摘要：（http://www.qscnas.cn/），并揭示了其潜在互作关系。这些结果不仅促进了对污水处理厂细菌交流的理解，而且为制定调控策略以优化这些重要生态系统的功能提供了有价值的工具。

QSCNAS：全球污水处理厂群体感应和淬灭细菌分析平台

iMeta主页：http://www.imeta.science

研究论文

● 原文: iMeta (IF 23.8)

● 原文链接:

●

● 2025年3月25日，天津大学王灿等在iMeta在线发表了题为“

● 本研究创建了污水处理厂群体感应分析平台

● 第一作者：王永超

● 通讯作者：王灿（wangcan@tju.edu.cn）

● 合作作者：王森、吕雅慧

● 主要单位：天津大学环境科学与工程学院

亮 点

● 利用大规模活性污泥样本，构建了污水处理厂中的种群通讯细菌数据库并揭示了其潜在互作关系；

● 共现网络分析表明微生物通讯促进了群落互作中的合作行为；

● QS细菌通过直接和间接作用影响了污水处理厂的功能并与性能保持高度正相关。

摘 要

群体感应（Quorum sensing，QS）被认为是调节不同生境中微生物相互作用的重要机制。然而，包含多种语言的QS通信在污水处理厂（WWTPs）微生物相互作用和功能中的作用尚不清楚。本研究通过建立包含多种语言的QS细菌数据库，对1000多个活性污泥微生物组样本进行分析，鉴定污水处理厂潜在的QS细菌，并构建基于QS语言的通信网络。具体而言，通过共现网络验证了QS通信对微生物相互作用的影响。在包含酰基高丝氨酸内酯、自诱导剂和扩散信号因子等的QS语言网络中，微生物的合作行为高达77.94%。同时，发现扩散信号因子主导了活性污泥中种间通讯，QS菌在生态网络中的重要性与其丰度和变异系数呈高度正相关（p

视频解读

Bilibili：https://www.bilibili.com/video/BV1E5dHYuEF9/

Youtube：https://youtu.be/ShRhCT3HNuA

中文翻译、PPT、中/英文视频解读等扩展资料下载

请访问期刊官网：http://www.imeta.science/imetaomics/

全文解读

引 言

社会生物学在微生物学中的应用为研究微生物群落内的社会行为和信息传递提供了有价值的见解。近期的研究发现依赖于信号分子转导的群体感应（quorum sensing，QS）行为控制着特定基因的表达和群体行为的调节。然而，微生物群落的特殊性和不同栖息地中QS信号类型的多样性给破译和控制微生物世界复杂的通信系统带来了重大挑战。为不同的生态系统创建专门的关键知识图谱已被越来越多地认为是加强QS疗法应用的有效策略。

作为世界上体积最大的生物技术，活性污泥（AS）系统在污水处理厂（WWTPs）中的功能直接体现在其去除污染物的能力上。因此，QS对微生物种群行为的影响可以在AS中进一步体现。虽然QS行为在微生物生态系统中的重要性受到广泛重视，但将QS信号，细菌相对丰度和生态系统功能联系起来仍然是一个巨大的挑战。为了了解QS行为对污水处理厂微生物相互作用和功能的影响，我们基于269个污水处理厂的AS微生物组样本，对污水处理厂的QS和QQ细菌进行了全球分析，并建立了一个名为活性污泥种群通讯网络（QSCNAS）的在线平台，以探索微生物群落中基于通讯语言的相互作用。通过将污染物去除性能与QS网络联系起来，揭示了QS通信影响生态系统功能的潜在途径。研究结果为基于细菌相互作用调控提高污水处理厂的性能提供了潜在的指导策略。

结 果

QSCNAS概述

通过构建本地QS/QQ数据库并分析来自全球WWTP的AS微生物组数据，开发了一个名为QSCNAS的在线平台来探索WWTP中QS信号介导的通信和交互（图1A）。根据细菌通讯和猝灭的机制，收集了参与信号分子合成、接受和猝灭的基因亚型（表S1）。然后使用MEGA软件将它们分配到各自的分类中，以创建本地QS/QQ数据库。为了减轻不同研究之间测序数据的差异，如测序引物和测序深度，使用全球水微生物组联盟（GWMC）编制的全球AS微生物组样本数据集。该数据集包括全球200多个污水处理厂的样本，所有样本都在同一台MiSeq仪器上进行了统一测序。大多数样本（超过95%）进行了多次测序，以确保测序读数的一致性（约30,000）。这些分析使我们能够识别出WWTP中潜在的QS和QQ细菌，并创建了一个致力于研究AS中QS相互作用的在线平台（http://www.qscnas.cn/）。

图1. WWTPs中群体感应通讯网络构建

（A）从已发表的文献、数据库和网站中收集与QS和QQ相关的酶名称，然后从NCBI数据库中提取相应的基因序列信息，并进一步标注到细菌分类学中，得到QS/QQ细菌数据库。随后，对全球污水处理厂收集的1186份样本进行分析，并使用QS/QQ细菌数据库对QS/QQ细菌进行鉴定。（B）QS细菌的系统发育树及其门分布。外环的热图表明细菌中是否存在QS功能。符号类型代表QS语言的不同类型。（C）QS细菌在门（左）和属（右）水平上的基本分类组成。图中只显示了相对丰度前10的门和属。（D）QS细菌前10细菌门的相对丰度。第一列表示QS细菌总的相对丰度。每个门的丰度使用QS相关细菌种群的总丰度进行归一化。

不同QS语言在WWTP中的分布

通过构建WWTPs中QS细菌的系统发育树以揭示QS语言的分布（图1B）。可以直观地观察到与双-(3 ' -5 ')-环二聚鸟苷单磷酸（c-di-GMP）和酰基-高丝氨酸内酯（AHLs）相关的细菌在AS细菌的通信系统中占主导地位，其中约有85%和75%的QS细菌分别执行与这两种信号分子相关的功能（图S1）。与扩散信号因子（DSF）和自诱导剂-2（AI-2）信号系统相关的细菌比例接近40%。相比之下，能够降解AHL信号分子的细菌成为QQ群落中的优势物种，占比接近80%（图S2）。这可能与AHL在QQ分析中的高比例有关。尽管有报道称细菌体内c-di-GMP的浓度维持在稳态状态，但拥有磷酸二酯酶（PDE）结构域数量的细菌显著低于含有双鸟苷酸环化酶（DGC）结构域的细菌。这可能是由于细菌中存在大量的DGC效应物，它们可以感知c-di-GMP浓度，并通过维持c-di-GMP在特定的浓度窗口的水平来增加c-di-GMP信号网络的稳定性。

分类学分析表明，Proteobacteria门在各种通信系统中占相对丰度的50%以上，几乎包含了与信号产生和猝灭活动相关的所有功能（图1C和S2）。此外，在WWTPs中发现的主要门，包括Bacteroidetes、Firmicutes和Actinobacteria，在QS和QQ群落中也以较高的相对丰度存在（图1D）。同时，一些具有重要功能的细菌，如聚磷菌Candidatus Accumulibacter和丝状菌Candidatus microthrix，不仅在全球WWTPs中大量存在，而且与多种QS信号语言有关（图1B）。具体来说，超过一半的QS细菌可以共享两种以上的QS语言（图S3）。例如，在WWTPs内相对丰度排名前10的微生物属中，大多数可以共享c-di-GMP和AHLs（图S4）。同时发现多个属共享4种以上的QS语言（图S3）。AS中QS语言之间的这种复杂的串扰为促进多级QS调控提供了机会。因此，选择c-di-GMP、AHLs、DSF和AI-2四个主要信号进行进一步分析（图2A、B）。

WWTP中不同QS语言的比较

考虑到AS生态系统中QS语言的复杂性，开发了三个与QS相关的细菌网络来阐明不同信号的通讯模式（图2A和S5）。根据QS信号合成和接受的类型，将QS语言相关细菌分为三大类：合成器（仅包含合成功能）、受体（仅包含接受功能）和完整细菌（同时包含合成和接受功能）。有趣的是，AHL型QS细菌中受体的数量远远大于合成器的数量，这与DSF和AI-2型QS细菌形成鲜明对比（图S5和S6）。这表明微生物群落对AHL的需求可能超过其合成能力，潜在地加剧了AHL受体之间的竞争。此外，完整细菌在所有三个QS通信网络中表现出较高的相对丰度和出现频率，以及较低的变异系数，如图S5 - S7所示。同时，DSF相关完整细菌在丰度、发生频率和变异系数上均优于AHL和AI-2（图2C和图S7），进一步证明了其在创造社会效益方面的重要性和贡献。三种QS语言共现网络显示，参与QS交流的细菌具有较强的正相关性（77.94%±0.62%）（图2D和S8）。此外，在三个独立的共发生网络中发现了相当数量的关键节点（26.03%±10.77%）（图S9），并且其分布与QS通讯网络的分布一致（图2E）。

图2. 污水处理厂QS通信网络分析

（A）从AHL信号分子合成到接受建立的AHL型QS细菌定向通信网络。（B）多语言细菌识别网络。该网络是利用四种主要类型的信号分子和含有两种以上相关功能的细菌构建的。从外到内的颜色表示不同多语言信号调控途径的相关细菌。中间紫色圆圈（由大到小）分别代表c-di-GMP、AHLs、AI-2、DSF信号分子。（C）变异系数分析揭示了三种类型的QS完成者在污水处理厂中的差异。（D）三种主要QS细菌丰度共现网络的正相关和负相关比例。（E）三种主要QS语言细菌共生网络中关键细菌在合成菌、接受菌和完整菌中的比例。同时具有合成和接受功能的细菌被定义为完整细菌。（F）丰度共现网络的接近中心性与QS种间通讯网络的节点度呈线性拟合。（G）与脱氮性能和脱氮功能细菌呈显著正相关的QS细菌之间的潜在通讯语言示意图。（H）共现网络揭示了QS菌对脱氮功能的影响。红色节点表示去除性能。蓝色节点和灰色节点分别代表脱氮功能QS菌和其他显著相关的QS菌。边表示显著正相关。蓝色边表示QS细菌对去除性能的直接影响，红色边表示这些QS细菌可能通过影响功能细菌来影响去除性能。

多语言细菌鉴定及种间通信网络分析

通过单模网络表征进一步分析细菌通信网络，以识别参与多语言调节的细菌，并研究潜在的种间通信关系（图2B和S10）。为了鉴定含有多级信号调节途径的细菌，我们使用四种主要类型的信号分子和含有两种以上相关功能的细菌构建了一个假定网络（图2B）。简而言之，c-di-GMP在包含多种潜在信号通路的所有网络节点中普遍存在，表明c-di-GMP在复杂的多级信号通路调节中的重要性。此外，该网络还确定了可能参与多种QS调控的微生物属。例如，我们发现沙门氏菌受到多个信号分子的调控，包括AHLs、AI-2和c-di-GMP（图S11），这在之前的研究中得到了证实。此外，我们还发现这些多级种内QS细菌的生态影响似乎与参与QS信号的数量没有直接关系（图S12）。虽然琥珀弧菌属只含有两个信号（c-di-GMP和AHLs），但在群落内表现出较高的关键度（图S11）。

种间交流也被证明是微生物群落应对环境胁迫的一种策略（图S13）。因此，通过连接潜在的种间QS语言（AHLs、DSF和AI-2）相关细菌，构建了一个定向的多级种间通信网络（图S10）。其中，46.71%的关系由DSF和AHL的平行边构成，其次是AI-2和AHL，说明AS群体中复杂的QS语言交流行为。同时，我们还构建了共生网络，观察到这些细菌之间的高度合作行为（78%）（图S14）。此外，令人惊讶的是，关键度预测排名前20的属中绝大多数（95%）都是关键节点（图S10和S14）。特别是，QS网络中这些多级种间通讯细菌的网络参数与其共现网络中的参数，以及它们在全球WWTPs中的相对丰度和变异系数均呈现显著正相关（p

QS行为与WWTPs功能之间的联系

为了揭示QS通讯网络对污水处理功能的影响，进一步探究了QS细菌与功能菌及典型污染物（如氮）的去除性能之间的联系。首先基于MIDAS4数据库鉴定了与脱氮相关的功能菌，然后通过将功能菌与具有潜在QS通讯的细菌连接，构建脱氮通讯网络（图S16）。结果表明，硝化螺旋菌和红杆菌在群落中具有较高的QS连接度，可能作为QS通信网络的主要桥梁，促进功能实现。同时，脱氮网络中的QS菌与功能菌表现出较强的协同作用，超过70%的共现边呈正相关关系（图S16）。此外，这些QS细菌的丰度也与性能呈明显的正相关（76.56%），这表明功能细菌在连接去除性能和QS行为方面起着关键作用。脱氮网络的构建表明，QS通讯细菌可能通过直接或间接的QS信号促进脱氮性能（图2G，H）。例如，对脱氮性能相关性最高的前5种细菌可以通过QS信号与氨氧化细菌、硝化细菌和反硝化细菌直接联系（图2G）。此外，我们还发现了环境变量对QS群落的影响，这可能会进一步影响脱氮性能（图S17）。其中，QS群落组成与F/M（有机物与微生物之比）和污泥体积指数（SVI）密切相关（Mantel 's r > 0.2, pβ> 0.50,p

结 论

综上所述，本研究开发了QSCNAS来分析QS信号、细菌相对丰度和WWTPs功能之间的联系。与仅具有信号合成或接收功能的细菌相比，完全具备这两种功能的细菌具有更高的相对丰度和检出率，变异系数更低。种内和种间多级QS通信网络的构建揭示了QS语言的复杂性和相互作用。功能QS网络的建立揭示了细菌通讯对污染物去除过程的影响机制。总之，这些结果突出了QS通讯在微生物相互作用中的重要性，进一步为废水处理过程中的QS调控提供了潜在的指导。

方 法

QSCNAS构建

QSCNAS的构建分为两部分，包括建立QS/QQ数据库和分析全球AS微生物组数据集。首先，通过对QSDB、BCG、SigMol、Uniport、QSP等现有QS文献、网站和数据库的调查，筛选出AHLs、DSF、AI-2等信号分子。随后，收集含有上述信号分子合成和接受的QS相关基因亚型进行序列（表S1）。同时，收集了QQ内酯酶、酰化酶等对应的基因亚型，构建QQ细菌数据库（表S1）。此外，还选择了通用细菌次级信使c-di-GMP并搜集了c-di-GMP降解酶（PDE）和合成酶（DGC）。根据这些基因亚型，从Uniport、QSP、National Center for Biotechnology Information （NCBI）和Kyoto Encyclopedia of Genes and Genomes （KEGG）数据库中检索相关氨基酸序列并进行筛选。然后使用Diamond与非冗余（NR）蛋白序列数据库对这些序列进行分析，以分配分类信息，并通过MEGAN（v 6.0）软件进一步处理以生成分类图谱。

为了获得AS细菌的分类信息，收集并重新分析了全球水微生物组联盟（GWMC）的微生物组数据。利用V4（515F/806R）区对样本进行测序，在97%的相似阈值下应用UPARSE获取操作分类单元（OTU）信息。为了保证分析的均匀性，每个样本的序列数被细化到相同的深度（每个样本25,600个序列），得到61,448个OTU用于后续的比较分析。然后利用Silva v138数据库在97%的相似性水平上分配全球污水处理场的分类信息。通过比较QS/QQ细菌数据库和全球WWTPs的分类信息获得AS的潜在通讯细菌。

通讯网络分析

通过将QS信号合成细菌与接收细菌连接起来，建立了WWTPs内潜在的QS通信网络。作为公认的种间信号分子，DSF和AI-2相关细菌被认为参与了种间通讯。同时，最近的研究表明，AHL信号分子也参与了种间通讯。因此，基于与这三种信号分子相关的细菌构建了种间通信网络，并在Cytoscape中可视化。为了验证QS通信网络在微生物群落中的作用，利用iNAP基于微生物丰度构建共现网络，并在Gephi (v 0.9.2)中进行可视化。通过计算模块间连通性（Pi）和模块内连通性（Zi）来识别共现网络中的keystone节点。同时，考虑到微生物内部多种QS信号分子的相互调控，选择具有多种QS语言的细菌构建QS多级调控网络，以鉴定潜在的多级调控QS细菌。采用QS通信网络和共现网络参数的线性拟合来评价QS通信对微生物相互作用的影响。p值小于0.05为显著相关。计算QS语言相关细菌的相对丰度、出现频率和变异系数，以评估这些语言在污水处理厂中的相对重要性。

QS菌在群落中的关键度预测

为了阐明QS细菌在AS群落中的生态作用，使用深度学习框架来评估QS属的关键度。使用存在矩阵和丰度矩阵作为训练数据，开发了一个映射函数（φ）来连接微生物组合及其丰度。在此之后，进行了一个实验来模拟从存在矩阵中移除细菌，从而创建修改的组合矩阵，代表每个细菌在假设损失后的群落。然后将这些矩阵输入到训练好的映射函数（φ）中，生成相应的改变丰度矩阵。通过比较原始丰度矩阵和改良丰度矩阵来确定每个细菌对AS群落结构的影响，从而可以量化每个细菌在单个AS样品中的关键度贡献。此外，分别计算种内和种间QS微生物丰度矩阵，建立相对重要性排名。

QS对污水处理厂功能影响评估

为了评估QS行为对WWTPs功能的影响，通过研究功能细菌与其潜在的QS通信对应物之间的关系以及共现网络，建立了QS通信网络。具体来说，首先从MiDAS 4数据库中鉴定了功能细菌，例如参与氮去除的细菌。同时，将从GWMC获得的性能数据与样品微生物组信息进行对应和关联。随后，通过识别具有QS语言链接的细菌与功能细菌，将QS通信网络映射到脱氮功能网络上。同时，使用这些细菌的丰度矩阵建立共现网络，研究功能细菌与相关QS细菌之间的正相关或负相关关系。利用细菌丰度与处理性能之间的Spearman秩相关系数评价这些细菌对污水处理性能的影响。P值（经Benjamini-Hochberg方法校正）低于0.05被认为表明相关性显著。此外，通过Mantel测试（999个排列）分析了运行条件对QS群落的影响。利用丰富度、主坐标分析的PC1值和环境变量参数，构建结构方程模型（SEM），进一步揭示了操作条件对群落的直接影响。使用lavaan R软件包对模型进行处理，首先考虑所有可能的连接，然后剔除不显著的连接，直到所有存在的连接都是显著的。

代码和数据可用性

本研究所使用的活性污泥微生物组数据从美国国家生物技术信息中心NCBI（https://www.ncbi.nlm.nih.gov/）下载。更多关于群体感应通信网络的详细信息，可以在在线平台中获得（http://www.qscnas.cn）。使用的数据和脚本保存在GitHub https://github.com/basswilson/Canlab-QSCNAS中。补充资料（方法、图表、表格、图形摘要、幻灯片、视频、中文翻译版本和更新材料）可在在线DOI或iMeta Science http://www.imeta.science/中找到。

引文格式：

Yong-Chao Wang, Sen Wang, Ya-Hui Lv, Can Wang. 2025. “QSCNAS: A platform for quorum sensing and quenching bacteria analysis in global wastewater treatment plants.” iMeta4: e70026. https://doi.org/10.1002/imt2.70026.

作者简介

王永超（第一作者）

● 天津大学环境科学与工程学院在读博士研究生。

● 研究方向为环境污染生物控制技术，以第一作者在iMeta、Cell Reports Physical Science、Microbiome、Water Research等SCI一区TOP期刊发表学术论文10余篇，入选首批中国科协青年人才托举工程博士生专项计划。

王灿（通讯作者）

● 天津大学环境科学与工程学院教授，博士生导师。

● 研究方向为微生物群落调控，恶臭生物处理技术，以创新环境(微)生物技术为核心，在恶臭与有机物控制领域创新性开发了高效生物净化技术与工艺，已出版学术专著3部，以第一或通讯作者在iMeta、Cell Reports Physical Science、Microbiome、Environmental Science & Technology等期刊发表论文100余篇，获得授权专利20余项，研究成果实现了技术转化，并进行了工程应用，取得了良好效果，获得第三届中国环境科学学会青年科学家奖，天津市杰出青年科学基金，天津市青年科技优秀人才，水业杰出青年、天津市科技进步一等奖（第1）等奖项，入选国家青年人才计划、天津市创新人才推进计划。

更多推荐

（▼ 点击跳转）

高引文章 ▸▸▸▸

iMeta | 引用16000+，海普洛斯陈实富发布新版fastp，更快更好地处理FASTQ数据

高引文章 ▸▸▸▸

iMeta | 兰大张东组：使用PhyloSuite进行分子系统发育及系统发育树的统计分析

高引文章▸▸▸▸

iMeta | 唐海宝/张兴坦-用于比较基因组学分析的多功能分析套件JCVI

iMeta封面

1卷1期

1卷2期

1卷3期

1卷4期

2卷1期

2卷2期

2卷3期

2卷4期

3卷1期

3卷2期

3卷3期

3卷4期

3卷5期

3卷6期

4卷1期

iMetaOmics封面

1卷1期

1卷2期

2卷1期

期刊简介

“iMeta” 是由威立、宏科学和本领域数千名华人科学家合作出版的开放获取期刊，主编由中科院微生物所刘双江研究员和荷兰格罗宁根大学傅静远教授担任。目的是发表所有领域高影响力的研究、方法和综述，重点关注微生物组、生物信息、大数据和多组学等前沿交叉学科。目标是发表前10%(IF > 20)的高影响力论文。期刊特色包括中英双语图文、双语视频、可重复分析、图片打磨、60万用户的社交媒体宣传等。2022年2月正式创刊！相继被Google Scholar、PubMed、SCIE、ESI、DOAJ、Scopus等数据库收录！2024年6月获得首个影响因子23.8，中科院分区生物学1区Top，位列全球SCI期刊前千分之五(107/21848)，微生物学科2/161，仅低于Nature Reviews，学科研究类期刊全球第一，中国大陆11/514！

“iMetaOmics” 是“iMeta” 子刊，主编由中国科学院北京生命科学研究院赵方庆研究员和香港中文大学于君教授担任，是定位IF>10的高水平综合期刊，欢迎投稿！

iMeta主页：

姊妹刊iMetaOmics主页：

出版社iMeta主页：

出版社iMetaOmics主页：

iMeta投稿：

iMetaOmics投稿：

邮箱：

office@imeta.science

来源：微生物组