Mineralische und organische Wachstumsmedien weisen in erdlosen Kultursystemen eine ausgeprägte Gemeinschaftsstruktur, Stabilität und Funktionalität auf

Scientific Reports Band 6, Artikelnummer: 18837 (2016) Diesen Artikel zitieren

6099 Zugriffe

41 Zitate

12 Altmetrisch

Details zu den Metriken

Die Wahl eines erdlosen Wachstumsmediums für die Ernährung, das Wachstum und die Unterstützung der Pflanzen ist entscheidend für die Verbesserung der ökologischen Nachhaltigkeit der Produktion in Gartenbausystemen. Da unser derzeitiges Verständnis der funktionellen mikrobiellen Gemeinschaften in diesem Ökosystem noch begrenzt ist, haben wir die Entwicklung der mikrobiellen Gemeinschaft der beiden wichtigsten Wachstumsmedien (organisch und mineralisch) untersucht, die in offenen, erdlosen Gartenbausystemen verwendet werden. Unser Ziel war es, Faktoren zu identifizieren, die die Zusammensetzung der Gemeinschaft im Laufe der Zeit beeinflussen, und die Verteilung einzelner Taxa über Wachstumsmedien und ihre potenzielle Funktionalität zu vergleichen. Die Hochdurchsatz-Sequenzierungsanalyse ergab eine ausgeprägte und stabile mikrobielle Gemeinschaft im organischen Wachstumsmedium. Als Hauptfaktoren im Zusammenhang mit den ansässigen Bakteriengemeinschaften wurden Luftfeuchtigkeit, pH-Wert, Nitrat-N, Ammonium-N und Leitfähigkeit ermittelt. Ammonium-N korrelierte mit der Häufigkeit von Rhizobiaceae, während mögliche konkurrierende Wechselwirkungen zwischen Methylophilaceae und Actinobacteridae mit Rhizobiaceae vermutet wurden. Unsere Ergebnisse zeigten, dass erdlose Wachstumsmedien einzigartige Nischen für verschiedene Bakteriengemeinschaften mit zeitlicher Funktionsstabilität sind, die möglicherweise die Widerstandsfähigkeit gegenüber äußeren Kräften beeinträchtigen können. Diese Unterschiede in den Gemeinden können genutzt werden, um Strategien für den Übergang zu einem nachhaltigen Gartenbau mit erhöhter Produktivität und Qualität zu entwickeln.

In den USA, Kanada und Europa werden 95 % des Gewächshausgemüses, insbesondere Tomaten, in erdlosen Gewächshauspflanzenanbausystemen unter Verwendung von Gartenbausubstraten angebaut1. Offene, erdlose Gartenbausysteme haben gegenüber herkömmlichen Systemen den Vorteil, dass die für ein gesundes Pflanzenwachstum erforderlichen Nährstoffe, Sauerstoff und Wasser kontrolliert werden2 und bodenbürtige Krankheitserreger umgangen werden können3,4. In Westeuropa werden fast alle im Gewächshaus angebauten Tomaten auf mineralischem Wachstumssubstrat aus anorganischen Kunstfasern5 angebaut. Mineralische Kultursubstrate werden aus Diabas, Kalkstein und Koks hergestellt, die bei 1500 °C zusammengeschmolzen und zu Fasern gesponnen werden6. Im Gegensatz dazu sind Torf und Kokosnuss die am häufigsten verwendeten organischen Bestandteile von Kultursubstraten, die in der EU7 hergestellt werden. Während mineralisches Wachstumsmedium einen neutralen pH-Wert, einen hohen Luftgehalt und eine geringe Dichte aufweist, zeichnet sich organisches Wachstumsmedium durch seinen hohen Gehalt an organischer Substanz und die Fähigkeit zum Kationenaustausch mit der Wasserlösung aus, die das Wachstumsmedium bewässert. Trotz dieser Unterschiede waren der Ertrag und die Anzahl der Tomatenfrüchte (Solanum lycopersicum) bei Pflanzen, die über mehrere aufeinanderfolgende Jahre hinweg auf mineralischen oder organischen Wachstumsmedien angebaut wurden, vergleichbar8.

Die Nachhaltigkeit erdloser Gewächshaussysteme hängt stark von höheren Erträgen und der allgemeinen Wirksamkeit des Wachstumsprozesses ab4. Im Gewächshaus werden Desinfektionsmaßnahmen ergriffen, um den Endertrag und die Qualität zu gewährleisten4. Dies führt jedoch nicht nur zur Eliminierung schädlicher Mikroorganismen, sondern auch potenziell nützlicher mikrobieller Taxa für die Pflanze. Dies kann letztendlich verhindern, dass die Gemeinschaft Gleichgewicht und Stabilität erreicht, wodurch diese erdlosen Anbausysteme dem Risiko einer erfolgreichen Invasion von Krankheitserregern ausgesetzt sind4. Die biologische Vielfalt schützt Ökosysteme vor einem Rückgang ihrer Funktionalität als Folge der funktionellen Redundanz durch die Koexistenz mehrerer Arten9,10. Dies kann aufgrund der positiven Auswirkungen auf die Bakterienatmung, die mikrobielle Biomasseproduktion und die Nährstoffspeicherung der Pflanzen auch zu einer Produktivitätssteigerung führen11. Darüber hinaus wurde über eine erhöhte zeitliche Funktionsstabilität und Widerstandsfähigkeit gegenüber äußeren Kräften wie Nährstoffstörungen und invasiven Arten berichtet10,12.

Die komplexe pflanzenassoziierte mikrobielle Gemeinschaft, auch als „zweites Genom der Pflanze“ bezeichnet, ist für die Gesundheit, das Wachstum und die Entwicklung der Pflanze von entscheidender Bedeutung13. Frühere Arbeiten zur Untersuchung mikrobieller Gemeinschaften im Zusammenhang mit Wachstumsmedien konzentrierten sich hauptsächlich auf die Abwesenheit pathogener Bakterien und Pilze14. Es gibt nur begrenzte Kenntnisse über die Faktoren, die die Zusammensetzung der Gemeinschaft im Laufe der Zeit, die Verteilung einzelner Taxa über Wachstumsmedien und ihre potenzielle Funktionalität beeinflussen. Das Fehlen wirksamer Kontrollstrategien zur Steigerung der Produktivität15 erhöht unsere Notwendigkeit, die Rhizosphäre, das Wachstumsmedium und seine Mikrobenpopulationen genau zu überwachen.

In dieser Studie untersuchten wir die Entwicklung der mikrobiellen Gemeinschaft der beiden wichtigsten Wachstumsmedien, die in offenen, erdlosen Gartenbausystemen verwendet werden: Bio (GB) und Mineral (RW). Wir stellten die Hypothese auf, dass RW- und GB-Anbaumedien unterschiedliche Gemeinschaftsstrukturen mit potenziell einzigartigen Funktionalitäten entwickeln. Ein Großteil der Schwankungen innerhalb der Rhizosphäre wird durch die Pflanzenwurzel und die Bedingungen im Wachstumsmedium bestimmt. Daher sind die Rhizosphäre und die mit dem Wachstumsmedium verbundene mikrobielle Gemeinschaft eng miteinander verbunden. Das Wissen über diese Unterschiede kann genutzt werden, um Strategien für einen nachhaltigen Gartenbau mit verbesserter Produktivität und Qualität und potenziell erhöhtem Widerstand gegen äußere Kräfte zu entwickeln12. Das Haarwurzelsyndrom, das durch eine Infektion mit Agrobacterium rhizogenes verursacht wird, ist ein großes Problem im Gewächshausgartenbau, da der Gesamtertrag bei Tomatenpflanzen um bis zu 10 % sinken kann16. In unserer Studie wurde bei einigen Pflanzen, die im RW-Medium (RWS) wachsen, eine natürlich vorkommende A. rhizogenes-Infektion festgestellt. Die Wechselwirkungen zwischen den Wurzeln, der Rhizosphäre und dem Wachstumsmedium sowie der potenzielle Widerstand gegen äußere Kräfte, der in unserer Studie durch A. rhizogenes dargestellt wird, wurden ebenfalls bewertet.

Chitinophagaceae, Xanthomonadaceae, Flavobacteriaceae, Hypomicrobiaceae, Microbacteriaceae, Comamonadaceae, Enterobacteriaceae, Methylophilaceae, Rhizobiaceae, Pseudomonadaceae und Sphingobacteriaceae waren die Bakterienfamilien mit der höchsten relativen Häufigkeit in beiden Wachstumsmedien (Abb. 1A). Chitinophagaceae, Methylophilaceae und Hypomicrobiaceae waren in GB reichlich vorhanden, während Microbacteriaceae in RW vermehrt vorkamen. Enterobacteriaceae, Verrucomicrobiaceae und Rhizobiaceae waren in RWS reichlich vorhanden und in GB zurückgegangen (Tabellen 1 und 2). Permutationelle multivariate Varianzanalyse (PERMANOVA) bestätigte, dass der Typ des Wachstumsmediums, nicht jedoch der Zeitpunkt, signifikant zu den Unterschieden in der relativen Häufigkeit von Bakterienfamilien beitrug (P < 0,05, Abb. 1B). Die Analyse der DGGE-Profile zeigte, dass sich RWS-Proben unabhängig von der Zeit gruppierten, während der Rest der Proben dazu neigte, sich je nach Zeitpunkt zu gruppieren (ergänzende Abbildung 1). Die Gesamtzahl der Arten war in GB höher (P <0,05), während Diversität und Gleichmäßigkeit zwischen GB und RW zu verschiedenen Zeitpunkten signifikant unterschiedlich waren (P <0,05, Ergänzungstabelle 1). RW und RWS zeigten konsistente Ähnlichkeiten in ihren Diversitäts- und Gleichmäßigkeitsmetriken (Ergänzungstabelle 2).

(A) Relative Häufigkeit der in Gartenbau-Wachstumsmedien vorhandenen Bakterienfamilien. Es werden Familien mit der höchsten Sequenzzahl und ihre entsprechende RDP-Klassifizierung angezeigt. RW: mineralisches Wachstumsmedium; GB: organisches Wachstumsmedium, RWS: mineralisches Medium mit haarigen Wurzeln. Der Datensatz wurde auf die niedrigste Sequenzanzahl reduziert; Die relativen Häufigkeiten wurden berechnet, indem die Anzahl der OTUs, die derselben Familie angehörten, summiert wurde. (B) Die Gemeinschaftsstruktur unterschied sich deutlich zwischen den Wachstumsmedientypen. Es wurde eine Analyse der multivariaten Homogenität der Gruppendispersionen (Varianzen) durchgeführt und eine nichtmetrische mehrdimensionale Skalierungsanalyse verwendet, um die Ähnlichkeit zwischen Bakteriengemeinschaften zu bewerten. Symbole geben den Typ des Wachstumsmediums an: Kreise, organisches Wachstumsmedium (GB); Dreiecke, mineralisches Wachstumssubstrat (RW); Quadrate, mineralisches Wachstumssubstrat mit haarigen Wurzeln (RWS). Die Zahl in der Legende gibt den Zeitpunkt an und der Buchstabe bezieht sich auf das Probenreplikat. Beispielsweise bezieht sich „GB1A“ auf das Replikat „A“ des organischen Wachstumsmediums, das zum ersten Zeitpunkt gesammelt wurde.

Die Multiple-Faktor-Analyse (MFA) zeigte, dass mit GB assoziierte Familien in Dimension 1 vertreten waren (P < 0,0001, Abb. 2A), was 28 % der Varianz der relativen Häufigkeiten aller Proben ausmachte. Gemmatimonadaceae, Sinobacteraceae, Sorangiineae, Opitutaceae, Desulfobacteraceae, Actinobacteridae, Hahellaceae, Gaiellaceae, Hypomicrobiaceae, Methylophilaceae, Acetobacteraceae, Methylocystaceae, Conexibacteriaceae, Xanthobacteraceae und nicht klassifizierte Nitrospira waren signifikant mit GB assoziiert. Bakterienfamilien, die mit RW korrelierten, waren in Dim vertreten. 3 (P < 0,05) und erklärte 11 % der Gesamtvarianz. Pseudonocardineae, Propionibacterineae, Bacteroidaceae, Commamonadaceae, Incertae Rhizobiales und Cryomorphaceae wurden mit dieser Dimension assoziiert. Rhizobiaceae, Verrucomicrobiaceae, Planctomycetaceae, Simkaniaceae, Piscirickettsiaceae und Caldilineaceae waren mit RWS assoziierte und in Dim enthaltene Familien. 5 (P < 0,05, Ergänzungstabelle 3).

(A) Variationen in der Häufigkeit von Bakterienfamilien in Wachstumsmedien für den Gartenbau. Gemäß dem Korrelationskreis korrelieren die Familien, die zur ersten Komponente der Mehrfachfaktorenanalyse (Dim. 1) gehören, negativ mit der Artenhäufigkeit der Rhizobiaceae (23). Da es in Dim 3 mehr Familien gibt, ist ihr Beitrag zur Gesamtvarianz zwischen den Stichproben geringer. Dimension 3 beschrieb die Familien, die signifikant mit RW korrelierten (P < 0,05). 1, Propionibacterineae; 2, Pseudonocardieae; 3, Rhodobacteraceae; 4, Caedibacter; 5, Incertae Rhizobiales; 6, nicht klassifizierte Nitrospira; 7, Methylophilaceae; 8, Gaiellaceae; 9, Acetobacteraceae; 10, Actinobacteridae; 11, Xanthobacteraceae; 12, Hahellaceae; 13, Sinobacteraceae; 14, Desulfobacteraceae; 15, Hypomicrobiaceae; 16, Opitutaceae; 17, Gemmatimonadaceae; 18, Methylocystaceae; 19, Sorangiineae; 20, Hyophomonadaceae; 21, Chromatiaceae; 22, Rhodocyclaceae; 23, Rhizobiaceae. (B) Die Karte der Mehrfachfaktorenanalyse zeigte, dass Proben aus organischem Wachstumsmedium (GB) über verschiedene Zeitpunkte hinweg ähnliche Häufigkeiten aufwiesen und sich von denen in mineralischem Medium (RW) unterschieden. Die Häufigkeit der Bakterienfamilien in Proben von RW mit haarigen Wurzeln (RWS) war denen in RW ähnlich. Symbole geben den Typ des Wachstumsmediums an: schwarze Kreise für GB, graue Dreiecke für RW und weiße Quadrate für RWS. Die Zahl in der Legende gibt den Zeitpunkt an und der Buchstabe bezieht sich auf das Probenreplikat. Beispielsweise bezieht sich der mit „1A“ gekennzeichnete Kreis auf das Replikat „A“ von GB, das zum ersten Zeitpunkt gesammelt wurde.

Tukeys Test für paarweise Vergleiche der Gruppenmittelstreuungen wurde unter Verwendung des veganen Pakets in R durchgeführt. Wie durch die Diversitäts- und Gleichmäßigkeitsmessungen (Ergänzungstabellen 1 und 2) gezeigt, war die Wechselwirkung zwischen Zeit und Wachstumsmediumtyp zum dritten Zeitpunkt signifikant ( P < 0,05). Basierend auf der relativen Häufigkeit der Bakterienfamilien und den Maßen für Alpha-Diversität und Gleichmäßigkeit haben wir das Vorhandensein charakteristischer und stabiler mikrobieller Gemeinschaften validiert, die mit jedem Wachstumsmedium verbunden sind (Tabellen 1 und 2 und Abb. 2B).

Der Pflanzenertrag wurde am Ende der Vegetationsperiode sowohl für das organische als auch für das mineralische Wachstumsmedium bestimmt und ergab einen akkumulierten Gesamtertrag (Frischgewicht) von 59,27 ± 1,52 kg.m-2 bzw. 61,59 ± 0,86 kg.m-2. Calcium, Magnesium, Sulfat, Nitrat-N, Natrium und Leitfähigkeit waren in GB höher als in RW (P < 0,05). in RW (P <0,05), während Ammonium-N, Kalium, Eisen und Mangan in RW im Vergleich zu GB signifikant höher waren (P <0,05, Ergänzungstabelle 4). Ammonium-N, pH-Wert, Leitfähigkeit, Kalium, Natrium, Eisen und Chlorid waren im RWS am höchsten (P <0, 05, Ergänzungstabelle 5). Positive Korrelationen zwischen Leitfähigkeit und Nitrat-N wurden in GB durchgängig festgestellt, während Ammonium-N erst zum dritten Zeitpunkt mit der Gesamt-KBE assoziiert war (P < 0,05, Tabelle 3). In RW korrelierte der pH-Wert positiv mit dem Agrobacterium sp. CFU, während Leitfähigkeit, Ammonium-N, Sulfate und Natrium negativ mit der Gesamt-CFU korrelierten. Nur Sulfate korrelierten zu allen Zeitpunkten positiv mit Natrium (P < 0,05, Tabelle 4). Positive Korrelationen zwischen Kalzium und Agrobacterium sp. und Gesamt-KBE wurden jederzeit in RWS gefunden (P < 0,05, Tabelle 5). Im Gegensatz dazu korrelierte die Luftfeuchtigkeit negativ mit Agrobacterium sp. und Gesamt-KBE, als die Haarwurzeln zum ersten Mal entdeckt wurden (P < 0,05). Das Ziel der MFA war zweierlei: die Unterscheidung von Wachstumsmedien anhand der gemessenen Variablen und die Aufdeckung der Korrelationen zwischen den physikalisch-chemischen und biologischen Eigenschaften innerhalb des Wachstumsmediums. Im Allgemeinen zeigte die MFA, dass die Gesamtzahl der Bakterien, Agrobacterium sp. KBE, Luftfeuchtigkeit, pH-Wert, Sulfat und Leitfähigkeit waren die Merkmale mit dem höchsten Beitrag zur Gesamtvarianz zwischen den Proben (Abb. 3A). Ammonium-N und Agrobacterium sp. CFU waren die beiden Variablen mit der höchsten Korrelation zu Dimension 1 (P < 0,0001, Ergänzungstabelle 6), die 29,8 % der Varianz ausmachten. Die quadratischen Korrelationsverhältnisse messen den Grad der Assoziation zwischen Variablen und einer bestimmten Achse. Somit zeigte der cos2 zwischen den Koordinaten der Proben und dem Typ des Wachstumsmediums, dass die oben genannten die Hauptmerkmale waren, die das RWS-Medium auf Dim beschreiben. 1 (cos2 > 0,5). Schwach. 2 (26,7 % der Gesamtvarianz) wurde anhand der Merkmale von GB (Sulfat, Leitfähigkeit, Natrium, Magnesium, Kalzium und Nitrat-N) konstruiert, während Kalium, Mangan, Eisen und Feuchtigkeit in Dim enthalten waren. 3 mit RW (P < 0,05, 13,6 % der Varianz). Wir haben bestätigt, dass jedes Wachstumsmedium durch einen einzigartigen Satz physikalisch-chemischer und biologischer Variablen gekennzeichnet ist, der über die Zeit erhalten bleibt (Abb. 3B).

Die physikalischen und chemischen Eigenschaften der Wachstumsmedien sind für jede Umgebung einzigartig.

(A) Analyse mehrerer Faktoren der physikalischen und chemischen Eigenschaften von Kultursubstraten für den Gartenbau. Der Korrelationskreis gibt den Beitrag der Variablen an, die die Unterschiede zwischen den Wachstumsmedien bestimmen. Lange Vektoren in die gleiche Richtung weisen auf positive Korrelationen zwischen Variablen hin, während lange Vektoren in die entgegengesetzte Richtung negative Korrelationen anzeigen. (B) Die Analyse mehrerer Faktoren verdeutlichte die Ähnlichkeiten zwischen Kultursubstratproben im Laufe der Zeit, basierend auf ihren physikalischen und chemischen Eigenschaften. Symbole geben den Typ des Wachstumsmediums an: schwarze Kreise für GB, graue Dreiecke für RW und weiße Quadrate für RWS. Die Zahl in der Legende gibt den Zeitpunkt an und der Buchstabe bezieht sich auf das Probenreplikat. Beispielsweise bezieht sich der mit „1A“ gekennzeichnete Kreis auf das Replikat „A“ von GB, das zum ersten Zeitpunkt gesammelt wurde.

Anstatt die Pearson-Korrelationskoeffizienten zwischen jedem Variablenpaar zu berechnen, wurden bipartite Netzwerke mithilfe einer paarweisen Ähnlichkeitsmatrix abgeleitet, die aus der Regularisierten kanonischen Korrelationsanalyse erhalten wurde (Abb. 4). Die Werte in der Ähnlichkeitsmatrix wurden als Korrelation zwischen der relativen Häufigkeit von Bakterienfamilien und den Eigenschaften des Wachstumsmediums berechnet, die auf den Raum projiziert wurden, der von den ersten in der Analyse berücksichtigten Komponenten überspannt wurde. Mit einem Schwellenwert von 0,5 wurden drei relevante Komponenten ermittelt. Auf diese Weise wurde Ammonium-N mit der Häufigkeit von Rhizobiaceae korreliert. Mit RW assoziierte Familien korrelierten mit Eisen (P < 0,05), während Kalium, Magnesium, Kalzium und Nitrate mit GB assoziiert waren (P < 0,05). Die Korrespondenzanalyse (CA, ergänzende Abbildung 2) wurde verwendet, um den Zusammenhang zwischen Wachstumsmedium (Zeilen) und physikalisch-chemischen Variablen und relativen Häufigkeiten (Spalten) aufzudecken. Die Chi-Quadrat-Statistik zeigte einen starken Zusammenhang zwischen dem Wachstumsmedium und sowohl physikalisch-chemischen Variablen als auch relativen Häufigkeiten (P < 0,05). Die Koordinaten der Zeilen-/Spaltenvariablen stellen die Anzahl der Standardabweichungen dar, um die die Zeilen-/Spaltenvariablen vom Schwerpunkt entfernt sind17. Daher gehörten die höchsten Koordinaten in Dim.1 zu Agrobacterium sp. CFU, Solimonadaceae, Ammoniak-N und P (Zeilen) und RWS und Zeitpunkt 3 (Spalten), die alle 92,9 % der Varianz erklärten. Schwach. 2 wurde durch die Beziehungen zwischen den zum Zeitpunkt 2 in GB am häufigsten vorkommenden Familien bestimmt. Die beobachteten Wechselwirkungen bestätigten die Ergebnisse früherer Korrelationsanalysen (Tabellen 1 und 2).

Netzwerkdiagramm basierend auf den regulierten kanonischen Korrelationen zwischen der Häufigkeit der Bakterienfamilie und den physikalisch-chemischen Eigenschaften des Wachstumsmediums.

Korrelationen (r) wurden nach einer absoluten Korrelation über 0,5 gefiltert und entsprechend dem angezeigten Schlüssel gefärbt. Gemäß dem Grafikalgorithmus sind stärkere Korrelationen kürzere Linien und Familien mit ähnlichen Häufigkeiten innerhalb des Wachstumsmediums tendieren dazu, eng zusammenzuballen. Diese Darstellung zeigt die Beziehung zwischen Gruppen von Familien, die mit den unterschiedlichen physikalischen und chemischen Eigenschaften der Umwelt verbunden sind, und deckt so möglicherweise wachsende, medienspezifische Populationen auf. In Grün korrelierten Bakterienfamilien mit RW; in Rot stehen Bakterienfamilien, die mit RWS assoziiert sind, in Lila sind es Familien, die mit GB korrelieren.

Die Wasserretentionskurve der beiden Wachstumsmedien wurde bestimmt. Der gesättigte volumetrische Wassergehalt von RW (θs = 0,9834) stimmte mit früheren Berichten von Wallach18 überein, während der gesättigte volumetrische Wassergehalt von GB θs = 0,935 betrug. Der volumetrische Wassergehalt (θv = 85,3 %) von RW entspricht einem Matrixpotential von −0,6 kPa, während θv = 83,1 % für RWS einem Matrixpotential von −0,61 kPa entspricht. Für das organische Wachstumsmedium entspricht θv = 81,93 % einem Matrixpotential von −0,46 kPa.

Sieben RW-Proben (46,7 % von fünfzehn) waren positiv für A. rhizogenes Biovar 2, während Proben aus GB negativ für eine der getesteten Arten von Agrobacterium sp. waren. (Ergänzungstabelle 7). Phytopathogenes Agrobacterium sp. Stämme beherbergen die Gene, die für den T-DNA-Prozess und den Transfer in den Virulenzregionen (virC) der wurzelinduzierenden (pRi) Plasmide19,20 erforderlich sind. Daher wurden RW-Proben, die positiv auf A. rhizogenes Biovar 2 waren, und alle RWS-Proben auf das Vorhandensein des virC-Pathogenitätsgens untersucht und alle RWS positiv getestet. Plattenzählungen auf dem selektiven Medium bestätigten die Ergebnisse der Multiplex-PCR. Die Ergebnisse der Kolonie-PCR in zufällig ausgewählten Wildtyp-Isolaten bestätigten das Vorhandensein des virC-Gens und des A. rhizogenes-Biovars 2 in RWS (Ergänzungstabelle 7). Unterschiede im Agrobacterium. sp. Die KBE zwischen Wachstumsmedien wurden von der Zeit beeinflusst und waren bei RW im Vergleich zu RWS niedriger (P < 0,05, Ergänzungstabelle 7).

Basierend auf der relativen Häufigkeit der Familien, die mit jedem Wachstumsmedium assoziiert sind, haben wir das Vorhandensein einer konkurrierenden, charakteristischen und stabilen mikrobiellen Gemeinschaftsstruktur im organischen Wachstumsmedium validiert. Darüber hinaus haben wir Feuchtigkeit, Kaliumgehalt, pH-Wert und Leitfähigkeit als die wichtigsten physikalisch-chemischen Eigenschaften identifiziert, die die mikrobiellen Gemeinschaften im Wachstumsmedium bestimmen.

Hochdurchsatzsequenzierung in Kombination mit molekularen Techniken deckte die Struktur der mit dem Wachstumsmedium assoziierten Mikrobiota auf. GB wies eine höhere Bakterienvielfalt auf als RW und RWS. Darüber hinaus wies GB zu verschiedenen Zeitpunkten eine ähnliche Häufigkeit von Bakterienfamilien auf, während sowohl RW als auch RWS eine größere Variabilität aufwiesen. Diese Unterschiede könnten mit der unterschiedlichen Struktur und Zusammensetzung der beiden Arten von Wachstumsmedien zusammenhängen, die der mikrobiellen Gemeinschaft möglicherweise einzigartige Nischen bieten21. Die Dichte und die Artenvielfalt der mikrobiellen Gemeinschaft können durch das Alter des Wachstumsmediums beeinflusst werden22. Die Artenvielfalt in erdlosen Systemen mit mineralischen Wachstumsmedien ist zu Beginn einer Kultur gering4, dann steigt sie innerhalb von Wochen23 an und erreicht nach sechs Wochen Pflanzenwachstum eine Stabilität24. Wie in früheren Berichten21 beschrieben, wies unser unkultiviertes RW-Medium im Vergleich zu GB (2,2 × 107 KBE g-1) geringe Mengen an Nährstoffen und Gesamtbakterien-KBE (<102 KBE g-1) auf. Es wurde eine Quantifizierung der Anzahl lebensfähiger Zellen (CFU) aus der kultivierbaren aeroben Mikroflora durchgeführt, die verschiedene Teile des Systems besiedelt, wie z. B. Wurzelzone, Nährlösung, Wachstumsmedien und Systemgeräte (Röhren, Dachrinnen usw.)25. Mit Techniken, die auf einer Plattenkultivierung auf R2A-Agar basieren, können jedoch nur 1 bis 10 % der Mikroflora gewonnen werden, was begrenzte Informationen über die gesamte auf jedem Wachstumsmedium vorhandene Gemeinschaft liefert. Aus diesem Grund haben wir die Kultivierungsstudien durch eine molekulare Charakterisierung der mikrobiellen Gemeinschaften ergänzt.

Der im Wachstumsmedium beobachtete Anstieg der mikrobiellen Biodiversität kann auf die Pflanzenaktivität zurückgeführt werden. Pflanzen geben bis zu 21 % ihres photosynthetisch fixierten Kohlenstoffs an die Wurzel-Boden-Grenzfläche ab26, ernähren die mikrobiellen Gemeinschaften und beeinflussen deren Aktivität und Vielfalt14. Berendsen et al.27 schlugen vor, dass Pflanzenarten Bakterien durch die Produktion spezifischer Wurzelexsudate selektieren und so das Mikrobiom der Pflanze formen können. Wir verwendeten Auberginen, die auf einen Tomatenwurzelstock gepfropft waren, der für seine hohe Exsudationskapazität bekannt ist (Solanum lycopersicum L. x Solanum habrochaites). Die Wurzelausscheidung in beiden Wachstumsmedien wurde als ähnlich eingeschätzt, da kultivierte Auberginen vergleichbare Wachstumseigenschaften und Erträge aufwiesen. Wir fanden heraus, dass die mikrobielle Gemeinschaft im mineralischen Wachstumsmedium (sowohl in RW als auch in RWS) selbst nach sechs Monaten eine hohe Variabilität über die Zeitpunkte hinweg aufwies. Garbeva et al.28 stellten die Hypothese auf, dass in einem stabilen System jedes Mikrohabitat von Organismen besetzt ist, die in der Lage sind, Nischen zu besiedeln. Ein vielfältiges und stabiles Ökosystem auf Mikrohabitatebene wird Umweltbelastungen29 und möglicherweise der Invasion von Krankheitserregern widerstehen. Mendes et al.14 schlugen vor, dass die relative Häufigkeit mehrerer bakterieller Taxa ein Indikator für die Unterdrückung von Krankheiten sein könnte. Auf diese Weise kann eine erhöhte Resistenz gegen die Invasion von Krankheitserregern mit der gesamten mikrobiellen Biomasse im Wachstumsmedium zusammenhängen, die mit Krankheitserregern um Ressourcen konkurriert oder durch direkten Antagonismus eine Hemmung bewirken kann15. Mendes et al.14 identifizierten Actinobakterien, γ- und β-Proteobakterien (Pseudomonadaceae, Burkholderiaceae, Xanthomonadales) und Firmicutes (Lactobacillaceae) als die dynamischsten Taxa, die mit der Unterdrückung von Krankheiten in natürlichen Böden verbunden sind. In unserer Studie wurden Rhodocyclaceae und Methylophilaceae (β-Proteobakterien) mit GB sowie anderen α-, β- und γ-Proteobakterien wie Hyphomicrobiaceae, Xanthobacteraceae, Phyllobacteriaceae und Chromatiaceae korreliert. Actinobakterien wie Gaiellaceae und Conexibacteraceae korrelierten ebenfalls positiv mit GB. Darüber hinaus korrelierte die Häufigkeit von Rhizobiaceae (wie Agrobacterium sp.) negativ mit der Häufigkeit von Methylophilaceae und Saprospiraceae in GB. Daher könnten die relative Häufigkeit mehrerer Taxa und die Stabilität einer mikrobiellen Gemeinschaft mit der Resistenz gegen externe Eindringlinge zusammenhängen, was die Theorie der allgemeinen Unterdrückung stützt. Obwohl Agrobacterium sp. wurde in beiden Wachstumsmedien nachgewiesen (durchschnittlich 7,6 × 103 KBE/ml in GB, 2,4 × 104 in RW und 1,0 × 106 KBE/ml in RWS, über alle Zeitpunkte hinweg), Proben aus GB waren negativ hinsichtlich des Vorhandenseins der virC-Pathogenität Gen. Weder die Gesamtzahl der KBE noch das Vorhandensein bestimmter mikrobieller Taxa wurde direkt mit einer Resistenz gegen Agrobacterium rhizogenes in Verbindung gebracht27.

Die Pflanze sowie die komplexen biologischen, chemischen und physikalischen Wechselwirkungen im Wachstumsmedium beeinflussen die mikrobiellen Gemeinschaften der Rhizosphäre. Frühere Berichte identifizierten den pH-Wert als Haupttreiber mikrobieller Gemeinschaften im Boden30. Die Bodenfeuchtigkeit hängt oft mit dem pH-Wert zusammen und hat möglicherweise Auswirkungen auf die Zusammensetzung der Gemeinschaft zwischen GB, RW und RWS. Darüber hinaus zeigte GB eine höhere relative Häufigkeit von Actinobacteridae und α-Proteobakterien, die mit einem Boden-pH-Wert von 30 in Verbindung gebracht wurden. Die Mobilität von Rhizobakterien kann durch die Luftfeuchtigkeit im Wachstumsmedium eingeschränkt sein, wo wassergefüllte Poren genauso groß sein können wie die Bakterienzellen31. Obwohl Agrobacterium sp. in GB und RW festgestellt wurde, waren die Haarwurzeln in GB optisch nicht vorhanden. Unsere Ergebnisse deuten darauf hin, dass Unterschiede in der Porengröße und Wasserverteilung zwischen GB und RW möglicherweise die Mobilität von Agrobacterium sp. beeinflusst haben, was zu einer geringeren Krankheitsinzidenz führte. Hohe Erträge an Haarwurzeln, die auf eine Invasion von A. rhizogenes hinweisen, wurden beobachtet, wenn das Nitrat-Ammonium-Verhältnis (NO3--N/NH4+) nahe bei 5 lag, mit 115 mg NH4+-N/l Boden und 553 mg NO3--N/l Boden32. In unserem Test betrug das NO3-N/NH4+-N-Verhältnis 2,3 für RWS, 31,9 für RW und 147,3 für GB. Die niedrige Ammoniakkonzentration und der niedrige pH-Wert im GB-Medium erklären möglicherweise das Fehlen haariger Wurzeln33 und haben möglicherweise die Zusammensetzung der mikrobiellen Gemeinschaft beeinflusst.

Unsere Methodik lieferte einen umfassenden Einblick in die komplexen bakteriellen Wechselwirkungen in Gartenbaumedien und stützte unsere Hypothese, dass es grundlegende Unterschiede zwischen den Bakteriengemeinschaften gibt, die mit den einzelnen Arten von Gartenbausubstraten verbunden sind. Vielfältige und konkurrierende mikrobielle Gemeinschaften können unterschiedliche und einzigartige Funktionalitäten bereitstellen. Infolgedessen könnte die im GB-Medium lebende Bakteriengemeinschaft für funktionelle Vielfalt sowie zeitliche Stabilität und Widerstandsfähigkeit gegenüber dieser heterogenen und schwankenden Umgebung gesorgt haben. Letztendlich können auch die Interaktionen in der Wohngemeinschaft eine Rolle beim Widerstand gegen äußere Kräfte spielen, etwa gegen invasive Arten, die in herkömmlichen erdlosen Kultursystemen konkurrieren. Zukünftige alternative Kontrollstrategien könnten die Bewertung der Unterdrückungswirkung mikrobieller Gruppen und die Übertragung der Unterdrückungswirkung auf förderliche Böden mit 0,1–10 % unterdrückendem Boden umfassen15. Die beschriebenen Beziehungen werden auch zum Verständnis der funktionellen mikrobiellen Ökologie im Zusammenhang mit den Wachstumsmedien und der Interaktion zwischen mikrobieller Gemeinschaft und Pflanzen beitragen. Das Wissen über diese Zusammenhänge könnte möglicherweise zur Entwicklung nachhaltiger Strategien zur Steigerung der Pflanzenproduktivität und -qualität genutzt werden.

Die mit den verschiedenen Wachstumsmedien verbundene mikrobielle Gemeinschaft wurde in einem kommerziellen 8,5 ha großen Gewächshaus in den Niederlanden (51°59' Breite und 4°10′ Länge) überwacht, in dem die veredelte Aubergine Solanum melongena der Sorte Jaylo (Rijk Zwaan, Niederlande) kultiviert wurde auf Solanum lycopersicum L. x Solanum habrochaites Beaufort (De Ruiter, Niederlande). Die beiden unterschiedlichen gärtnerischen Kultursubstrate wurden gleichzeitig im Gewächshaus installiert und die 48 Tage alten Auberginen wurden am selben Tag auf die beiden unterschiedlichen Kultursubstrate gepflanzt. Das organische Wachstumsmedium (GB, Grow Bag, Peltracom, Belgien) war eine Mischung aus weißem Torf (H2-H4 auf der Post-Skala34 [80 % v/v] und Kokosfaser [20 % v/v]). Platten aus GB und Mineralmedium (RW, Steinwolle, Grotop Expert, Grodan, Niederlande) hatten die folgenden Abmessungen: 1,0 m × 0,2 m × 0,085 m bzw. 1,0 m × 0,2 m × 0,075 m. Beide Wachstumsmedien wurden während der Kultivierungsperiode nach Standardmethoden mit Standard-Fertigationslösung identischen Wasser- und Düngemittelbehandlungen unterzogen21. Pro Platte wurden zwei Auberginen gepflanzt. Jede Pflanze wurde auf 3 Stängel trainiert, wobei eine Pflanzendichte von 1,7 Pflanzen/m2 angestrebt wurde, was zu 5,1 Stängeln/m2 führte.

Das Gewächshaus wurde in mehrere Blöcke mit jeweils 6 Reihen in zufälliger Blockbauweise unterteilt. Zwei zusammenhängende Blöcke wurden zufällig ausgewählt und jeder Block enthielt entweder RW- oder GB-Medium. Die beiden äußeren Reihen jedes Blocks wurden aufgrund möglicher Wechselwirkungen mit den angrenzenden Reihen nicht ausgewählt. Die Auberginen wuchsen in aufeinanderfolgenden Platten mit einem Abstand von 44 cm. Eine Platte galt als Versuchseinheit. Fünf Platten aus jedem Block wurden zufällig aus den vier inneren Reihen und aus den beiden verschiedenen Wachstumsmedien (GB und RW) ausgewählt. Proben der verschiedenen Versuchseinheiten wurden zu drei Zeitpunkten während der Vegetationsperiode (Juni, Juli und August) und zu Beginn des Experiments gesammelt. Von jeder Versuchseinheit wurden zehn Teilproben gesammelt, gepoolt, homogenisiert und als eine einzige Probe behandelt (ergänzende Abbildung 3). Zu jedem Zeitpunkt wurden Proben aus 5 festen Versuchseinheiten jedes RW und GB entnommen, einschließlich Wurzelmaterial. Jede Probe von 200 g wurde zur weiteren Analyse in 4 homogene Teilproben von 50 g aufgeteilt: Zwei Teilproben (Teilprobe 1 und 2) wurden für chemische Analysen verwendet, eine Teilprobe (Teilprobe 3) wurde bei 4 °C gelagert und zur Isolierung und Identifizierung verwendet von Agrobacterium sp. und Gesamt-KBE sowie Feuchtigkeitsbestimmung und Teilprobe 4 wurden sofort auf Trockeneis gelagert, bei –80 °C aufbewahrt und für die Analyse der molekularen mikrobiellen Gemeinschaft verwendet. Der Züchter berichtete über früheres Auftreten des Haarwurzelsyndroms, das durch den Krankheitserreger Agrobacterium rhizogenes verursacht wird. Daher wurde das Auftreten des Haarwurzelsyndroms durch eine monatliche visuelle Inspektion des Gewächshauses überwacht. Das Haarwurzelsyndrom wurde erstmals im Juni in einer RW-Platte festgestellt. Eine weitere visuelle Untersuchung im Juli und August ergab eine erhöhte Inzidenz des Haarwurzelsyndroms im RW-Medium. Es wurden zusätzliche RW-Proben von fünf weiteren Platten entnommen, die sichtbare Symptome des Haarwurzelsyndroms zeigten (mit der Bezeichnung RWS). Während des gesamten Versuchszeitraums (Dezember 2012 und November 2013) wurden im GB jedoch keine Haarwurzeln visuell identifiziert.

Die physikalisch-chemischen Eigenschaften der verschiedenen Kultursubstrate wurden zu Beginn (Dezember 2012) und während der Vegetationsperiode (Juni, Juli und August 2013) bestimmt. Die chemische Analyse wurde wie von Gabriels et al.35 beschrieben durchgeführt. Die Feuchtigkeit (w/w-%) des Wachstumsmediums wurde nach Verdonck und Gabriels36 bestimmt.

Die Bodenwasserretentionskurve der RW- und GB-Medien wurde mit dem Sandkastengerät37 für Druckpotentiale zwischen –1 und –10 kPa erstellt. Für dieses Experiment wurden 10 Replikate der Plattenproben verwendet. Die Parameter der Van-Genuchten-Gleichung wurden geschätzt und die Daten angepasst38.

Das Wachstumsmedium wurde innerhalb von 48 Stunden nach der Probenentnahme analysiert. Fünf Gramm des frischen Wachstumsmediums wurden mit 45 ml 0,85 % NaCl39 gemischt und 2 Minuten lang unter Verwendung eines Stomacher80-Mixers (Stomacher, Seward, Worthing, UK) homogenisiert. Diese Suspension wurde zur Bestimmung des Gesamtzell- und Agrobacterium sp.-Gehalts verwendet. Rechnen Sie mit jedem Medium. Für die Gesamtzellzahl wurde die Suspension auf R2A-Agar (Sigma Aldrich, Diegem, Belgien) mit Cycloheximid (200 mg/l) ausplattiert. Agrobakterienkolonien wurden gemäß Shams et al.40 ausgewählt und identifiziert. A. rhizogenes wurde unter Verwendung von 2E-Te, das Erythrit und 320 mg/l K2TeO3 mit Cycloheximid enthielt, isoliert. Nach 5 Tagen Inkubation bei 28 °C wurden die koloniebildenden Einheiten (KBE) sowohl für das R2A- als auch für das 2E-TE-Medium gezählt. Die Berechnung der KBE erfolgte nach den von Sutton41 beschriebenen Verfahren, wobei die Nachweisgrenze bei 1 KBE bei der niedrigsten Verdünnung lag.

Die Gesamt-DNA wurde durch physikalischen Aufschluss mit der Bead-Beating-Methode von Hernandez-Sanabria et al.42 extrahiert. Die Zellen wurden in einem FastPrep-96-Homogenisator (MP Biomedicals, Illkirch, Frankreich) lysiert und die DNA mit kaltem Ethanol präzipitiert und in 30 μl TE-Puffer (10 mM Tris-HCl, 1 mM EDTA [pH 8,0]) resuspendiert. Konzentration und Qualität der DNA wurden anhand der Absorption bei 260 und 280 nm in einem Nanodrop ND 1000-Spektrophotometer (NanoDrop Technologies, Wilmington, DE, USA) gemessen.

Das potenzielle Vorhandensein von pathogenem Agrobacterium sp. Stämme wurden durch Multiplex-PCR analysiert und zielten auf das 23 S-rRNA-Gen43. Es wurden der universelle Vorwärtsprimer UF und vier für A. tumefaciens (Biovar 1), A. rhizogenes (Biovar 2), A. vitis und A. rubi spezifische Rückwärtsprimer verwendet. Die Bedingungen der PCR wurden an anderer Stelle beschrieben43; Die Primerpaare UF/B1R, UF/B2R, UF/AvR und UF/ArR wurden verwendet, um Fragmente mit einer Länge von 184, 1066, 478 bzw. 1006 bp zu amplifizieren44. Der Nachweis eines pathogenen Plasmids ergab das Vorhandensein des virC-Pathogenitätsgens, das sich auf dem rhizogenen (Ri) Plasmid befindet45; Die PCR-Bedingungen zum Nachweis des virC-Gens folgten Kuzmanović et al.44. Eine zusätzliche Bestätigung wurde in zufällig ausgewählten Wildtyp-Isolaten durchgeführt; Die Kolonie-PCR wurde unter Verwendung des oben beschriebenen Protokolls angewendet.

PCR-Amplifikationen der V3-Region (~200 bp) des 16 S-rRNA-Gens von Bakterien wurden mit universellen Bakterienprimern durchgeführt, wie von Øvreås et al.46 beschrieben. PCR-Produkte wurden vor der Fingerabdruckanalyse gereinigt und DGGE wurde auf 1 × TAE-Puffer (AppliChem, Darmstadt, Deutschland) mit einem 6 %igen Polyacrylamidgel mit einem linearen Denaturierungsgradienten von 30 bis 50 % unter Verwendung des universellen Mutationserkennungssystems Bio-Rad DCode durchgeführt (BioRad, Hercules, CA, USA). Laufbedingungen und Analysen mit der BioNumerics-Software, Version 5.1 (Applied Maths, Sint-Martens Latem, Belgien) wurden von Hernandez-Sanabria et al.42 berichtet. Es wurden neue Bandenkategorien erstellt, die alle auf den Wachstumsmedien nachgewiesenen bakteriellen Phylotypen umfassen. Die Häufigkeit von Phylotypen, die ausschließlich in Proben mit haarigen Wurzeln vorhanden sind, wurde unter Anpassung der Methodik von Hernandez-Sanabria et al.47 zur Durchführung des Fisher Exact-Tests in R48 bestimmt.

Die V5-V6-Region des 16 S-rRNA-Gens wurde unter Verwendung der beschriebenen Primer49 amplifiziert. Bibliotheken wurden erstellt, indem äquimolare Verhältnisse von Amplifikaten (200 ng jeder Probe) gepoolt und mit einem eindeutigen Barcode versehen wurden50. Die resultierenden Bibliotheken wurden auf einem MiSeq (Illumina, Hayward, CA, USA) sequenziert, gepaart und verbunden, für die endgültige Analyse wurden jedoch nur Vorwärtsablesungen ausgewählt (140 nt). Ein Qualitätsfilterprogramm, das ein gleitendes Fenster von 10 % der Leselänge ausführt und die lokale Durchschnittsbewertung basierend auf der Phred-Qualitätsbewertung der FASTQ-Datei berechnet, wurde verwendet, um die 3'-Enden der Lesevorgänge zu kürzen, die unter eine Qualität fielen Punktzahl von 10. Lesevorgänge mit einem N-Zeichen in ihrer Sequenz, Fehlpaarungen innerhalb der Primer und Barcodes oder mehr als 8 Homopolymerabschnitte wurden verworfen. Nach dem Trimmen der Primersequenzen wurden die Sequenzen anhand ihrer Barcodes getrennt. Die Anzahl repräsentativer Phylotypen wurde mithilfe des Uclust-Algorithmus auf USEARCH51 durch Clustering mit 97 % Ähnlichkeit (1 Nichtübereinstimmung) mit einem Konfidenzniveau von mindestens 80 generiert, wobei die Abstammungslinien von Cyanobakterien, Eukaryota und Archaea entfernt wurden. Die gefilterte Datenbank enthielt nur Phylotypen, die in mindestens a) einer Probe mit einer Häufigkeit von mehr als 1 %, b) in 2 % der Proben mit einer relativen Häufigkeit über 0,1 % und 3) in 5 % der Proben auf einem beliebigen Häufigkeitsniveau vorhanden waren50. Somit wurden insgesamt 475995 Lesevorgänge erzielt. Die Sequenzzusammensetzung des Datensatzes wurde mit dem RDP Classifier Tool52 und der SILVA-Datenbank53 verglichen. Nach der Untersuchung der Lesezahlen wurden die Daten unter Verwendung des Phyloseq-Pakets aus R54 zufällig auf eine ausgewählte maximale Tiefe von 17135 Sequenzen verdünnt und die Verdünnungskurven wurden unter Verwendung des Vegan-Pakets in R55 aufgezeichnet. Die relativen Häufigkeiten der zwölf wichtigsten Taxa mit ihrer tiefstmöglichen RDP-Klassifizierung bis zur Familienebene wurden ermittelt und als Balkendiagramme dargestellt56. Wenn eine OTU nicht bis zur Familienebene klassifiziert wurde, wurde die Konsenssequenz mithilfe der NCBI-Datenbank gesprengt und eine taxonomische Klassifizierung ermittelt. Innerhalb jeder Stichprobe wurden die Gesamtzahl der Arten, die Fisher-Diversität, Shannon-, Simpson- und inverse Simpson-Indizes berechnet, um die Alpha-Diversität zu bewerten. Der Pielou-Index wurde als Indikator für die Gleichmäßigkeit in der Gemeinschaft verwendet. Unterschiede in den Alpha-Diversitäts- und Gleichmäßigkeitsmaßen zwischen gartenbaulichen Wachstumssubstraten wurden mithilfe eines gemischten Modells mit wiederholten Messungen in SAS (Version 9.3, SAS Institute, Cary, USA) verglichen, wobei der Typ des Wachstumsmediums ein fester Effekt war und mehrere Mittelwerte mithilfe des Tukey-Tests verglichen wurden. Daher könnten die Unterschiede in den Diversitätsmaßen entweder auf den Zeitpunkt, den Typ des Wachstumsmediums oder auf die Interaktion von Zeit*Typ des Wachstumsmediums zurückgeführt werden. Chao- und Bray-Curtis-Indizes wurden verwendet, um Unähnlichkeitsmatrizen der Gemeinschaften zu erstellen. Daher wurde die Beta-Diversität der Community bestimmt und nMDS verwendet, um die Unterschiede zwischen den Proben unter Verwendung des veganen Pakets in R55 zu visualisieren. Eine geschichtete permutationelle multivariate Varianzanalyse (PERMANOVA) mit 999 Permutationen wurde durchgeführt, um den Prozentsatz der Varianz zu untersuchen, der durch die Unterschiede in der Beta-Diversität erklärt werden könnte. ANOVA wurde angewendet, um herauszufinden, ob eines der Wachstumsmedien variabler war als das andere55. Unterschiede in der relativen Häufigkeit von Bakterienfamilien wurden mithilfe eines gemischten Modells mit wiederholten Messungen in SAS verglichen, mit der lsmeans-Anpassung und der Bonferroni-Korrektur für mehrere Vergleiche.

Unterschiede in den physikalisch-chemischen Eigenschaften jedes Gartenbausubstrats wurden mithilfe eines gemischten Modells in SAS verglichen. Pearson-Korrelationen wurden verwendet, um die Wechselwirkungen zwischen den physikalisch-chemischen Eigenschaften zu bestimmen, und die Signifikanz wurde bei P < 0,05 angenommen. In die Analyse wurden 16 Variablen einbezogen (Feuchtigkeit, pH-Wert, Leitfähigkeit, Nitrat-N, Ammonium-N, Phosphor, Kalium, Kalzium, Magnesium, Sulfat, Natrium, Chlorid, Eisen, Mangan, KBE von A. rhizogenes sp. und Gesamtbakterien). ). Mithilfe der Multiple-Faktor-Analyse (MFA) wurde ermittelt, wie die relative Häufigkeit der Familien zu den Unterschieden zwischen den Wachstumsmedien über verschiedene Zeitpunkte hinweg beitrug. Darüber hinaus wurde MFA auf den gesamten Variablensatz angewendet, um die Korrelationen zwischen den physikalischen, chemischen und mikrobiologischen Variablen zu bewerten, die in beiden Arten von Wachstumssubstraten festgestellt wurden. Jede Variablengruppe wurde gewichtet und die Ergebnisse in einer Faktorkarte57 erläutert, in der der Wert der Häufigkeit jeder Bakterienfamilie (Vektor) für das entsprechende Wachstumsmedium (Faktor) aufgetragen wurde. Die Funktion MFA aus dem FactoMineR-Paket58 wurde in R ausgeführt. Bipartite Netzwerke wurden mithilfe einer paarweisen Ähnlichkeitsmatrix abgeleitet, die aus der Regularized Canonical Correlation Analysis59,60 erhalten wurde. Die Werte in der Ähnlichkeitsmatrix wurden als Korrelation zwischen der relativen Häufigkeit von Bakterienfamilien und den Eigenschaften des Wachstumsmediums berechnet, die auf den Raum projiziert wurden, der von den ersten in der Analyse berücksichtigten Komponenten überspannt wurde. Drei relevante Komponenten wurden erhalten, wobei ein Schwellenwert von r ≥ 0,5 festgelegt wurde, und Familien wurden in der Parzelle verbreitet, in enger Beziehung zu den korrelierten Variablen und zum Wachstumsmedium, in dem sie häufiger vorkamen. Ein zusätzliches Ordinationsverfahren, die Korrespondenzanalyse (CA), wurde eingesetzt, um die Beziehungen zwischen bestimmten Bakterienfamilien und die bewerteten physikalischen und chemischen Eigenschaften zu bestätigen47.

Zitierweise für diesen Artikel: Grunert, O. et al. Mineralische und organische Wachstumsmedien weisen in erdlosen Kultursystemen eine ausgeprägte Gemeinschaftsstruktur, Stabilität und Funktionalität auf. Wissenschaft. Rep. 6, 18837; doi: 10.1038/srep18837 (2016).

Peet, M. & Welles, G. Tomatenproduktion im Gewächshaus. Pflanzenbauwissenschaft im Gartenbau 13, 257 (2005).

Google Scholar

Raviv, M., Lieth, J. & Raviv, M. Bedeutung der erdlosen Kultur in der Landwirtschaft. Theorie und Praxis der erdlosen Kultur. Elsevier, Burlington, MA (2008).

Runia, WT Ein Überblick über Möglichkeiten zur Desinfektion von Kreislaufwasser aus erdlosen Kulturen. In IV International Symposium on Soil and Substrate Infestation and Desinfestation 382. 221–229, http://dx.doi.org/10.17660/ActaHortic.1995.382.25

Postma, J. In Recent Developments in Management of Plant Diseases 133–146 (Springer, 2009).

Islam, S. Bewertung der Leistung ökologisch unbedenklicher organischer Substrate unter verschiedenen Temperaturbedingungen. International Journal of Agriculture and Biology 10, 297–300 (2008).

Google Scholar

Pluimers, J. Eine Umweltsystemanalyse des Gewächshausgartenbaus in den Niederlanden: der Tomatenfall. (Universität Wageningen, 2001).

Altmann, M. Sozioökonomische Auswirkungen der Torf- und Kultursubstratindustrie auf den Gartenbau in der EU. Brüssel, Epagma (2008).

Grunert, O., Perneel, M. & Vandaele, S. Bio-Pflanzbeutel auf Torfbasis als Lösung für das Problem der Mineralwollabfälle. Mires and Peat 3, 1–5 (2008).

CAS Google Scholar

Yachi, S. & Loreau, M. Biodiversität und Ökosystemproduktivität in einem schwankenden Umfeld: die Versicherungshypothese. Proz. Natl. Acad. Wissenschaft. 96, 1463–1468 (1999).

Artikel ADS CAS PubMed PubMed Central Google Scholar

Balvanera, P. et al. Quantifizierung der Belege für Auswirkungen der Biodiversität auf die Funktion und Dienstleistungen von Ökosystemen. Ökologiebriefe 9, 1146–1156 (2006).

Artikel PubMed Google Scholar

McCann, KS Die Diversitäts-Stabilitäts-Debatte. Natur 405, 228–233 (2000).

Artikel CAS PubMed Google Scholar

Wittebolle, L. Diversität, Stabilität und Funktionalität von Bakteriengemeinschaften im Stickstoffkreislauf. Doktorarbeit. Universität Gent (2009).

Raaijmakers, JM In Principles of Plant-Microbe Interactions 411–417 (Springer, 2015).

Mendes, R. et al. Entschlüsselung des Rhizosphären-Mikrobioms für krankheitsunterdrückende Bakterien. Science 332, 1097–1100 (2011).

Artikel ADS CAS PubMed Google Scholar

Weller, DM, Raaijmakers, JM, Gardener, BBM & Thomashow, LS Mikrobielle Populationen, die für die spezifische Bodenunterdrückung gegenüber Pflanzenpathogenen verantwortlich sind 1. Annual Review of Phytopathology 40, 309–348 (2002).

Artikel CAS PubMed Google Scholar

Van Calenberge, BWL, Moerkens, R., Van Kerckhove, S. & Hanssen, I. Verrückte Wurzeln in Flandern: Stand der Dinge. In Proeftuinnieuws. 3 (Flandern, 2013).

Bendixen, M. Ein praktischer Leitfaden für den Einsatz der Korrespondenzanalyse in der Marktforschung. Marketing Research Online 1, 16–36 (1996).

Google Scholar

Wallach, R. Physikalische Eigenschaften erdloser Medien in der erdlosen Kultur: Theorie und Praxis. Bd. 3, 41–116. Elsevier, London (2008).

Google Scholar

Sawada, H., Ieki, H. & Matsuda, I. PCR-Nachweis von Ti- und Ri-Plasmiden aus phytopathogenen Agrobacterium-Stämmen. Appl. Umgebung. Mikrob. 61, 828–831 (1995).

Artikel CAS Google Scholar

Zhu, J. et al. Die Grundlagen der Wurzelgallentumorentstehung. J. Bakteriol. 182, 3885–3895 (2000).

Artikel CAS PubMed PubMed Central Google Scholar

Sonneveld, C. & Voogt, W. Pflanzenernährung von Gewächshauskulturen. Voll. 1 (Springer, 2009).

Vallance, J. et al. Pathogene und nützliche Mikroorganismen in erdlosen Kulturen. Agronomie für nachhaltige Entwicklung, Springer Verlag (Deutschland) 31(1), 191–203 (2011).

Artikel Google Scholar

Postma, J., Willemsen-de Klein, MJ & van Elsas, JD Einfluss der einheimischen Mikroflora auf die Entwicklung von Wurzel- und Kronenfäule, verursacht durch Pythium aphanidermatum bei auf Steinwolle angebauten Gurken. Phytopathology 90, 125–133 (2000).

Artikel CAS PubMed Google Scholar

Calvo-Bado, LA et al. Reaktionen der mikrobiellen Gemeinschaft im Zusammenhang mit der Entwicklung von Oomyceten-Pflanzenpathogenen auf Tomatenwurzeln in erdlosen Anbausystemen. J. Appl. Mikrobiol. 100, 1194–1207 (2006).

Artikel PubMed Google Scholar

Strayer, R. Dynamik von Mikroorganismenpopulationen in rezirkulierenden Nährlösungen. Fortschritte in der Weltraumforschung 14, 357–366 (1994).

Artikel ADS CAS PubMed Google Scholar

Marschner, H. & Marschner, P. Marschners mineralische Ernährung höherer Pflanzen. Bd. 89 (Akademische Presse, 2012).

Berendsen, RL, Pieterse, CM & Bakker, PA Das Rhizosphären-Mikrobiom und die Pflanzengesundheit. Trends in der Pflanzenwissenschaft 17, 478–486 (2012).

Artikel CAS PubMed Google Scholar

Garbeva, P., Van Veen, J. & Van Elsas, J. Mikrobielle Vielfalt im Boden: Auswahl mikrobieller Populationen nach Pflanzen- und Bodentyp und Auswirkungen auf die Unterdrückung von Krankheiten. Annu. Rev. Phytopathol. 42, 243–270 (2004).

Artikel CAS PubMed Google Scholar

Loreau, M. et al. Biodiversität und Ökosystemfunktion: aktuelles Wissen und zukünftige Herausforderungen. Wissenschaft 294, 804–808 (2001).

Artikel ADS CAS PubMed Google Scholar

Lauber, CL, Hamady, M., Knight, R. & Fierer, N. Pyrosequenzierungsbasierte Bewertung des Boden-pH-Werts als Prädiktor für die Struktur der Bodenbakteriengemeinschaft auf kontinentaler Ebene. Appl. Umgebung. Mikrob. 75, 5111–5120 (2009).

Artikel CAS Google Scholar

Parke, JL Wurzelbesiedlung durch einheimische und eingeführte Mikroorganismen. In Die Rhizosphäre und das Pflanzenwachstum (S. 33–42). Springer: Niederlande, (1991).

Kapitel Google Scholar

Bensaddek, L., Gillet, F., Saucedo, JEN & Fliniaux, M.-A. Die Wirkung von Nitrat- und Ammoniumkonzentrationen auf das Wachstum und die Alkaloidakkumulation der Haarwurzeln von Atropa belladonna. J. Biotechnologie. 85. 35–40 (2001).

Artikel CAS PubMed Google Scholar

Sevón, N., Hiltunen, R. & Oksman-Caldentey, K. Chitosan erhöht den Hyoscyamingehalt in Haarwurzelkulturen von Hyoscyamus muticus. Pharm. Pharmakol. Lette. 2, 96–99 (1992).

Google Scholar

von Post, L. & E. Granlund. „Soedra Schwedens Torfressourcen. 1. Arsb. 19, Ser. C. Nr. 335.“ Geol. Surfen. Schweden, Stockholm (1926).

Gabriels, D., Hartmann, R., Verplancke, H., Cornelis, W. & Verschoore, P. Bodenanalysemethoden. Universität Gent, Gent, Belgien (1998).

Verdonck, O. & Gabriels, R. Referenzmethode zur Bestimmung der physikalischen Eigenschaften von Pflanzensubstraten. II. Referenzmethode zur Bestimmung chemischer Eigenschaften pflanzlicher Substrate. Acta Hort. 302, 169–179 (1992).

Artikel Google Scholar

DIN, E. 13041. Bodenverbesserer und Kultursubstrate – Bestimmung der physikalischen Eigenschaften – Trockenrohdichte, Luftvolumen, Wasservolumen, Schrumpfwert und Gesamtporenraum. Deutsche Version prEN, Beuth, Berlin/Köln (2012).

De Swaef, T., Verbist, K., Cornelis, W. & Steppe, K. Tomatensaftfluss, Stängel- und Fruchtwachstum im Verhältnis zur Wasserverfügbarkeit im Steinwolle-Wachstumsmedium. Pflanzenboden 350, 237–252 (2012).

Artikel CAS Google Scholar

Opelt, K. & Berg, G. Diversität und antagonistisches Potenzial von Bakterien, die mit Moosen aus nährstoffarmen Lebensräumen der Ostseeküste assoziiert sind. Appl. Umgebung. Mikrob. 70, 6569–6579 (2004).

Artikel CAS Google Scholar

Shams, M., Lavire, C., Muller, D., Vial, L., Campillo, T. & Nesme, X. Schnelle und effiziente Methoden zur Isolierung, Typisierung von Stämmen und Bestimmung der Arten von Agrobacterium spp. in Reinkultur und komplexen Umgebungen. INTECH Open Access Verlag (2012).

Sutton, S. Genauigkeit der Plattenzählungen. Journal of Validation Technology 17, 42–46. (2011).

Google Scholar

Hernandez-Sanabria, E., Goonewardene, LA, Wang, Z., Durunna, ON & Moore, SS Einfluss von Futtereffizienz und Ernährung auf adaptive Variationen in der Bakteriengemeinschaft in der Pansenflüssigkeit von Rindern. Appl. Umgebung. Mikrob. 78, 1203–1214 (2012).

Artikel CAS Google Scholar

Puławska, J., Willems, A. & Sobiczewski, P. Schnelle und spezifische Identifizierung von vier Agrobacterium-Arten und Biovaren mittels Multiplex-PCR. Syst. Appl. Mikrobiol. 29, 470–479 (2006).

Artikel PubMed CAS Google Scholar

Kuzmanović, N., Gašić, K., Ivanović, M., Prokić, A. & Obradović, A. Identifizierung von Agrobacterium vitis als Erreger der Wurzelhalsgalle in Serbien. Bogen. Biol. Wissenschaft. 64, 1487–1494 (2012).

Artikel Google Scholar

Suzaki, K., Yoshida, K. & Sawada, H. Nachweis tumorerzeugender Agrobacterium-Stämme aus infizierten Apfelsetzlingen durch Kolonie-PCR mit verbesserten PCR-Primern. J. Gen. Plant Pathol. 70, 342–347 (2004).

Artikel CAS Google Scholar

Øvreås, L., Forney, L., Daae, FL & Torsvik, V. Verteilung von Bakterioplankton im meromiktischen Saelenvannet-See, bestimmt durch denaturierende Gradientengelelektrophorese von PCR-amplifizierten Genfragmenten, die für 16S-rRNA kodieren. Appl. Umgebung. Mikrob. 63, 3367–3373 (1997).

Artikel Google Scholar

Hernandez-Sanabria, E., Goonewardene, LA, Wang, Z., Zhou, M. & Moore, SS Einfluss der Vaterrasse auf das Zusammenspiel zwischen mikrobiellen Populationen im Pansen, die die Pansenflüssigkeit der Nachkommen bei Fleischrindern bewohnen. PloS One 8, e58461 (2013).

Artikel ADS CAS PubMed PubMed Central Google Scholar

R-Kernteam (2013). R: Eine Sprache und Umgebung für statistische Berechnungen. R Foundation for Statistical Computing, Wien, Österreich. URL http://www.R-project.org/

Bohorquez, LC et al. Eingehende Charakterisierung der mikrobiellen Gemeinschaft in einer sauren heißen Quelle der kolumbianischen Anden durch ergänzende kulturunabhängige Ansätze. Mikrob. Ökologisch. 63, 103–115 (2012).

Artikel PubMed Google Scholar

Camarinha‐Silva, A. et al. Vergleich der vorderen Nasenhöhlenbakteriengemeinschaft zweier separater menschlicher Populationen mithilfe der Illumina-Amplikonsequenzierung. Umgebung. Mikrobiol. 16(9), 2939–2952 (2014).

Artikel PubMed CAS Google Scholar

Edgar, RC Suche und Clustering um Größenordnungen schneller als BLAST. Bioinformatik 26, 2460–2461 (2010).

Artikel CAS PubMed Google Scholar

Wang, Q., Garrity, GM, Tiedje, JM & Cole, JR Naiver Bayesianischer Klassifikator für die schnelle Zuordnung von rRNA-Sequenzen in die neue Bakterientaxonomie. Appl. Umgebung. Mikrob. 73, 5261–5267 (2007).

Artikel CAS Google Scholar

Pruesse, E. et al. SILVA: eine umfassende Online-Ressource für qualitätsgeprüfte und abgeglichene ribosomale RNA-Sequenzdaten, die mit ARB kompatibel sind. Nukleinsäuren Res. 35, 7188–7196 (2007).

Artikel CAS PubMed PubMed Central Google Scholar

McMurdie, PJ & Holmes, S. phyloseq: ein R-Paket für reproduzierbare interaktive Analysen und Grafiken von Mikrobiom-Volkszählungsdaten. PloS One 8, e61217 (2013).

Artikel ADS CAS PubMed PubMed Central Google Scholar

Oksanen, J., Kindt, R., Legendre, P., O'Hara, B. & Simpson, GL Das vegane Paket. Community Ecology Package, 631–637 (2007).

Kerckhof, F.-M. et al. Optimierte Kryokonservierung gemischter mikrobieller Gemeinschaften zur Erhaltung der Funktionalität und Vielfalt. PloS One 9, e99517 (2014).

Artikel ADS PubMed PubMed Central CAS Google Scholar

De Tayrac, M., Lê, S., Aubry, M., Mosser, J. & Husson, F. Gleichzeitige Analyse verschiedener Omics-Datensätze mit Integration biologischen Wissens: Ansatz der Analyse mehrerer Faktoren. BMC Genomics 10, 32 (2009).

Artikel PubMed PubMed Central CAS Google Scholar

Lê, S., Josse, J. & Husson, F. FactoMineR: ein R-Paket für die multivariate Analyse. J. Stat. Softw. 25, 1–18 (2008).

Artikel Google Scholar

Lê Cao, K.-A., González, I. & Déjean, S. integrOmics: ein R-Paket zur Aufklärung der Beziehungen zwischen zwei Omics-Datensätzen. Bioinformatik 25, 2855–2856 (2009).

Artikel PubMed PubMed Central CAS Google Scholar

González, I., Lê Cao, K.-A., Davis, MJ & Déjean, S. Visualisierung von Assoziationen zwischen gepaarten „Omics“-Datensätzen. BioData Mining 5, 1–23 (2012).

Artikel Google Scholar

Referenzen herunterladen

Diese Arbeit wurde durch das Projektstipendium IWT Baekeland Mandat 120200 und durch die Forschungsstiftung Flandern (Fonds Wetenschappelijk Onderzoek-Vlaanderen, FWO) unterstützt. Die Autoren danken Guillaume Blanchet und Joris Meys für ihre statistische Unterstützung. Wir danken Iris Plumeier, Silke Kahl für ihre technische Unterstützung, Tim Lacoere für das Kunstwerk in der ergänzenden Abbildung 3 und Frederiek-Maarten Kerckhof, Nicole Hahn, Ruben Props, Amanda K. Luther und Stephen J. Andersen für ihre Ratschläge.

Grunert Oliver und Hernandez-Sanabria Emma haben gleichermaßen zu dieser Arbeit beigetragen.

Labor für mikrobielle Ökologie und Technologie (LabMET), Universität Gent, Coupure Links 653, Gent, B-9000, Belgien

Oliver Grunert, Emma Hernandez-Sanabria, Ramiro Vilchez-Vargas und Nico Boon

Abteilung für Pflanzenproduktion, Universität Gent, Coupure Links 653, Gent, B-9000, Belgien

Marie-Christine Van Labeke & Dirk Reheul

Peltracom NV, Skaldenstraat 7a, Gent, B-9042, Desteldonk, Belgien

Oliver Grunert & Maaike Perneel

Abteilung Molekulare Infektionsbiologie, Forschungsgruppe Mikrobielle Interaktionen und Prozesse, Helmholtz-Zentrum für Infektionsforschung, Inhoffenstraße 7, Braunschweig, D-38124, Deutschland

Ruy Jauregui & Dietmar H. Pieper

Sie können diesen Autor auch in PubMed Google Scholar suchen

Konzeption und Gestaltung der Experimente: OG, EH-S., MCVL, DR und NB. Durchführung der Experimente: OG, EH-S. Verarbeitung der Illumina-Bibliotheken: RJ und RV-V. Data Mining, statistische Analyse, Ergebnisinterpretation, Abbildungs- und Tabellenaufbereitung: EH-S. und OG Beigesteuerte Reagenzien/Materialien/Analysetools: NB, MP und DHP Verfasser des Artikels: OG und EH-S.

Die Autoren geben an, dass keine konkurrierenden finanziellen Interessen bestehen.

Dieses Werk ist unter einer Creative Commons Attribution 4.0 International License lizenziert. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative-Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe nichts anderes angegeben ist; Wenn das Material nicht unter der Creative-Commons-Lizenz enthalten ist, müssen Benutzer die Erlaubnis des Lizenzinhabers einholen, um das Material zu reproduzieren. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/

Nachdrucke und Genehmigungen

Grunert, O., Hernandez-Sanabria, E., Vilchez-Vargas, R. et al. Mineralische und organische Wachstumsmedien weisen in erdlosen Kultursystemen eine ausgeprägte Gemeinschaftsstruktur, Stabilität und Funktionalität auf. Sci Rep 6, 18837 (2016). https://doi.org/10.1038/srep18837

Zitat herunterladen

Eingegangen: 19. Juni 2015

Angenommen: 25. November 2015

Veröffentlicht: 5. Januar 2016

DOI: https://doi.org/10.1038/srep18837

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein gemeinsam nutzbarer Link verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt

Biomasseumwandlung und Bioraffinerie (2021)

npj Biofilme und Mikrobiome (2020)

Abfall- und Biomasseverwertung (2020)

Wissenschaftliche Berichte (2019)

Wissenschaftliche Berichte (2018)

Durch das Absenden eines Kommentars erklären Sie sich damit einverstanden, unsere Nutzungsbedingungen und Community-Richtlinien einzuhalten. Wenn Sie etwas als missbräuchlich empfinden oder etwas nicht unseren Bedingungen oder Richtlinien entspricht, kennzeichnen Sie es bitte als unangemessen.

Blog

Mineralische und organische Wachstumsmedien weisen in erdlosen Kultursystemen eine ausgeprägte Gemeinschaftsstruktur, Stabilität und Funktionalität auf