adult yellowfin tuna (Thunnus albacares) and its reproductive ecology in the Indian Ocean based on Japanese tuna longline fisheries and survey information[D]. Brussel: Vrije Universiteit Brussel, 2000: 23-28.

    [23] 苗振清, 黄锡昌. 黄鳍金枪鱼资源利用状况分析[J]. 浙江海洋学院学报(自然科学版), 2003, 22(1): 7-11.
    [24] 代丹娜, 刘洪生, 戴小杰, 等. ENSO现象与东太平洋黄鳍金枪鱼围网CPUE时空分布的关系[J]. 上海海洋大学学报, 2011, 20(4): 571-578.
    [25] 杨胜龙. 次表层环境对热带中西太平洋黄鳍金枪鱼垂直水层分布和延绳钓渔获率影响研究[D]. 上海: 上海海洋大学, 2021: 48-49.
    [26] 周为峰, 陈亮亮, 崔雪森, 等. 异常气候下温跃层及时空因子对中西太平洋黄鳍金枪鱼渔场分布的影响[J]. 中国农业科技导报, 2021, 23(10): 192-201.
    [27]

    DEARY A L, MORET F S, ENGELS M, et al. Influence of central Pacific oceanographic conditions on the potential vertical habitat of four tropical tuna species[J]. Pac Sci, 2015, 69(4): 461-475. doi: 10.2984/69.4.3

    [28]

    PRINCE E D, GOODYEAR C P. Hypoxia-based habitat compression of tropical pelagic fishes[J]. Fish Oceanogr, 2006, 15(6): 451-464. doi: 10.1111/j.1365-2419.2005.00393.x

    [29]

    PRINCE E D, LUO J, PHILLIP G C, et al. Ocean scale hypoxia-based habitat compression of Atlantic istiophorid billfishes[J]. Fish Oceanogr, 2010, 19(6): 448-462. doi: 10.1111/j.1365-2419.2010.00556.x

    [30] 王少琴, 许柳雄, 朱国平, 等. 中西太平洋金枪鱼围网的黄鳍金枪鱼CPUE时空分布及其与环境因子的关系[J]. 大连海洋大学学报, 2016, 29(3): 303-308.
    [31] 刘勇, 陈新军. 中西太平洋金枪鱼围网黄鳍金枪鱼产量的时空分布及与表温的关系[J]. 海洋渔业, 2007, 29(4): 296-301. doi: 10.3969/j.issn.1004-2490.2007.04.002
    [32] 于飞. 太平洋北赤道逆流的季节、年际变化特征和机制[D]. 青岛: 中国海洋大学, 2016: 11-32.
    [33]

    BRIAND K, MOLONY B, LEHODEY P. A study on the variability of albacore (Thunnus alalunga) longline catch rates in the southwest Pacific Ocean[J]. Fish Oceanogr, 2011, 20(6): 517-529. doi: 10.1111/j.1365-2419.2011.00599.x

    [34] 宋利明, 陈新军, 许柳雄. 大西洋中部黄鳍金枪鱼 (Thunnus albacares) 的垂直分布与有关环境因子的关系[J]. 海洋与湖沼, 2004, 35(1): 64-68 doi: 10.3321/j.issn:0029-814X.2004.01.010
    [35]

    BRILL R W, DEWAR H, GRAHAM J B. Basic concepts relevant to heat transfer in fishes, and their use in measuring the physiological thermoregulatory abilities of tunas[J]. Environ Biol Fish, 1994, 40: 109-124. doi: 10.1007/BF00002538

    [36] 张春玲, 蒋逸, 王冰洋, 等. 中西太平洋黄鳍金枪鱼随附鱼群区域温度垂直结构的构建与初步分析[J]. 上海海洋大学学报, 2022, 31(1): 233-241. doi: 10.12024/jsou.20210403401
    [37] 张聪, 周为峰, 樊伟. 基于ADASYN和stacking集成的南太平洋黄鳍金枪鱼渔场预报模型研究[J]. 海洋渔业, 2023, 45(5): 544. doi: 10.3969/j.issn.1004-2490.2023.05.004
    [38]

    SONG L M, WU Y P. Standardizing CPUE of yellowfin tuna (Thunnus albacares) longline fishery in the tropical waters of the northwestern Indian Ocean using a deterministic habitat-based model[J]. J Oceanogr, 2011, 67: 541-550. doi: 10.1007/s10872-011-0055-y

    [39]

    SWARTZMAN G, STUETZLE W, KULMAN K, et al. Relating the distribution of pollock schools in the Bering Sea to environmental factors[J]. ICES J Mar Sci: J Cons, 1994, 51(4): 481-492. doi: 10.1006/jmsc.1994.1049

    [40]

    CHEN I C, LEE PEIFEN, TZENG W N. Distribution of albacore (Thunnus alalunga) in the Indian Ocean and its relation to environmental factors[J]. Fish Oceanogr, 2005, 14(1): 71-80. doi: 10.1111/j.1365-2419.2004.00322.x

    [41] 张艳萍, 乐家华, 闫周府. 南海金枪鱼类养殖区域分布研究[J]. 南方水产科学, 2023, 19(5): 48-57. doi: 10.12131/20230058
推荐阅读
西北印度洋海域浮游动物空间分布特征及其环境影响因素分析
杨杰青 et al., 南方水产科学, 2025
芮氏刻肋海胆胚胎及幼体发育过程
余炜欢 et al., 南方水产科学, 2025
基于气候变化因子的印度洋长鳍金枪鱼资源评估
杨诗玉 et al., 南方水产科学, 2024
外伶仃海洋牧场附近海域沉积物重金属分布特征及生态风险评价
冯雪 et al., 南方水产科学, 2024
东太平洋不同海域环境因子对茎柔鱼分布的影响差异分析
CUI Jianan et al., JOURNAL OF SHANGHAI OCEAN UNIVERSITY, 2024
菲律宾海夏季仔稚鱼表层分布及其与环境因子的关系
LYU Lixin et al., JOURNAL OF SHANGHAI OCEAN UNIVERSITY, 2024
Analyzing the spatio-temporal correlation between tide and shipping behavior at estuarine port for energy-saving purposes
Shu, Yaqing et al., APPLIED ENERGY, 2024
Multispecies population-scale emergence of climate change signals in an ocean warming hotspot
Mills, Katherine E., ICES JOURNAL OF MARINE SCIENCE, 2024
Characterisation of environmentally persistent free radicals and their contributions to oxidative potential and reactive oxygen species in sea spray and size-resolved ambient particles
NPJ CLIMATE AND ATMOSPHERIC SCIENCE, 2025
Global space-time patterns of sub-daily extreme precipitation and its relationship with temperature and wind speed
ENVIRONMENTAL RESEARCH LETTERS
Powered by
图(5)  /  表(1)
计量
  • 文章访问数:  178
  • HTML全文浏览量:  52
  • PDF下载量:  52
  • 被引次数: 0
出版历程
  • 收稿日期:  2024-03-07
  • 修回日期:  2024-04-25
  • 录用日期:  2024-05-10
  • 网络出版日期:  2024-05-16
  • 刊出日期:  2024-08-04

目录

/

返回文章
返回